parent
371c0c70c3
commit
95f484af5c
@ -1,61 +0,0 @@
|
|||||||
|
|
||||||
%27页例题
|
|
||||||
clc; clear; close all;
|
|
||||||
n = 10000; % 使用较小的 n 值以便更容易可视化
|
|
||||||
x = unifrnd(0, 12, [1, n]);
|
|
||||||
y = unifrnd(0, 9, [1, n]);
|
|
||||||
ans=sum(y < x.^2 & x <= 3)+sum(y < 12 - x & x >= 3);
|
|
||||||
ans=ans/n;
|
|
||||||
% 找出满足条件的点
|
|
||||||
condition1 = y < x.^2 & x <= 3;
|
|
||||||
condition2 = y < 12 - x & x >= 3;
|
|
||||||
condition_met = condition1 | condition2; % 满足任一条件的点
|
|
||||||
condition_not_met = ~condition_met; % 不满足任何条件的点
|
|
||||||
|
|
||||||
% 创建图形窗口
|
|
||||||
figure;
|
|
||||||
hold on;%在同一张图上绘图
|
|
||||||
|
|
||||||
% 绘制不满足任何条件的点
|
|
||||||
scatter(x(condition_not_met), y(condition_not_met), 'k.'); % k----黑色 .----绘制样式
|
|
||||||
%scatter绘制散点图
|
|
||||||
%x(condition_not_met) 会返回一个新的向量,其中只包含 x 中对应 condition_not_met 为 true 的元素。
|
|
||||||
|
|
||||||
% 绘制满足第一个条件的点
|
|
||||||
scatter(x(condition1), y(condition1), 'r.'); % 红色
|
|
||||||
|
|
||||||
% 绘制满足第二个条件的点
|
|
||||||
scatter(x(condition2), y(condition2), 'b.'); % 蓝色
|
|
||||||
|
|
||||||
% 添加图例和标签
|
|
||||||
legend('不满足任何条件的点', '满足 y < x^2 且 x <= 3 的点', '满足 y < 12 - x 且 x >= 3 的点');
|
|
||||||
xlabel('x');
|
|
||||||
ylabel('y');
|
|
||||||
title('随机生成的点和满足条件的点');
|
|
||||||
hold off;
|
|
||||||
|
|
||||||
|
|
||||||
%蒙特卡洛法求圆周率qw
|
|
||||||
clc;clear;close all;
|
|
||||||
|
|
||||||
n=10^5;
|
|
||||||
x=unifrnd(-1,1,[1,n]);
|
|
||||||
y=unifrnd(-1,1,[1,n]);
|
|
||||||
con1=x.^2+y.^2<=1;
|
|
||||||
con2=~con1;
|
|
||||||
ans=sum(x.^2+y.^2<=1);
|
|
||||||
ans=ans/n*4;
|
|
||||||
|
|
||||||
figure ;
|
|
||||||
hold on;
|
|
||||||
|
|
||||||
scatter(x(con1),y(con1),'r.');
|
|
||||||
scatter(x(con2),y(con2),'k.');
|
|
||||||
|
|
||||||
hold off;
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
@ -1,3 +0,0 @@
|
|||||||
function f=fun1(x)
|
|
||||||
f=x(1)*x(1)+x(2)*x(2)-x(1)*x(2)-2*x(1)-5*x(2);
|
|
||||||
end
|
|
@ -1,15 +0,0 @@
|
|||||||
function f=fun2(x)
|
|
||||||
a=[1.25,8.75,0.5,5.75,3,7.25];
|
|
||||||
b=[1.25,0.75,4.75,5,6.5,7.25];
|
|
||||||
f1 = 0; % 初始化f1
|
|
||||||
f2 = 0; % 初始化f2
|
|
||||||
for i=1:6
|
|
||||||
s=sqrt((a(i)-x(13))^2+(b(i)-x(14))^2);
|
|
||||||
f1=x(i)*s+f1;
|
|
||||||
end
|
|
||||||
for i=7:12
|
|
||||||
