分配问题的基本内容
一般来说，分配问题的解决方法是如何将任务分配给人，以使任务完成的利润最大化(成本型利润求最小值，利润型利润求最大值)。 上述问题是0 - 1整数规划问题。
问题以任务和人为中心展开，即有m个任务和n个。 每个人处理各自的任务都有相应的利益，把每个人的情况放在一起，构成了一个m*n的利益矩阵。
m=n时，即此时任务数和人数相等时，每个人都处理任务，有以下制约
对任务来说，各项任务必须指派一个人；
对人来说，每个人都要分配一个任务。
同样，对于m n，如果任务数少于人数，则存在以下限制：
对任务来说，各项任务必须指派一个人；
对人来说，每个人可能被分配到一个任务，也可能没有被分配到。
对于m n，如果任务数多于人数，则有以下限制：
对任务来说，各项任务必须指派一个人；
每个人可以被分配到一个或多个任务，但不会超过任务总数。
模型调用格式
[x，min_fval，exitflag]=mytaskarrange2(f ) ]
呼叫说明：
变量输入m*n的利益矩阵。 其中，m行是m个任务，n列是n个。
输出变量x是与利益矩阵相同类型的0-1矩阵，其中1表示放置，0表示不放置； min_fval是最佳目标值exitflag是结束标识符，通常等于1表示解收敛。
模型代码
function [x，min_fval，exitflag]=mytaskarrange2(f ) )
%%程序的功能说明
求解%不平衡任务分配问题
%====输入参数=====
%f m行n列利润矩阵、m个任务、n个、
%====输出参数=====
%x目标函数取最小值时的自变量值
%min_fval目标函数的最小值
%退出标志退出标识符
%方案编制时间： 2019年09月
%%程序主体
[m，n]=size(f； 获取%利润矩阵中的任务数和人数
每%行画一列向量
f=f '；
f=f(3360；
%结构方程的约束(每行加起来等于1。 也就是说，必须为每个任务分配一个人) )。
aeq=cell(m，m )；
aeq(3360 )={Zeros(1，n ) }；
aeq(eye(m，m )==1)={Ones(1，n ) }；
aeq=小区2 mat (aeq )；
beq=ones(m，1 )；
%变量地址为整数
intcon=1:m*n；
%变量的值范围(大于0小于1 ) ) ) ) ) )。
lb=Zeros(m*n，1 )；
UB=ones(m*n，1 )；
if m==n %任务数等于人数时
%结构方程的约束(每个人都必须放置) ) ) ) )。
aeq2=repmat(eye(n，n )，1，m )；
beq2=ones(n，1 )；
Aeq=[Aeq； Aeq2] )；
Beq=[Beq； Beq2] )；
求解%整数计划
[x，min_fval，exitflag]=intlinprog(f，intcon，[]，Aeq，Beq，LB，UB )；
elseif m n %任务数少于人数时
%不等式约束的构建(每列可以加起来大于0小于1，即每个人都可以调度一个任务，也可以不调度一个任务) ) )。
a=repmat(eye(n，n )，1，m )；
b=ones(n，1 )；
用%整数规划函数求解
[x，min_fval，exitflag]=intlinprog(f，intcon，a，b，Aeq，Beq，LB，UB )；
elseif m n %任务数多于人数时
%不等式约束的构建(每列加起来大于1且小于m，即每个人调度一个或多个任务，但不超过最大任务数m ) ) ) ) ) ) ) ) ) ) ) ) )。
a=repmat(eye(n，n )，1，m )；
b=ones(n，1 ) *m；
用%整数规划函数求解
[x，min_fval，exitflag]=intlinprog(f，intcon，a，b，Aeq，Beq，LB，UB )；
结束
%%将结果恢复为利润矩阵感知格式
x=reshape(x，n，m ) '；
测试算例
为了验证本模型的效果，给出以下测试算例进行验证。
% 4个任务，4个人完成最佳解： 8
f1=[ 6，1，3，8；
六、三、五、二；
1，1，1，4；
7、2、5、2；
% 4项任务，5人完成最佳解： 127.8
f2=[37.7、32.9、38.8、37、35.4；
43.4、33.1、42.2、34.7、41.8；
33.3、28.5、38.9、30.4、33.6；
29.2、26.4、29.6、28.5、31.1]；
% 5个任务，3人完成最佳解： 116
F3=[ 25，39，34；
29、38、27；
31、26、28；
4、20、40；
37、18、32 )；
[x，min_fval，exit flag ]=修改mytaskarrange2(f1 ) %输入测试的效果