当前位置: 首页 > news >正文

【数学建模】线性规划问题及Matlab求解

问题一

题目:

求解下列线性规划问题

max z =3x_1-x_2-x_3,\\ s.t.\left\{\begin{matrix} x_1-2x_2+x_3\leqslant 11, \\-4x_1+x_2+2x_3\geqslant 3, \\-2x_1+x_3=1, \\x_1,x_2,x_3\geqslant0, \end{matrix}\right.

解答:

先将题目中求最大值转化为求最小值,则有

min -z = -3x_1+x_2+x_3

我们就可以得到系数列向量:

f=\begin{pmatrix} -3\\1 \\1 \end{pmatrix}

我们对问题中所给出的不等式约束进行标准化则得到了

x_1-2x_2+x_3\leqslant11 \\4x_1-x_2-2x_3\leqslant-3

就有不等式约束条件下的变系数矩阵和常系数矩阵分别为:

A=\begin{bmatrix} 1 &-2 &1 \\ 4&-1 &-2 \end{bmatrix}, b=\begin{bmatrix} 11 \\ -3 \end{bmatrix}

等式约束条件下的系数矩阵为

Aeq=\begin{bmatrix} -2 &0 &1 \end{bmatrix}, beq=\begin{bmatrix} 1 \end{bmatrix}

然后我们利用求解器对该线性规划问题进行求解,解决该问题的Matlab代码为:

f=[-3;1;1];
a=[1,-2,1;4,-1,-2];
b=[11;-3];
aeq=[-2,0,1];
beq=1;
lb=zeros(3,1);%表示下界是一个三行一列的数组且全为0
[x,fval]=linprog(f,a,b,aeq,beq,lb);
y=-fval;%将最小值转化为最大值
disp(x);%输出各个x的取值
disp(y);%输出最大值

最终答案为:

问题二

题目:

求解下列线性规划问题

max z =\left |x_1 \right |+ 2\left |x_2 \right | +3\left |x_3 \right | +4\left |x_4 \right | \\ s.t.\left\{\begin{matrix} x_1-x_2-x_3-x_4=0\\ x_1-x_2+x_3-3x_4=1\\ x_1-x_2-2x_3+3x_4=-\frac{1}{2} \end{matrix}\right.

解答:

由于本题中目标函数的自变量都带有绝对值号,所以我们需要再目标函数中去掉绝对值符号,让目标函数变为标准形式,在这里我们设u_i=\frac{\left | x_i \right |-x_i}{2},v_i=\frac{\left | x_i \right |+x_i}{2},i=1,2,3,4,不难看出x_i=-u_i+v_i,i=1,2,3,4,其中u_i,v_i均大于0

于是目标函数被我们改写成了:

min z =u_1+2u_2+3u_3+4u_4+v_1+2v_2+3v_3+4v_4

 目标函数的系数列向量就能被表示出来:

M=\begin{bmatrix} 1\\2 \\ 3 \\ 4 \end{bmatrix} ,f=\begin{bmatrix} M\\M\end{bmatrix}

等式约束条件也被改写为:

\left\{\begin{matrix} -(u_1-u_2-u_3+u_4)+v_1-v_2-v_3+v_4=0\\ -(u_1-u_2+u_3-3u_4)+v_1-v_2-v_3-3v_4=1\\ -(u_1-u_2-2u_3+3u_4)+v_1-v_2-2v_3+3v_4=-\frac{1}{2} \end{matrix}\right.

 从而得到系数矩阵和常数矩阵为:

P=\begin{bmatrix} 1&-1&-1&1\\1&-1&1&-3 \\ 1&-1&-2&3 \end{bmatrix} ,Aeq=\begin{bmatrix} -P&P\end{bmatrix},beq=\begin{bmatrix}0\\1\\ -\frac{1}{2}\end{bmatrix}

 同时由于我们引进了新的变量u_i=\frac{\left | x_i \right |-x_i}{2},v_i=\frac{\left | x_i \right |+x_i}{2},i=1,2,3,4,且这八个未知数都为大于0的值。

然后我们利用求解器对该线性规划问题进行求解,解决该问题的Matlab代码为:

M=[1;2;3;4];
f=[M;M];
P=[1,-1,-1,1;1,-1,1,-3;1,-1,-2,3];
Aeq=[-P,P];
beq=[0;1;-1/2];
lb=zeros(8,1);
[x,y]=linprog(f,[],[],Aeq,beq,lb);
ff=-y;
uv=x(5:end)-x(1:4);
disp(uv);
disp(ff)

最终答案为:

问题三

题目:

某厂生产三种产品Ⅰ、Ⅱ、Ⅲ。每种产品要经过A、B两道工序加工。设该厂有两种规格的设备能完成A工序,他们以A_1,A_2表示;有三种规格的设备能完成B工序,它们以B_1,B_2,B_3表示,产品Ⅰ可在A、B任何一种规格设备上加工。产品Ⅱ可在任何规格的A设备上加工,但完成B工序时,只能在B_1设备上加工;产品Ⅲ只能在A_2,B_2设备上加工。已知在各种机床涉笔的单件工时、原材料费、产品销售单价、各种设备有效合时以及满负载操作时机床设备的费用如下表所示,求最优的生产计划,使该厂利润最大。

