数学规划模型涉及优化问题的求解，包括线性规划 (LP)、非线性规划 (NLP) 和整数规划 (IP) 等。以下是基于 Python 和 MATLAB 的保姆级代码示例，帮助您快速入门。 --- ### **Python 实现** #### 工具库：`scipy.optimize` 这是 SciPy 提供的一个强大的优化模块，适合解决简单到中等复杂度的问题。 ##### 示例：最小化目标函数 \( f(x) = x_1^2 + 4x_2^2 \)，满足约束条件 \( x_1 + x_2 = 10 \) ```python from scipy.optimize import minimize # 定义目标函数 def objective_function(vars): x1, x2 = vars return x1**2 + 4*x2**2 # 定义约束条件（等于式） constraints = ({ 'type': 'eq', # equality constraint 'fun': lambda vars: vars[0] + vars[1] - 10 # x1 + x2 = 10 }) # 初始猜测值 [初始点] initial_guess = [1, 9] # 调用优化器 result = minimize(objective_function, initial_guess, constraints=constraints) if result.success: print("Optimal solution found:") print(f"x1 = {result.x[0]}, x2 = {result.x[1]}") else: print("Optimization failed.") ``` 运行结果将会给出最优变量 `x1`, `x2` 及其对应的最小值。 --- ### **MATLAB 实现** MATLAB 内置了 Optimization Toolbox，功能强大且语法简洁。 ##### 示例：同样的问题 \( f(x) = x_1^2 + 4x_2^2 \), 满足 \( x_1 + x_2 = 10 \) ```matlab % 目标函数定义 objective_function = @(vars) vars(1)^2 + 4*vars(2)^2; % 初始化参数向量 initial_guess = [1; 9]; % 定义 Aeq * x = beq 形式的约束矩阵 Aeq = [1, 1]; % 系数行向量 beq = 10; % 结果值 % 使用 fmincon 函数进行优化 options = optimoptions('fmincon','Display','iter'); % 显示迭代过程 [x_optimal, fval] = fmincon(objective_function, initial_guess, [], [], Aeq, beq); disp('Optimal Solution:'); disp(['x1 = ', num2str(x_optimal(1)), '; x2 = ', num2str(x_optimal(2))]); disp(['Minimum value of the function is: ', num2str(fval)]); ``` 运行上述脚本即可得到相同的解决方案。 --- ### 总结对比 - Python 更加通用性强，免费开源且生态系统庞大； - MATLAB 具有直观易读的优点，尤其对数值计算友好，但需要购买许可才能使用专业工具箱。 如果您希望更深入学习，请查看官方文档或相关书籍！