你有没有过这种经历？周末去超市大采购，想把最多最实用的东西塞进背包，但又怕超重？或者公司生产计划排不过来，原材料不够用，订单还催得急？其实这些都是运筹学能解决的问题！今天我就用Matlab带大家搞定三个真实场景，看完你会发现——原来运筹学离我们这么近，用Matlab实现起来居然这么简单！
先从最经典的背包问题说起吧！比如我上周去超市，想买5件东西：苹果（2kg，5元）、牛奶（3kg，8元）、面包（5kg，12元）、牛肉（7kg，15元）、鸡蛋（1kg，3元）。我的背包最多装10kg，怎么选才能让买的东西总价值最大？
首先得把这个问题变成Matlab能理解的数学语言： - 变量：用x1到x5表示是否买某件东西，x=1代表买，x=0代表不买（所以是0-1变量） - 目标：最大化总价值 → 5x1+8x2+12x3+15x4+3x5 - 约束：总重量不能超过10kg → 2x1+3x2+5x3+7x4+1x5 ≤10
Matlab里有个专门解决整数线性规划的函数叫intlinprog，不过它默认求最小值，所以我们得把目标函数取负（变成最小化问题）。直接上代码：
```matlab % 背包问题：0-1背包求解 weights = [2,3,5,7,1]; % 物品重量 values = [5,8,12,15,3]; % 物品价值 capacity = 10; % 背包容量
% 定义目标函数（取负因为intlinprog求最小） f = -values; % 整数变量索引（所有变量都是0-1整数） intcon = 1:length(values); % 约束条件：总重量 ≤ capacity A = weights; b = capacity; % 变量上下界（0或1） lb = zeros(length(values),1); ub = ones(length(values),1);
% 求解 [x, fval] = intlinprog(f, intcon, A, b, [], [], lb, ub);
% 结果输出 selected_items = find(x == 1); % 找到选中的物品编号 total_value = -fval; % 转换回最大价值 total_weight = weights * reshape(x,1,length(x)); % 计算总重量
fprintf('选中的物品编号：'); disp(selected_items); fprintf('总价值：%d元\n', total_value); fprintf('总重量：%dkg\n', total_weight); ```
我跑了一下代码，结果是选中了第2、3、5件物品（牛奶、面包、鸡蛋），总价值23元，总重量刚好9kg。你别说，这个组合比我之前凭感觉选的要划算多了！
小提示：我第一次用intlinprog的时候，差点忘了把目标函数转成最小化，结果跑出来的结果完全反了，大家一定要记住这个细节！！！
我朋友开了个小工厂，生产A和B两种零件。A零件每件需要2kg钢材和3小时工时，利润50元；B零件每件需要3kg钢材和2小时工时，利润60元。工厂每周有100kg钢材和120小时工时，怎么安排生产才能让利润最大？
这个问题和背包问题类似，但变量可以是整数（总不能生产半件零件吧）： - 变量：x1=每周生产A的数量，x2=每周生产B的数量（都是非负整数） - 目标：最大化利润 →50x1+60x2 - 约束：钢材限制2x1+3x2 ≤100；工时限制3x1+2x2 ≤120；x1≥0，x2≥0
同样用intlinprog函数，代码如下：
```matlab % 生产调度问题 % 目标函数系数（取负求最小） f = [-50; -60]; % 整数变量索引 intcon = [1,2]; % 约束矩阵：钢材和工时 A = [2,3; 3,2]; % 约束上限 b = [100;120]; % 变量下界（不能生产负数） lb = zeros(2,1); % 变量上界（这里设为很大的数，因为没有明确限制） ub = [inf; inf];
% 求解 [x, fval] = intlinprog(f, intcon, A, b, [], [], lb, ub);
% 结果输出 total_profit = -fval; fprintf('每周生产A零件：%d件\n', round(x(1))); fprintf('每周生产B零件：%d件\n', round(x(2))); fprintf('最大利润：%d元\n', total_profit); ```
代码跑出来的结果是生产A零件28件，B零件14件，最大利润是28×50+14×60=2240元。我朋友之前每周生产20件A和20件B，利润只有20×50+20×60=2200元，虽然差得不多，但长期下来也是一笔不小的收入呢！
最后一个场景是物流运输。假设我有两个仓库：仓库1有80吨货，仓库2有100吨货。三个门店需要货物：门店1要50吨，门店2要70吨，门店3要60吨。运费如下表：
| 仓库→门店 | 门店1 | 门店2 | 门店3 | |-----------|-------|-------|-------| | 仓库1 | 10元/吨 |15元/吨 |20元/吨 | | 仓库2 |12元/吨 |18元/吨 |16元/吨 |
怎么安排运输才能让总运费最少？
这个问题叫运输问题，变量比较多，但逻辑很清晰： - 变量：xij=从仓库i运到门店j的货物量（i=1,2；j=1,2,3） - 目标：最小化总运费 →10x11+15x12+20x13+12x21+18x22+16x23 - 约束： - 仓库1的发货量 ≤80 →x11+x12+x13 ≤80 - 仓库2的发货量 ≤100 →x21+x22+x23 ≤100 - 门店1收到的货=50 →x11+x21=50 - 门店2收到的货=70 →x12+x22=70 - 门店3收到的货=60 →x13+x23=60 - 所有xij≥0
这里用linprog函数就可以了（因为运输量可以是小数）：
```matlab % 运输问题求解 % 目标函数系数：x11,x12,x13,x21,x22,x23的运费 f = [10,15,20,12,18,16]; % 不等式约束矩阵（仓库发货限制） A = [1,1,1,0,0,0; 0,0,0,1,1,1]; % 不等式约束上限 b = [80;100]; % 等式约束矩阵（门店收货限制） Aeq = [1,0,0,1,0,0; 0,1,0,0,1,0;0,0,1,0,0,1]; % 等式约束值 beq = [50;70;60]; % 变量下界 lb = zeros(6,1);
% 求解 [x, fval] = linprog(f, A, b, Aeq, beq, lb);
% 结果输出 fprintf('从仓库1运到门店1：%.0f吨\n', x(1)); fprintf('从仓库1运到门店2：%.0f吨\n', x(2)); fprintf('从仓库1运到门店3：%.0f吨\n', x(3)); fprintf('从仓库2运到门店1：%.0f吨\n', x(4)); fprintf('从仓库2运到门店2：%.0f吨\n', x(5)); fprintf('从仓库2运到门店3：%.0f吨\n', x(6)); fprintf('总运费：%.0f元\n', fval); ```
代码结果显示：仓库1运50吨到门店1，30吨到门店2；仓库2运40吨到门店2，60吨到门店3。总运费是10×50+15×30+18×40+16×60=500+450+720+960=2630元。这个方案比我朋友之前随便安排的运输方式节省了将近300元！
今天这三个例子都是运筹学里最基础但又超实用的问题。很多人觉得运筹学很高深，但只要从这些小场景入手，把实际问题转化成数学模型，再用Matlab的优化函数跑一下，就能轻松解决。下次遇到类似的问题，别再拍脑袋决定了——用Matlab跑个模型，说不定能给你带来意想不到的收获！
话说回来，Matlab的优化工具箱真的很强大，除了今天用到的intlinprog和linprog，还有很多其他函数比如fmincon（非线性规划）、quadprog（二次规划）等。大家可以根据自己的问题选择合适的工具。
希望这篇文章能帮到正在学习运筹学或Matlab的你！如果有什么问题，欢迎在评论区留言（虽然我这里没法回复，但你可以自己试着查资料解决哦）。下次再见！