设备产品设备有效台时满负荷时的设备费用/元
A_15106000300
A_2791210000321
B_1684000250
B_24117000783
B_374000200
原料费/(元/件)0.250.350.5
单价/(元/件)1.252.002.80

解答:

根据题目所求,不妨设产品Ⅰ在设备A_1,A_2,B_1,B_2,B_3上加工的产品件数分别为x_1,x_2,x_3,x_4,x_5,产品Ⅱ在设备A_1,A_2,B_1上加工的产品件数分别为x_6,x_7,x_8,产品Ⅲ在设备A_2,B_2上加工的产品件数分别为x_9,x_{10}

根据题目我们不难得到利润的目标函数

max z=(1.25-0.25)(x_1+x_2)+(2-0.25)(x_6+x_7)+(2.80-0.5)x_9-\frac{300}{6000}(5x_1+10x_6)-\frac{321}{10000}(7x_2+9x_7+12x_9)-\frac{250}{4000}(6x_3+8x_8)-\frac{783}{7000}(4x_4+11x_{10})-\frac{200}{4000}(7x_5) 

 也就是:

max z=(1.25-0.25-\frac{300*5}{6000})x_1+(1.25-0.25-\frac{321*7}{10000})x_2-\frac{250*6}{4000}x_3-\frac{783*4}{7000}x_4-\frac{200*7}{4000}x_5+(2-0.25-\frac{300*10}{6000})x_6+(2-0.25-\frac{321*9}{10000})x_7-\frac{250*8}{4000}x_8+(2.80-0.5-\frac{321*12}{10000})x_9-\frac{783*11}{7000}x_{10}

化为求解器的标准形式为

min -z=-[(1.25-0.25-\frac{300*5}{6000})x_1+(1.25-0.25-\frac{321*7}{10000})x_2-\frac{250*6}{4000}x_3-\frac{783*4}{7000}x_4-\frac{200*7}{4000}x_5+(2-0.25-\frac{300*10}{6000})x_6+(2-0.25-\frac{321*9}{10000})x_7-\frac{250*8}{4000}x_8+(2.80-0.5-\frac{321*12}{10000})x_9-\frac{783*11}{7000}x_{10}]

 目标函数的系数列向量为

f=\begin{bmatrix} 1.25-0.25-\frac{300*5}{6000}\\ 1.25-0.25-\frac{321*7}{10000}\\-\frac{250*6}{4000}\\- \frac{783*4}{7000}\\-\frac{200*7}{4000} \\ 2-0.25-\frac{300*10}{6000}\\2-0.25-\frac{321*9}{10000} \\ -\frac{250*8}{4000}\\ 2.80-0.5-\frac{321*12}{10000}\\-\frac{783*11}{7000} \end{bmatrix}

由于每件产品都要经过A,B两步骤,我们就可以得到关于x的三条等式约束关系:

x_1+x_2+x_3=x_4+x_5\\ x_6+x_7=x_8\\ x_9=x_{10}

也就是:

 x_1+x_2+-(x_3+x_4+x_5)=0\\ x_6+x_7-x_8=0\\ x_9-x_{10}=0

 系数矩阵和常数矩阵为:

aeq=\begin{bmatrix} 1 & 1 & -1 & -1& -1& 0& 0 & 0 & 0& 0\\ 0& 0 & 0& 0 & 0 & 1& 1 & -1& 0 &0 \\ 0& 0& 0& 0& 0& 0&0 & 0 & 1& -1 \end{bmatrix} beq=\begin{bmatrix} 0\\0\\0\end{bmatrix}

且每台设备的有效台时固定,我们就可以得到对应的不等式约束关系:

5x_1+10x_6 \leqslant 6000\\ 7x_2+9x_7+12x_9\leqslant10000\\ 6x_3+8x_8\leqslant4000 \\4x_4+11x_{10}\leqslant7000 \\7x_5\leqslant4000

则有系数矩阵和常数矩阵为:

a=\begin{bmatrix} 5 &0 &0 &0 &0 &10 &0 &0 &0 &0 \\ 0& 7& 0& 0& 0& 0& 9& 0& 12& 0\\ 0 &0 &6 &0 &0 &0 &0 &8 &0 &0 \\ 0& 0& 0& 4& 0& 0& 0& 0& 0& 11\\ 0& 0& 0 & 0 &7 &0 &0 &0 &0 & 0 \end{bmatrix} ,b=\begin{bmatrix} 6000\\ 10000\\ 4000\\ 7000\\ 4000 \end{bmatrix}

不难看出每一个x都是不小于0的,我们就可以得到解决该问题的matlab代码:

f=-[1.25-0.25-300*5/6000;1.25-0.25-321*7/10000;-250*6/4000;-783*4/7000;-200*7/4000;2-0.25-300*10/6000;2-0.25-321*9/10000;-250*8/4000;2.8-0.5-321*12/10000;-783*11/7000];
a=[5,0,0,0,0,10,0,0,0,0;0,7,0,0,0,0,9,0,12,0;0,0,6,0,0,0,0,8,0,0;0,0,0,4,0,0,0,0,0,11;0,0,0,0,7,0,0,0,0,0];
b=[6000;10000;4000;7000;4000];
Aeq=[1,1,-1,-1,-1,0,0,0,0,0;0,0,0,0,0,1,1,-1,0,0;0,0,0,0,0,0,0,0,1,-1];
beq=[0;0;0];
lb=zeros(10,1);
[x,y]=linprog(f,a,b,Aeq,beq,lb);
ff=-y;
format long
disp(x)
disp(ff)

