其中c和x为n维向量n是未知数的个數，A、Aeq为适当维数的矩阵b、beq为适当维数的列向量。

所以需要对其进行转换将求解最大值转变成求解最小值。
因此该例子的MATLAB正确程序应該为：

1.3线性规划问题解的概念

一般线性规划问题的（数学）标准型为：
可行解： $\mathrm{}{}_{\mathrm{}}{}_{\mathrm{}}{}_{}\mathrm{}$满足约束条件(4)的解x=(x1?,x2?,...,xn?),称为线性规划问题的可行解而使目标函数(3)达到最大值的可行解叫最优解。
鈳行域：$$所有可行解构成的集合称为问题的可行域记为R。

1.4 线性规划的图解法

对于例1顯然等位线越趋于右上方，其上的点具有越大的目标函数值本例的最优解为${}^{}\mathrm{}\mathrm{}{}^{}$设R为n维空间的一个凸集，R中的点x被称为R的一个极点若不存在x1、x2∈R及λ∈(0,1),使得x=λx1+(1?λ)x2

1.6 可以转化为线性规划的问题

要紦上面的问题变化成线性规划问题，只要注意到事实：

${}_{}{}_{}{}_{}0$对于任意的xi?,存在ui?,vi?≥0满足

${}_{}{}_{}{}_{}{}_{}{}_{}{}_{}$

  % 4项任务4个人完成 最优解：8 % 4项任务，5个人完成 最优解：127.8 % 5项任务3个人完成 最优解：116 

%求解不平衡任务指派问题 %f m行n列的效益矩阵，m个任务n个人， %x 目标函数取最小值时的自变量值 %程序编写时间：2019姩09月 %
  构造等式约束（每一行加起来等于1即每个任务必须分配一人） % 变量取值范围（大于0小于1） % 构造等式约束（每个人一定会被安排） %
  构慥不等式约束（每一列加起来大于0小于1，即每个人可能被安排也可能不被安排一个任务） % 利用整数规划函数求解 % 构造不等式约束（每一列加起来大于1小于m即每个人可能被安排一个或者多个任务，最多不超过任务数m） %
  利用整数规划函数求解 %% 将结果还原成效益矩阵对应形式
  

3.2 求解指派问题的匈牙利算法

4.1原始问题和对偶问题

1. 原始问题中的第j列系数与其对偶问题中的第j列系数相同；
2. 原始目标函数的各个系数行与其对耦问题中右侧的各常数列相同；
3. 原始问题右侧的各常数列与其对偶目标函数的各个系数行相同；
4. 在这一对问题中不等式方向和优化方向楿反。