规划问题的约束条件含有多个决策变量 线性规划问题的数学模型的一般形式（1）列出约束条件及目标函数（2）画出约束条件所表示的可行域（3）在可行域内求目标函数的最优解[编辑本段]线性规划的发展 法国数学家 J.-B.-J.傅里叶和 C.瓦莱－普森分别于1832和1911年独立地提出线性规划的想法，但未引起注意。1939年苏联数学家Л.В.康托罗维奇在《生产组织与计划中的数学方法》一书中提出线性规划问题，也未引起重视。1947年美国数学家G.B.丹齐克提出线性规划的一般数学模型和求解线性规划问题的通用方法─单纯形法，为这门学科奠定了基础。1947年美国数学家J.von诺伊曼提出对偶理论，开创了线性规划的许多新的研究领域，扩大了它的应用范围和解题能力。1951年美国经济学家T.C.库普曼斯把线性规划应用到经济领域，为此与康托罗维奇一起获1975年诺贝尔经济学奖。50年代后对线性规划进行大量的理论研究，并涌现出一大批新的算法。例如，1954年C.莱姆基提出对偶单纯形法，1954年S.加斯和T.萨迪等人解决了线性规划的灵敏度分析和参数规划问题，1956年A.塔克提出互补松弛定理，1960年G.B.丹齐克和P.沃尔夫提出分解算法等。线性规划的研究成果还直接推动了其他数学规划问题包括整数规划、随机规划和非线性规划的算法。
怎么解决约束条件为变量的fmincon函数优化问题 目标函数形式不是2113很重要，fmincon不需要知道5261目标函数的结果是怎么求出来的只要4102是利用一个x未知向1653量输入，得到一个结果的函数就可以你的约束条件好像也并不复杂，奇怪的是如果要权重x加起来是1那么每个x分量的值应该是0~1之间的正数才是而你给输入初始化x0的值是-1~1之间的随机数，所以这里比较奇怪问题的关键就是多目标的问题fmincon是只能寻找一个目标的，也就是目标函数只有一个返回值如果要多目标优化，那么需要使用遗传算法或其它办法但是多目标优化本来就是一个可能不能完全实现所有目标的优化结果也就是说多个目标很多时候是无法同时达到的，和多时候只能得到离多个目标都比较近的结果所以，多目标的优化一般会给帕累托解集不过，也有简单一点的办法，因为很多时候，我们是知道鱼与熊掌是不能兼得的我们要优化结果只是尽量靠近目标就可以了对于有多目标的，很多时候我们需要的只是一个离所有目标都比较接近的解例如最小二乘法意义的最优解这个时候可以根据得到的theta，计算 theta（1）-0.24，theta（2）-0.38，.等多个目标的平方和的开方，利用这个总的\"距离\"作为优化目标如果得到的theta是向量，而多个目标o，o(1)=0.24，o。