s=sqrt((a(i-6)-x(15))^2+(b(i-6)-x(16))^2);
|
|
||||||
f2=s*x(i)+f2;
|
|
||||||
end
|
|
||||||
f=f1+f2;
|
|
||||||
end
|
|
@ -1,49 +0,0 @@
|
|||||||
%整数规划
|
|
||||||
%P23 ej2.5
|
|
||||||
%optimproblem解法
|
|
||||||
clc; clear; close all; format long g;
|
|
||||||
prob=optimproblem;
|
|
||||||
x=optimvar('x',6,'LowerBound',0,'Type','integer');
|
|
||||||
prob.Objective=sum(x);
|
|
||||||
cnt=[35,40,50,45,55,30];
|
|
||||||
con=optimconstr(6);
|
|
||||||
con(1)=x(1)+x(6)>=35;
|
|
||||||
for i=1:5
|
|
||||||
con(i+1)=x(i)+x(i+1)>=cnt(i+1);
|
|
||||||
end
|
|
||||||
prob.Constraints.con=con;
|
|
||||||
[sol,fval,flag,out]=solve(prob);
|
|
||||||
X=sol.x;
|
|
||||||
|
|
||||||
|
|
||||||
%linprog解法
|
|
||||||
clc; clear; close all; format long g;
|
|
||||||
f=[1,1,1,1,1,1];
|
|
||||||
intcon=[1:6];
|
|
||||||
A=zeros(6,6);
|
|
||||||
A(1,1)=-1;
|
|
||||||
A(1,6)=-1;
|
|
||||||
for i=1:5
|
|
||||||
A(i+1,i)=-1;
|
|
||||||
A(i+1,i+1)=-1;
|
|
||||||
end
|
|
||||||
lb=zeros(6,1);%注意不是lb=0
|
|
||||||
b=[-35;-40;-50;-45;-55;-30];
|
|
||||||
[x,fval]=intlinprog(f,intcon,A,b,[],[],lb);
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
%01规划
|
|
||||||
%背包问题
|
|
||||||
|
|
||||||
f=-[540,200,180,350,60,150,280,450,320,120];
|
|
||||||
intcon=1:10;
|
|
||||||
lb=zeros(10);
|
|
||||||
ub=ones(10);
|
|
||||||
A=[6,3,4,5,1,2,3,5,4,2];
|
|
||||||
b=30;
|
|
||||||
[x,fval]=intlinprog(f,intcon,A,b,[],[],lb,ub);
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
@ -1,140 +0,0 @@
|
|||||||
%投资利益与风险1998A题
|
|
||||||
|
|
||||||
|
|
||||||
%模型一 给定风险承受程度,求最大利益
|
|
||||||
f=[-0.05,-0.27,-0.19,-0.185,-0.185];
|
|
||||||
|
|
||||||
%A矩阵
|
|
||||||
%A=[0,0.025,0.015,0.055,0.026]; %错误
|
|
||||||
%b=[1,1,1,1,1];
|
|
||||||
A=[zeros(4,1),diag([0.025,0.015,0.055,0.026])];%不等式约束条件矩阵
|
|
||||||
|
|
||||||
%Aeq、beq
|
|
||||||
Aeq=[1,1.01,1.02,1.045,1.065];
|
|
||||||
beq=1;
|
|
||||||
|
|
||||||
%lb
|
|
||||||
%lb=0; %错误
|
|
||||||
lb=zeros(5,1);
|
|
||||||
|
|
||||||
|
|
||||||
%可承担风险率a
|
|
||||||
a=(0:0.001:0.05);
|
|
||||||
|
|
||||||
%保存最优解
|
|
||||||
Q=zeros(1,length(a));
|
|
||||||
xx=[];%空矩阵存放最优解对应x的值
|
|
||||||
for i=1:length(a)
|
|
||||||
b=a(i)*ones(4,1);
|
|
||||||
[x,y]=linprog(f,A,b,Aeq,beq,lb);
|
|
||||||
Q(i)=-y;%注意取负!!!