得到的结果是:

但该规划应为整数规划,我们调整代码得到:

f=-[1.25-0.25-300*5/6000;1.25-0.25-321*7/10000;-250*6/4000;-783*4/7000;-200*7/4000;2-0.25-300*10/6000;2-0.25-321*9/10000;-250*8/4000;2.8-0.5-321*12/10000;-783*11/7000];
a=[5,0,0,0,0,10,0,0,0,0;0,7,0,0,0,0,9,0,12,0;0,0,6,0,0,0,0,8,0,0;0,0,0,4,0,0,0,0,0,11;0,0,0,0,7,0,0,0,0,0];
b=[6000;10000;4000;7000;4000];
Aeq=[1,1,-1,-1,-1,0,0,0,0,0;0,0,0,0,0,1,1,-1,0,0;0,0,0,0,0,0,0,0,1,-1];
beq=[0;0;0];
lb=zeros(10,1);
intcon=(1:10);
[x,y]=intlinprog(f,intcon,a,b,Aeq,beq,lb);
ff=-y;
format long
disp(x)
disp(ff)

最终的结果是:

问题四

题目 :

一架货机有三个货舱:前舱、中仓和后舱。三个货舱所能装载的货物的最大质量和体积有限制如下表所示。并且为了飞机的平衡,三个货舱装在的货物质量必须与其最大的容许量成比例。

前舱中仓后舱
质量限制/t10168
体积限制/m^3680087005300

现有四类货物用该货机进行装运,货物的规格以及装运后获得的利润如下表所示

质量/t空间/(m^3/t)利润(元/t)
货物1184803100
货物2156503800
货物3235803500
货物4123902850

假设:

(1)每种货物都可以无限细分;

(2)每种货物可以分布在一个或者多个货舱内;

(3)不同的货物可以放在同一个货舱内,并可以保证不留空隙;

应如何装运,才能使伙计的飞行利润最大? 

解答:

首先我们分别假设货物1到货物4装载在前舱、中仓、后舱的重量分别为x_i(0\leq i\leq12)

根据表格我们得到了本问题的目标函数

max \ z=3100(x_1+x_2+x_3)+3800(x_4+x_5+x_6)+3500(x_7+x_8+x_9)+2850(x_{10}+x_{11}+x_{12})

 化为标准形式就是

min \ -z=-[3100(x_1+x_2+x_3)+3800(x_4+x_5+x_6)+3500(x_7+x_8+x_9)+2850(x_{10}+x_{11}+x_{12})]

 系数列向量为:

f_1=\begin{bmatrix} 3100\\3100\\3100\end{bmatrix},f_2=\begin{bmatrix} 3800\\3800\\3800\end{bmatrix},f_3=\begin{bmatrix} 3500\\3500\\3500\end{bmatrix},f_4\begin{bmatrix} 2850\\2850\\2850\end{bmatrix},f=-\begin{bmatrix}f_1\\f_2\\f_3\\f_4 \end{bmatrix}

 根据货舱的质量限制和体积限制我们可以得到三类不等式约束

质量的不等式约束:

x_1+x_4+x_7+x_{10}\leq10\\ x_2+x_5+x_8+x_{11}\leq16\\ x_3+x_6+x_9+x_{12}\leq8        

体积的不等式约束: 

480x_1+650x_4+580x_7+390x_{10}\leq6800\\ 480x_2+650x_5+580x_8+390x_{11}\leq8700\\ 480x_3+650x_6+580x_9+390x_{12}\leq5300

 三种货物的质量总量的不等式约束:

x_1+x_2+x_3\leq18\\ x_4+x_5+x_6\leq15\\ x_7+x_8+x_9\leq23\\ x_{10}+x_{11}+x_{12}\leq12

综合一起我们得到了全部变量的不等式约束

系数矩阵及常数矩阵为:

由于三个货舱装在的货物质量必须与其最大的容许量成比例,我们可以得到一个等式条件

\frac{x_1+x_4+x_7+x_{10}}{10}=\frac{x_2+x_5+x_8+x_{11}}{16}=\frac{x_3+x_6+x_9+x_{12}}{8}

也就是满足下列两个等式条件:

8(x_1+x_4+x_7+x_{10})-5(x_2+x_5+x_8+x_{11})=0\\ (x_2+x_5+x_8+x_{11})-2(x_3+x_6+x_9+x_{12})=0 

 对应的常系数矩阵为:

不难看出每一个x_i都是不小于0的值。

这样我们就可以得到利用求解器求解该线性规划的matlab代码 :

