1.matlab导入数据
注意事项：记得保存数据，清空工作区或者关闭matlab后数值就没有了。
2.数据预处理
清理缺失值
实时编辑器-->任务-->清理缺失数据
处理异常值：
实时编辑器-->任务-->清理离群数据
例子：
x = 1:100; %构造一个数组，元素为1,2,...,100 % randn(1,100) 生成1行100列矩阵 data = randn(1,100); data(20:20:80) = NaN; %设置第20，40，60，80个元素缺失值 % 设置4个异常数据，正常数据在0附近 data(10) = -50; data(40) = 45; data(70) = -40; data(90) = 50; plot(x,data)
3.简单线性规划
线性规划就是在一组线性约束条件下，求线性目标函数的最大或者最小值
线性意味着所有变量都是一次方的
Linprog函数使用条件：
需要模型化为matlab标准型：目标函数求最小值，约束条件小于对于号或者是等于号
f：目标函数的系数列向量
A,b：不等式约束条件的变量系数矩阵和常数项矩阵
Aeq, beq：等式约束的系数矩阵和常数项矩阵
lb, ub：决策变量的最小取值和最大取值
[x,fval] = linprog(f,A,b,Aeq,beq,lb,ub)
其中x返回最优解的变量取值，fval返回目标函数的最优值
注意：
如果不存在不等式约束，用 []代替A和b
如果不存在等式约束，用 [] 代替Aeq和beq
如果没有等式约束和最小和最大值的约束时，可以不用写Aeq、beq和lb、ub
如果题目求的时最大值，目标函数两端加负号转求最小值，记得求解后的目标值需要再取负
例子：
max y = 40x1 + 30x2
s.t. x1 + x2 ≤ 6
x1 ≥ 1, x2 ≥ 1
240x1 + 120x2 ≤ 1200
4.简单非线性规划
非线性规划：至少有一个变量不是一次方的
[x,fval] = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)
其中x是得到的决策变量取值，fval得到的是最优解取值
fun：单独函数文件里定义的目标函数
x0：决策变量的初始值，这个可以随便写，求出来的结果都一样
A,b：线性约束不等式变量系数矩阵和常数项矩阵
Aeq，beq：线性约束的等式变量系数矩阵和常数项矩阵
lb，ub：决策变量的最小取值和最大取值
nonlcon：非线性约束，包括不等式和等式
例子：
min f(x) = x12+x22+x32+8
x12-x2+x32 ≥ 0
x1+x22+x33 ≤ 20
-x1-x22+2 = 0
x2+2x32 = 3
x1,x2,x3 ≥ 0
fun1.m文件
% 目标函数fun1;目标函数为f(x)=x12+x22+x32+8 %这里会给x1、x2、x3，通过这个sum(x.^2)变成x12+x22+x32 最后再加上8 function f = fun1(x) f = sum(x.^2)+8;
fun2.m文件
% 非线性约束
function [g,h] = fun2(x)
% g是非线性不等式
g=[-x(1)^2+x(2)-x(3)^2 %原本函数中是x1^2-x2+x3^2 大于等于 0
x(1)+x(2)^2+x(3)^2-20]; %原本是x1+x2^2+x3^2 小于等于 20,20要移过去左边
% h是fei线性不等式
h=[-x(1)-x(2)^2+2
x(2)+2*x(3)^2-3];
5.多目标规划
（非）线性规划都是只有一个目标函数
要衡量每个目标的完成情况，并主观上区分三个目标的重要性，使得整体的完成情况尽量好
三个只要概念：
1.正负偏差变量
尽量不少于-->说明负偏差变量 d3- 越小越好
2.绝对约束和目标约束
绝对约束是模型中自带的约束条件，是必须要满足的条件，否则是不可行解
目标约束是模型中对不等式右端追求的值允许有偏差，例如一个不等式 8x1+10x2>=56,可以让他减去一个变量使其等于56。 8x1+10x2+di--di+=56
利用了允许偏差即正负偏差变量，多退少补，把目标函数变成等式约束条件。
3.优先因子
例如三个目标，给第三个目标优先因子为10，第二个目标优先因子为5，第1个目标优先因子为1，这三个目标的重要性之比就是10:5:1
例如 ：
某工厂生产产品1，2，有关数据如下，
标签：约束,变量,线性规划,目标,matlab,x2,x1,预处理,函数 From： https://www.cnblogs.com/hmy22466/p/17364920.html