利用动态规划求解多目标最小值
使用dynprog函数，不会用@狗头狗不狗 @IT猿手 @撼山拔月 @生信小兔
以下是一个简单的示例，展示了如何使用dynprog函数来解决一个多目标最小值问题：
假设有n个物品，每个物品有两个属性：重量w和价值v。现在你有一个容量为C的背包，你需要在不超过容量的情况下，将尽可能多的物品装进背包，并同时最大化它们的总价值。
首先，我们需要定义问题的状态。在这个问题中，我们需要定义一个n x (C+1)的矩阵S，其中S(i,j)表示在前i个物品中，容量为j的背包中能够装下的最大价值。我们可以使用以下公式来计算S(i,j)：
S(i,j) = max(S(i-1,j), S(i-1,j-w(i))+v(i))
这里，S(i-1,j)表示不选择第i个物品时的最大价值，S(i-1,j-w(i))+v(i)表示选择第i个物品时的最大价值。
接下来，我们可以使用dynprog函数来计算矩阵S。下面是一个简单的示例代码：
n = 5; % 物品数量
C = 10; % 背包容量
w = [2, 3, 4, 5, 6]; % 物品重量
v = [3, 4, 5, 6, 7]; % 物品价值
S = dynprog([w;v], [C;Inf], n);
在这个示例中，我们首先定义了问题的状态变量：n表示物品数量，C表示背包容量，w表示物品重量，v表示物品价值。然后，我们使用dynprog函数来计算矩阵S，其中[w;v]表示状态转移函数，[C;Inf]表示状态变量的边界条件，n表示状态变量的维度。
计算完成后，矩阵S的最后一行最后一列的值就是问题的最优解。在本例中，S(5,10)的值为16，表示在不超过容量为10的背包中，可以装下最多的物品，总价值为16。
使用dynprog函数可以方便地解决多目标最小值问题。需要注意的是，问题的状态转移函数和边界条件需要根据具体情况进行定义。
动态多目标优化算法：
https://blog.csdn.net/weixin_46204734/article/details/130520830?spm=1001.2014.3001.5501
http://t.csdn.cn/Zy1Pi