tx。約束條件一般有如下形式。
對應的函式形式linprog(c,a,b)，它的返回值是向量x 的值
可轉化為線性規劃的問題：
形如min |x1|+|x2|+|x3|+……+|xn|
s.t. ax≤b
其中 x=[x1……xn]t
要把上面的問題變換成線性規劃問題，只要注意到事實：對任意的xi ，存在
ui vi>0 滿足
xi = ui − vi ， | xi |= ui + vi
事實上，我們只要取ui=(xi+| xi |)/2,vi=(xi-| xi |)/2,就可以滿足上面的條件。
這樣，記u=[u1……un]t,v=[v1……vn]t，從而我們可以把上面的問題變成
min ∑(ui+vi)
s.t.
分枝定界法
對有約束條件的最優化問題（其可行解為有限數）的所有可行解空間恰當地進行系統搜尋，這就是分枝與定界內容。通常，把全部可行解空間反覆地分割為越來越小的子集，稱為分枝；並且對每個子集內的解集計算乙個目標下界（對於最小值問題），這稱為定界。在每次分枝後，凡是界限超出已知可行解集目標值的那些子集不再進一步分枝，這樣，許多子集可不予考慮，這稱剪枝。這就是分枝定界法的主要思路。
蒙特卡洛法（隨機取樣法）
比如用顯列舉法試探，共需計算1010個點,其計算量非常之大。然而應用蒙特卡洛去隨機計算106個點，便可找到滿意解.假設目標函式落在高值區的概率分別為 0.01，0.00001，則當計算106個點後，有任乙個點能落在高值區的概率分別為
1− 0.991000000 ≈ 0.99……99(100多位），
1− 0.999991000000 ≈ 0.999954602
如果目標函式或約束條件中包含非線性函式，就稱這種規劃問題為非線性規劃問題。一般說來，解非線性規劃要比解線性規劃問題困難得多。而且，也不象線性規劃有單純形法這一通用方法，非線性規劃目前還沒有適於各種問題的一般演算法，各個方法都有自己特定的適用範圍。
一般形式
min f (x)
s.t. *hj(x)*≤0, j = 1,……,q
gi(x)=0, i = 1,……,p
其中tx = [x1……xn] t稱為模型（np）的決策變數,f稱為目標函式,gi
(i = 1,…,p)和 hj
( j =1, …,q) 稱為約束函式。另外,gi(x) = 0 (i = 1,…, p) 稱為等式約束,hj(x) ≤ 0 ( j = 1,…,q)稱為不等式的約束。
非線性規劃
1.基本形式和求解模式。2.掌握凸函式和凸規劃的概念及性質。3.掌握0.618法。4.無約束優化的最優性質，熟練運用最速下降法和共軛方法。約束最優化的性質，懲罰函式。minf x s.t gi x 0 i 1,2,ph j x 0,j 1,2 q可行域為 x x r n gi x 0,i 1,2,p...
Matlab非線性規劃
在matlab非線性規劃數學模型可以寫成一下形式 minf x s.t.begin ax le b aeq x beq c x le 0 ceq x 0 end f x 為目標函式，a,b,aeq,beq為線性約束對應的矩陣和向量，c x ceq x 為非線性約束。matlab求解命令為 x fmi...
Matlab 線性與非線性規劃
matlab的運籌與決策問題 線性規劃問題 函式 linprog f,a,b,aep,bep,lb,ub 引數分析 f 目標函式的係數排列 a 約束條件的係數矩陣 b 約束條件的增廣矩陣的結果 aep 等式的係數矩陣 bep 等式的結果矩陣 lb 所求解的最小值 ub 所求解的最大值 非線性規劃問題...