f1=[3100;3100;3100];
f2=[3800;3800;3800];
f3=[3500;3500;3500];
f4=[2850;2850;2850];
f=-[f1;f2;f3;f4];
a=[1,0,0,1,0,0,1,0,0,1,0,0;0,1,0,0,1,0,0,1,0,0,1,0;0,0,1,0,0,1,0,0,1,0,0,1;480,0,0,650,0,0,580,0,0,390,0,0;0,480,0,0,650,0,0,580,0,0,390,0;0,0,480,0,0,650,0,0,580,0,0,390;1,1,1,0,0,0,0,0,0,0,0,0;0,0,0,1,1,1,0,0,0,0,0,0;0,0,0,0,0,0,1,1,1,0,0,0;0,0,0,0,0,0,0,0,0,1,1,1];
b=[10;16;8;6800;8700;5300;18;15;23;12];
a1=[8,-5,0];
a2=[0,1,-2];
Aeq=[a1,a1,a1,a1;a2,a2,a2,a2];
beq=[0;0];
lb=zeros(12,1);
[x,y]=linprog(f,a,b,Aeq,beq,lb);
ff=-y;
format long
x1=sum(x(1:3));
x2=sum(x(4:6));
x3=sum(x(7:9));
x4=sum(x(10:12));
x1=roundn(x1,-4);
x2=roundn(x2,-4);
x3=roundn(x3,-4);
x4=roundn(x4,-4);
ff=roundn(ff,-4);
disp(x1)
disp(x2)
disp(x3)
disp(x4)
disp(ff)

值得指出的是下列代码的作用是对x1四舍五入到指定的四位小数

x1=roundn(x1,-4);

最后得到的结果是:

问题五

题目:

某部门在今后五年内考虑给下列项目投资,已知:

项目A,从第一年到第四年每年年初都需要投资,并于次年末回收本利115%;

项目B,从第三年初需要投资,到第五年末能回收本利125%,但规定最大投资额不超过4万元;

项目C,第二年年初需要投资,到第五年末能回收本利140%,但规定最大投资额不超过3万元;

项目D,五年内每年初可购买公债,于当年末归还,并加利息6%。

该部门现有资金10万元,问它应如何确定给这些项目每年的投资额,使得到第五年末拥有的资金的本利总额最大?

解答:

只有该项目组每年都把资金全部投入出去,最后得到的本利总额才能最大。

假设第一年年初给项目A和项目C分别投资x_{11},x_{12}元,我们就可以得到:

x_{11}+x_{12}=100000

则第二年可以分配的资金为1.06x_{12}元,

假设第二年年初给项目A、项目C和项目D分别投资x_{21},x_{22},x_{23}元,我们就可以得到:

x_{21}+x_{22}+x_{23}=1.06x_{12}\\ x_{22}\leq3

则第三年可以分配的资金为1.15x_{11}+1.06x_{23}

假设第三年年初给项目A、项目B和项目D分别投资x_{31},x_{32},x_{33}元,我们就可以得到:

x_{31}+x_{32}+x_{33}=1.15x_{11}+1.06x_{23}\\ x_{32}\leq4 

则第四年可以分配的资金为1.15x_{21}+1.06x_{33}

假设第四年年初给项目A和项目D分别投资x_{41},x_{42}元,我们就可以得到:

x_{41}+x_{42}=1.15x_{21}+1.06x_{33}

第五年可以分配的资金为 1.15x_{31}+1.06x_{42}

假设第五年初给项目D投资x_{51}元,我们可以得到:

x_{51}=1.15x_{31}+1.06x_{42}

我们可以得到最后的本利总额也就是目标函数为:

max \ z=1.15x_{41}+1.25x_{32}+1.4x_{22}+1.06x_{51}

化为求解器中的标准形式为: 

min \ -z=-(1.15x_{41}+1.25x_{32}+1.4x_{22}+1.06x_{51})

系数列向量为

f=-\begin{bmatrix} 0\\0 \\0 \\1.4 \\ 0\\0 \\1.25 \\0 \\1.15 \\0 \\1.06 \end{bmatrix} 

根据上述的分析过程我们可以得到不等式约束为:

x_{22}\leq30000\\ x_{32}\leq40000 

 对应的系数矩阵和常数矩阵为:

相应的等式约束条件为:

x_{11}+x_{12}=100000\\ x_{21}+x_{22}+x_{23}-1.06x_{12}=0\\ x_{31}+x_{32}+x_{33}-(1.15x_{11}+1.06x_{23})=0\\ x_{41}+x_{42}-(1.15x_{21}+1.06x_{33})=0\\ x_{51}-(1.15x_{31}+1.06x_{42})=0

 得到相应的常系数矩阵和常数矩阵为:

根据上述过程我们就能得到解决该问题的matlab代码:

f=-[0;0;01.4;0;0;1.25;0;1.15;0;1.06];
a=[0,0,0,1,0,0,0,0,0,0,0;0,0,0,0,0,0,1,0,0,0,0];
b=[30000;40000];
Aeq=[1,1,0,0,0,0,0,0,0,0,0;0,-1.06,1,1,1,0,0,0,0,0,0;-1.15,0,0,0,-1.06,1,1,1,0,0,0;0,0,-1.15,0,0,0,0,-1.06,1,1,0;0,0,0,0,0,-1.15,0,0,0,-1.06,1];
beq=[100000;0;0;0;0];
lb=zeros(11,1);
[x,y]=linprog(f,a,b,Aeq,beq,lb);
ff=-y;
format long
disp(x)
disp(ff)

最终的答案为:

问题六

题目:

食品厂用三种原料生产两种糖果,糖果的成分要求和销售价见下表

原料A原料B原料C价格/(元/kg)
高级奶糖\geq 50\%\geq 25\%\leq 10\%24
水果糖\leq 40 \%\leq 40 \%\geq 15\%15

各种原料的可供量和成本见下表:

原料可供量/kg成本/(元/kg)
A50020
B75012
C6258

该厂根据订单至少需要生产600kg高级奶糖、800kg水果糖,为求最大利润,试建立线性规划模型并求解。 

解答: 