|
|
||||||
xx=[xx;x'];
|
|
||||||
end
|
|
||||||
plot(a,Q,'*r');
|
|
||||||
xlabel("风险率");
|
|
||||||
ylabel("最大收益");
|
|
||||||
|
|
||||||
|
|
||||||
%模型二 收益、风险按权重组合
|
|
||||||
% f0=[-0.05,-0.27,-0.19,-0.185,-0.185];
|
|
||||||
% w=(0:0.1:1);
|
|
||||||
% Aeq=[1,1.01,1.02,1.045,1.065,0];
|
|
||||||
% beq=1;
|
|
||||||
% lb=0;
|
|
||||||
% xx=[];
|
|
||||||
% Q=zeros(1,length(w));
|
|
||||||
% A=[zeros(5,1),diag([0.025,0.025,0.055,0.065,0])];
|
|
||||||
% b=ones(5,1);
|
|
||||||
% for i=1:length(w)
|
|
||||||
% f=[-w(i)*f0,1-w(i)];
|
|
||||||
% b=x(end)*b;
|
|
||||||
% [x,y]=linprog(f,A,b,Aeq,beq,lb);
|
|
||||||
% Q(i)=-y;
|
|
||||||
% xx=[xx,x'];
|
|
||||||
% end
|
|
||||||
% plot(w,Q,'*r');
|
|
||||||
|
|
||||||
%模型二 收益、风险按权重组合
|
|
||||||
clc; clear; close all; format long g;
|
|
||||||
|
|
||||||
M = 10000;
|
|
||||||
prob = optimproblem;
|
|
||||||
x = optimvar('x', 6, 1, 'LowerBound', 0);
|
|
||||||
r = [0.05, 0.28, 0.21, 0.23, 0.25];
|
|
||||||
p = [0, 0.01, 0.02, 0.045, 0.065];
|
|
||||||
q = [0, 0.025, 0.015, 0.055, 0.026]';
|
|
||||||
%w = 0:0.1:1;
|
|
||||||
w = 0.7:0.03:1;
|
|
||||||
V = [];
|
|
||||||
Q = [];
|
|
||||||
X = [];
|
|
||||||
|
|
||||||
prob.Constraints.con1 = (1 + p) * x(1:end-1) == M;
|
|
||||||
prob.Constraints.con2 = (q(2:end).* x(2:end-1))<= x(end); %下标从1开始
|
|
||||||
|
|
||||||
for i = 1:length(w)
|
|
||||||
prob.Objective = w(i) * x(end) - (1 - w(i)) * (r - p) * x(1:end-1); %注意大小写
|
|
||||||
[sol, fval, flag, out] = solve(prob);
|
|
||||||
xx = sol.x;
|
|
||||||
V = [V, max(q.* xx(1:end-1))];
|
|
||||||
Q = [Q, (r - p) * xx(1:end-1)];
|
|
||||||
X = [X, xx];
|
|
||||||
|
|
||||||
plot(V, Q, '*-');
|
|
||||||
grid on;
|
|
||||||
xlabel('风险');
|
|
||||||
ylabel('收益');
|
|
||||||
end
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
%模型三:达到一定盈利水平,极小化风险
|
|
||||||
|
|
||||||
clc; clear; close all; format long g;
|
|
||||||
M=10000;
|
|
||||||
k=1500:100:3000;
|
|
||||||
prob = optimproblem;
|
|
||||||
x = optimvar('x', 5, 1, 'LowerBound', 0);%下界为0
|
|
||||||
r = [0.05, 0.28, 0.21, 0.23, 0.25];
|
|
||||||
p = [0, 0.01, 0.02, 0.045, 0.065];
|
|
||||||
q = [0, 0.025, 0.015, 0.055, 0.026]';
|
|
||||||
|
|
||||||
V = [];
|
|
||||||
Q = [];
|
|
||||||
X = [];
|
|
||||||
t = optimvar('t', 'LowerBound', 0);
|
|
||||||
|
|
||||||
%prob.Objective=max(q.*x);%极小化风险
|
|
||||||
for i=1:length(k)
|
|
||||||
prob.Objective = t; % 极小化风险
|
|
||||||
prob.Constraints.con1 = (1 + p) * x == M;
|
|
||||||
prob.Constraints.con2=((r-p)*x>=k(i));%达到一定盈利水平
|
|
||||||
prob.Constraints.con3=(q.*x<=t);
|
|
||||||
[sol,fval,flag,out]=solve(prob);
|
|
||||||
if flag==1
|
|
||||||
xx=sol.x;
|
|
||||||
X=[X,xx];
|
|
||||||
Q=[Q,(r-p)*xx];
|
|
||||||
V=[V,fval];
|
|
||||||
else
|
|
||||||
xx=-1*ones(5,1);
|
|
||||||
X=[X,xx];
|
|
||||||
Q=[Q,-1];
|
|
||||||
V=[V,-1];
|
|
||||||
end
|
|
||||||
|
|
||||||
|
|
||||||
end
|
|
||||||
plot(k,V,'*-');
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
||||||
|
|
Loading…
Reference in new issue