线性规划matlab代码

线性规划是一种数学优化方法，用于在一组线性约束条件下最大化或最小化线性目标函数。在Matlab中，可以使用优化工具箱来解决线性规划问题。

matlab
% 定义线性目标函数系数向量
f = [2; 3; -5];

% 定义不等式约束矩阵和右侧向量
A = [
    -1,  1,  1;
     1,  1,  3;
     0, -1,  2
    ];
b = [20; 30; 10];

% 定义变量的上下界
lb = zeros(3, 1);
ub = [];

% 使用线性规划求解器求解问题
[x, fval, exitflag, output] = linprog(f, A, b, [], [], lb, ub);

% 输出结果
disp('最优解：');
disp(x);
disp('最优值：');
disp(fval);
disp('求解器的退出标志：');
disp(exitflag);
disp('求解器的输出信息：');
disp(output);

这个例子中，目标函数是 f = 2x1 + 3x2 - 5x3，约束条件为 -x1 + x2 + x3 ≤ 20，x1 + x2 + 3x3 ≤ 30，-x2 + 2x3 ≤ 10，以及所有变量 x1, x2, x3 非负。你可以根据你实际的线性规划问题修改目标函数和约束条件。

如果你的线性规划问题包含等式约束，你可以在linprog函数中添加相应的等式约束矩阵和右侧向量。

matlab
% 定义等式约束矩阵和右侧向量
Aeq = [1, 1, 1];
beq = 15;

% 使用线性规划求解器求解问题
[x, fval, exitflag, output] = linprog(f, A, b, Aeq, beq, lb, ub);

% 输出结果
disp('最优解：');
disp(x);
disp('最优值：');
disp(fval);
disp('求解器的退出标志：');
disp(exitflag);
disp('求解器的输出信息：');
disp(output);

在这个例子中，添加了等式约束 x1 + x2 + x3 = 15。请根据你的具体问题修改变量的个数、目标函数、约束条件等。详细的使用方法和参数说明可以参考Matlab文档中linprog函数的说明。