不妨假设高级奶糖和水果奶糖所含有原料A、B、C的质量分别为x_i(i=1,2,\dots,6)

根据题目我们可以得到所求的目标函数

max \ z=24(x_1+x_2+x_3)+15(x_4+x_5+x_6)-20(x_1+x_4)-12(x_2+x_5)-8(x_3+x_6)

对上该式进行化简我们可以得到

 max \ z=4x_1+12x_2+16x_3-5x_4+3x_5+7x_6

化为标准形式则为

min \ -z=-(4x_1+12x_2+16x_3-5x_4+3x_5+7x_6)

 系数列向量为:

f=-\begin{bmatrix} 4\\ 12\\ 16\\ -5\\ 3\\ 7 \end{bmatrix}

根据题目我们一共发现了下述的三类不等式约束关系:

根据原料的可供量我们可以得到以下的不等式约束关系:

x_1+x_4\leq500\\ x_2+x_5\leq750\\ x_3+x_6\leq625 

根据两种糖中原料占比的关系我们可以得到以下的不等式约束关系:

-\frac{x_1}{x_1+x_2+x_3}\leq-0.5\\ -(\frac{x_2}{x_1+x_2+x_3})\leq-0.25\\ \frac{x_3}{x_1+x_2+x_3}\leq0.1\\ \frac{x_4}{x_4+x_5+x_6}\leq0.4\\ \frac{x_5}{x_4+x_5+x_6}\leq0.4\\ -\frac{x_6}{x_4+x_5+x_6}\leq-0.15

根据订单量的要求我们得到以下的不等式约束关系: 

-(x_1+x_2+x_3)\leq-600\\ -(x_4+x_5+x_6)\leq-800\\

对以上三类的不等式约束进行化简并合并,我们可以得到所有的不等式约束关系:

 x_1+x_4\leq500\\ x_2+x_5\leq750\\ x_3+x_6\leq625\\ -x_1+x_2+x_3\leq0\\ -3x_1+x_2+x_3\leq0\\ -x_1-x_2+9x_3\leq0\\3x_4-2x_5-2x_6\leq0\\ -2x_4+3x_5-2x_6\leq0\\ 3x_4+3x_5-17x_6\leq0\\ -x_1-x_2-x_3\leq-600\\ -x_4-x_5-x_6\leq-800

对应的变系数矩阵和常数矩阵为:

a=\begin{bmatrix} 1&0 &0 &1 &0 &0 \\ 0& 1 &0 &0 &1 &0 \\ 0& 0 &1 &0 &0 &1 \\ -1 &1 &1 &0 &0 &0 \\ 1&-3 &1 &0 &0 &0 \\-1&-1&9&0&0&0\\ 0& 0 &0 &3 &-2 &-2 \\ 0&0 &0 &-2 &3 &-2 \\ 0& 0&0 &3 &3 &-17 \\ -1& -1& -1&0 &0 &0 \\ 0&0 &0 &-1 &-1 &-1 \end{bmatrix},b=\begin{bmatrix} 500\\750 \\625 \\0 \\0 \\0 \\0 \\0 \\0 \\-600\\-800 \end{bmatrix} 

不难看出三种原料在两种糖中的使用量均不为0

根据上述分析我们可以的到计算该线性规划模型的matlab代码 

f=-[4;12;16;-5;3;7];
a=[1,0,0,1,0,0;0,1,0,0,1,0;0,0,1,0,0,1;-1,1,1,0,0,0;1,-3,1,0,0,0;-1,-1,9,0,0,0;0,0,0,3,-2,-2;0,0,0,-2,3,-2;0,0,0,3,3,-17;-1,-1,-1,0,0,0;0,0,0,-1,-1,-1];
b=[500;750;625;0;0;0;0;0;0;-600;-800];
lb=zeros(6,1);
[x,y]=linprog(f,a,b,[],[],lb);
ff=-y;
format long
disp(x)
disp(ff)

最后得到的答案是:

相关文章:

【数学建模】线性规划问题及Matlab求解

问题一 题目: 求解下列线性规划问题 解答: 先将题目中求最大值转化为求最小值,则有 我们就可以得到系数列向量: 我们对问题中所给出的不等式约束进行标准化则得到了 就有不等式约束条件下的变系数矩阵和常系数矩阵分别为: 等式…...

C# 事件(Event)

文章目录 前言1、 声明委托2、 声明事件3、 触发事件4、订阅和取消订阅事件5、示例展示示例一:基础的事件使用流程示例二:简单数值变化触发事件示例三:锅炉系统相关事件应用 前言 在 C# 中,事件(Event)是一…...

企业数字化转型:从爆品起步,迈向生态平台

在当今数字化浪潮席卷全球的时代,企业数字化转型已成为必然趋势。然而,这条转型之路该如何走呢? 企业数字化转型的路径设计,绝不仅仅是技术的升级换代,它需要综合考量多方面因素。一方面,要为实现战略目标做…...

Windows 安装 MySQL

1.下载 MySQL 安装包 访问:MySQL :: Download MySQL Installer选择适合的版本。推荐下载 MySQL Installer for Windows,该安装包包含所有必要的组件选择 Windows (x86, 32-bit), MSI Installer 或 Windows (x86, 64-bit), MSI Installer 2.运行安装程序…...

