您所拥有的通常称为integer-linear programming,并且众所周知是 NP-hard(这意味着在解决方案出来之前不要屏住呼吸)。
如果你想在没有整数的情况下解决它,你有一个线性程序,因此可以使用linprog。如果您将未知矩阵视为未知条目的向量,那么列总和就是
col_sum = kron(eye(4),[1,1,1]);
col_sum =
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
同样,行总和是
row_sum = repmat(eye(3),1,4);
row_sum =
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
这些是您的等式约束,您也有不等式约束,但仅用于限制未知值。 linprog 可以将它们绑定为额外的参数。但是,您没有一个目标函数,您可以将所有未知数的总和最小化,或者其中一个或任何其他线性目标都可以,或者您可以将其留空并获得任何可行的结果。
Aeq = [col_sum;row_sum]
beq = [2 6 6 1 5 7 3]';
X = linprog([],[],[],Aeq,beq,zeros(12,1),10*ones(12,1))% 0 <= vars <= 10
X = reshape(X,3,4)
X =
0.6550 2.0160 2.0160 0.3130
1.1192 2.5982 2.5982 0.6845
0.2258 1.3859 1.3859 0.0025
>> sum(X,1)
ans =
2.0000 6.0000 6.0000 1.0000
>> sum(X,2)
ans =
5.0000
7.0000
3.0000
如果您有某些保证为零的条目等。那么可能所有解决方案都被强制为整数。否则,您需要有非凸特定整数规划求解器,例如 given here