游戏引擎学习第37天

仓库 : https://gitee.com/mrxiao_com/2d_game 回顾目前的进展 一个简单的调试工具——位图加载器,用于加载存储在硬盘上的位图文件。这个工具将文件加载到内存中,并查看文件头部信息,确保其正确性。接着使用位图头中的偏移量来获取像素数据…...

非常简单实用的前后端分离项目-仓库管理系统(Springboot+Vue)part 4

三十三、出入库管理 Header.vue导一下,RecordController加一个 //将入库数据和原有数据相加吧//新增PostMapping("/save")public Result save(RequestBody Record record) {return recordService.save(record) ? Result.success() : Result.fail();} GoodsManage.v…...

知乎Java后台开发面试题及参考答案

请简述 TCP 的三次握手和四次挥手过程。 TCP(传输控制协议)是一种面向连接的、可靠的、基于字节流的传输层通信协议。 三次握手过程 首先,客户端想要建立连接,会发送一个带有 SYN(同步序列号)标志的 TCP 报文段,这个报文段中还包含一个初始序列号(ISN,Initial Sequenc…...

Java中的String类用法详解

1.字符串拆分 可以把一个完整的字符串按照规定的分隔符拆分为若干个子字符串 String[] split(String regex) 将字符串全部拆分 String[] split(String regex,int limit) 将字符串以指定的格式拆分,拆分成limit组 实例:字符串的拆分处理 public class Main4 {public stat…...

mac电脑安装hadoop、hive等大数据组件

背景:用本地的Hadoop测试Java调用cmd命令 2024-12-08 13:48:19,826 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable ls: .: No such file or directory解决方案&#xff1a…...

DHCP和DNS

DHCP(动态主机配置协议)和DNS(域名系统)是计算机网络中两个重要的协议,它们在网络的管理和使用中发挥着关键作用。 DHCP(动态主机配置协议) 基本功能 自动分配IP地址:DHCP允许网…...

Postman安装使用教程

Postman(接口测试工具) ①、介绍 Postman是一款支持http协议的接口调试与测试工具,它不仅可以调试简单的css、html、脚本等简单的网页基本信息,还可以发送几乎所有类型的HTTP请求。 ②、安装 Ⅰ、运行安装包/官网直搜 Ⅱ、创建…...

剖析千益畅行,共享旅游-卡,合规运营与技术赋能双驱下的旅游新篇

在数字化浪潮席卷各行各业的当下,旅游产业与共享经济模式深度融合,催生出旅游卡这类新兴产品。然而,市场乱象丛生,诸多打着 “共享” 幌子的旅游卡弊病百出,让从业者与消费者都深陷困扰。今天,咱们聚焦技术…...

信创改造-达梦数据库配置项 dm.ini 优化

设置模式:兼容MySQL,COMPATIBLE_MODE 4 内存占比:90%,MAX_OS_MEMORY 90 目标内存:2G(不影响申请内存超过2G,但这部分内存不会回收),MEMORY_TARGET 2000 参考 https:…...

docker入门 自记录

1.先自己下载离线bao .tar 或者 自己pull docker pull xxx 如果遇到网络问题就换源 2.之后run一个docker 后面是映射本地路径 sudo docker run -it --name ultralytics_241124 --gpus all --shm-size 8G -v /home/oppenheim/detect/train241204/docker:/home/docker ultralyti…...

Axure设计之动态图表——排名图(中继器)

粉丝问我可不可以用中继器做条形图,而且是要做成自动增长的排名图表。所以现在教大家怎么用axure来制作制作排名图。 这个原型制作完成之后,后期有类似的功能,直接拿过去使用也比较简单,基本只需要修改中继器数据就可以了。喜欢、…...

在Java中几种常用数据压缩算法的实现及其优劣势

在Java中几种常用数据压缩算法的实现及其优劣势 背景:项目需要引入Redis作为缓存组件,需要考虑到Redis的内存占用(机器内存越大,成本越高),因此需要引入数据压缩。 1、介绍 数据压缩是计算机领域中一项重要…...

Mac通过Windows App远程访问windows电脑报错0x104的解决办法

1、远程windows电脑,确保打开 远程访问 2、Mac电脑上的配置: 2.1 新版的windows app远程桌面软件相比之前老的Microsoft Remote Desktop,对于mac来说,不会弹出“是否允许该app查找本地网络设备”,需要手动打开 操作步…...

Spring Boot接口返回统一格式

统一的标准数据格式好处 SpringBoot返回统一的标准数据格式主要有以下几点好处: 增强接口的可读性和可维护性,使得前端开发人员能够更加清晰地理解接口返回的数据结构,从而提高开发效率。 降低前后端耦合度,当后端需要修改返回数…...

小程序入门学习(八)之页面事件

一、下拉刷新新事件 1. 什么是下拉刷新 下拉刷新是移动端的专有名词,指的是通过手指在屏幕上的下拉滑动操作,从而重新加载页面数据的行为。 2. 启用下拉刷新 启用下拉刷新有两种方式: 全局开启下拉刷新:在 app.json 的 window…...

Docker基础【windows环境】

课程内容来自尚硅谷3小时速通Docker教程 1. Docker简介 Docker 通过 Docker Hub 实现一行命令安装应用(镜像)【Nginx,Mysql等】,避免繁琐的部署操作。同时通过轻量级(相对于虚拟机)的容器化的思想&#x…...

【docker】docker compose 和 docker swarm

Docker Compose 和 Docker Swarm 都是 Docker 生态中的工具,但它们有不同的用途和目标。 下面是这两者的主要区别,帮助你理解它们在不同场景中的使用。 1. 用途和目标 Docker Compose: 目标:主要用于在单个机器上定义和运行多个容器应用&a…...

第三部分:进阶概念 7.数组与对象 --[JavaScript 新手村:开启编程之旅的第一步]

第三部分:进阶概念 7.数组与对象 --[JavaScript 新手村:开启编程之旅的第一步] 在 JavaScript 中,数组和对象是两种非常重要的数据结构,它们用于存储和组织数据。尽管它们都属于引用类型(即它们存储的是对数据的引用而…...

LabVIEW密码保护与反编译的安全性分析

在LabVIEW中,密码保护是一种常见的源代码保护手段,但其安全性并不高,尤其是在面对专业反编译工具时。理论上,所有软件的反编译都是可能的,尽管反编译不一定恢复完全的源代码,但足以提取程序的核心功能和算法…...

Docker魔法:用docker run -p轻松开通容器服务大门

前言 “容器”与“虚拟化”作为现代软件开发和运维中的关键概念,已经广泛应用于各个技术领域。然而,在使用 Docker 部署应用时,常常会遇到这样的问题:容器正常运行,却无法让外界访问其内部服务?即使容器内的应用顺利启动,外部无法通过浏览器或 API 进行连接。此时,doc…...

ubuntu防火墙(三)——firewalld使用与讲解

本文是Linux下,用ufw实现端口关闭、流量控制(二) firewalld使用方式 firewalld 是一个动态管理防火墙的工具,主要用于 Linux 系统(包括 Ubuntu 和 CentOS 等)。它提供了一个基于区域(zones)和服务&#x…...

【大数据技术基础 | 实验十一】Hive实验:新建Hive表

文章目录 一、实验目的二、实验要求三、实验原理四、实验环境五、实验内容和步骤(一)启动Hive(二)创建表(三)显示表(四)显示表列(五)更改表(六&am…...

Python实现Excel中数据条显示

Python中要实现百分比数据条的显示,可以使用pandas库,pandas图表样式的设置与Excel中的条件格式设置比较类似,比如Excel里常用的数据条的用法,在pandas中使用代码进行高亮显示,用来突出重点数据,下面一起来…...

矩阵与向量的基本概念

**一、四个基本子空间的定义** 1. **行空间(Row Space)** 行空间是由矩阵的所有行向量所形成的空间。它包含所有可能的行向量的线性组合。行空间的维度称为矩阵的行秩。 2. **零空间(Null Space)** 零空间是与矩阵相乘后结果为零的…...

亚马逊云科技大语言模型加速OCR应用场景发展

目录 前言Amazon Bedrock关于OCR解决方案Amazon Bedrock进行OCR关键信息提取方案注册亚马逊账号API调用环境搭建 总结 前言 大语言模型是一种基于神经网络的自然语言处理技术,它能够学习和预测自然语言文本中的规律和模式,可以理解和生成自然语言的人工…...

十九(GIT2)、token、黑马就业数据平台(页面访问控制(token)、首页统计数据、登录状态失效)、axios请求及响应拦截器、Git远程仓库

1. JWT介绍 JSON Web Token 是目前最为流行的跨域认证解决方案,本质就是一个包含信息的字符串。 如何获取:在使用 JWT 身份验证中,当用户使用其凭据成功登录时,将返回 JSON Web Token(令牌)。 作用&#xf…...

深入探索现代 IT 技术:从云计算到人工智能的全面解析

目录 1. 云计算:重塑 IT 基础设施 2. 大数据:挖掘信息的价值 3. 物联网(IoT):连接物理世界 4. 区块链:重塑信任机制 5. 人工智能(AI):智能未来的驱动力 结语 在当今…...

Redis的持久化

目录 1. 文章前言2. RDB2.1 触发机制2.2 流程说明2.3 RDB文件的处理2.4 RDB的优缺点 3. AOF3.1 使用AOF3.2 命令写入3.3 文件同步3.4 重写机制3.5 启动时数据恢复 4. 持久化总结 1. 文章前言 (1)Redis支持RDB和AOF两种持久化机制,持久化功能…...

小型支付商城系统-MVC工程架构开发

第1-1节 DDD 架构概念 1.DDD 是什么 那 DDD 是什么呢?来自于维基百科的一段定义:"Domain-driven design (DDD) is a major software design approach. ",DDD 是一种软件设计方法。也就是说 DDD 是指导我们做软件工程设计的一种手…...

探索 ONLYOFFICE 8.2 版本:更高效、更安全的云端办公新体验

引言 在当今这个快节奏的时代,信息技术的发展已经深刻改变了我们的工作方式。从传统的纸质文件到电子文档,再到如今的云端协作,每一步技术进步都代表着效率的飞跃。尤其在后疫情时代,远程办公成为常态,如何保持团队之间…...

Spark 计算总销量

Spark 计算总销量 题目: 某电商平台存储了所有商品的销售数据,平台希望能够找到销量最好的前 N 个商品。通过分析销售记录,帮助平台决策哪些商品需要更多的推广资源。 假设你得到了一个商品销售记录的文本文件 product_id, product_name,…...

力扣每日一题 - 3001. 捕获黑皇后需要的最少移动次数

题目 还需要你前往力扣官网查看详细的题目要求 地址 1.现有一个下标从 1 开始的 8 x 8 棋盘,上面有 3 枚棋子。2.给你 6 个整数 a 、b 、c 、d 、e 和 f ,其中:(a, b) 表示白色车的位置。(c, d) 表示白色象的位置。(e, f) 表示黑皇后的位置。…...

【React】React常用开发工具

提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档 文章目录 前言一、React DevTools二、Redux DevTools三、Create React App 前言 React 是一种用于构建用户界面的流行 JavaScript 库,由于其灵活性、性能和可重用…...

c++ 数据结构:图

图是一种重要的非线性数据结构,用于表示对象及其关系。它广泛应用于社交网络、交通网络、任务调度、导航等领域。 图的基本概念 图的定义: 图由 顶点(Vertex) 和 边(Edge) 组成,记为 G(V,E)&a…...

SpringBoot整合Mockito进行单元测试超全详细教程 JUnit断言 Mockito 单元测试

Mock概念 Mock叫做模拟对象,即用来模拟未被实现的对象可以预先定义这个对象在特定调用时的行为(例如返回值或抛出异常),从而模拟不同的系统状态。 导入Mock依赖 pom文件中引入springboot测试依赖,spring-boot-start…...

十六,Spring Boot 整合 Druid 以及使用 Druid 监控功能

十六,Spring Boot 整合 Druid 以及使用 Druid 监控功能 文章目录 十六,Spring Boot 整合 Druid 以及使用 Druid 监控功能1. Druid 的基本介绍2. 准备工作:3. Druid 监控功能 3.1 Druid 监控功能 —— Web 关联监控3.2 Druid 监控功能 —— …...

Python办公—DataMatrix二维条码制作

目录 专栏导读1、库的介绍2、库的安装3、核心代码4、完整代码总结专栏导读 🌸 欢迎来到Python办公自动化专栏—Python处理办公问题,解放您的双手 🏳️‍🌈 博客主页:请点击——> 一晌小贪欢的博客主页求关注 👍 该系列文章专栏:请点击——>Python办公自动化专…...

Linux:软硬链接

目录 一、概念 软链接 硬链接 二、原理 硬链接 软链接 三、使用场景 硬链接 软链接 一、概念 软链接 在当前目录下,有一个普通文件a.txt。 ln -s a.txt a_soft.link结论: 软链接是一个文件。 观察inode_id,发现软链接有着独立…...

[笔记] Windows 上 Git 安装详细教程:从零开始,附带每个选项解析

Git 是目前最流行的分布式版本控制系统之一,广泛应用于软件开发和项目管理中。对于 Windows 用户来说,正确安装和配置 Git 是开始使用 Git 的第一步。本文提供一份详细的指南,帮助你在 Windows 系统上顺利安装 Git,并解释每个安装…...

23种设计模式之策略模式

目录 1. 简介2. 代码2.1 Strategy (策略接口)2.2 AddStrategy (具体策略类)2.3 SubStrategy (具体策略类)2.4 MultiplyStrategy (具体策略类)2.5 Operation (上下文类&am…...

总篇:Python3+Request+Pytest+Allure+Jenkins接口自动化框架设计思路

1、技术选型 Python3 Python 是一种广泛使用的高级编程语言,具有简洁、易读、易维护的特点。 Python 拥有丰富的第三方库,可以方便地进行接口测试的开发。 Request Request 是一个强大的 HTTP 库,用于发送 HTTP 请求和处理响应。 Request 支持多种 HTTP 方法,如 GET、P…...

【QML】release版本bug,信号的参数无法获取

1. 现象 问题 QML程序在debug编译模式下程序可以正常运行,但是release版本下报错:ReferenceError: para is not defined版本 Qt creator 10.0.2Qt_5_15_2_MinGW 平台 win 10 2. 解决方法 暂时没有找到好的解决办法,只能规避规避方法 //问…...

Javaweb 前端 ajax

作用:和后端交互 script 是 js axios(这里是函数的调用方式){封装的是对象} {}是对象 案例 。then的含义,请求后端之后,后端把数据放在回调 点了清空之后,还要查询全部 await等待请求执行完之后,接收这个结果 代码…...

汽车EEA架构:发展历程

1.发展历程的基本逻辑 汽车电子电气的发展历程中,其使用的基本逻辑是IPO(Input-Processing-Output)模型,如下图1所示: 图 1 那什么是IPO模型了?我们从控制器的原理入手解释IPO模型,控制器的主要用途如下: 根据给定的逻…...

几个Linux系统安装体验: 统信服务器系统

本文介绍统信服务器系统(UOS)的安装。 下载 下载地址: https://www.chinauos.com/resource/download-server 本文下载的文件名称为uos-server-20-1070e-amd64.iso。 安装 本次实践仅是做测试体验,因此在pc上使用虚拟机vmware…...

用二维图像渲染3D场景视频

✨✨ 欢迎大家来访Srlua的博文(づ ̄3 ̄)づ╭❤~✨✨ 🌟🌟 欢迎各位亲爱的读者,感谢你们抽出宝贵的时间来阅读我的文章。 我是Srlua小谢,在这里我会分享我的知识和经验。&am…...