线性规划中的标准形，是求最大值还是最小值的

线性规划的标准形是一个用于表达线性规划问题的标准方式，通常它包括以下部分：

1. 目标函数：线性规划问题的目标是最大化或最小化一个线性函数。在标准形中，如果目标是最大化，那么目标函数通常写作：

   maximize c_1 * x_1 + c_2 * x_2 + ... + c_n * x_n

其中，`c_i` 是目标函数的系数，`x_i` 是决策变量。

2. 约束条件：线性规划问题可能包含一系列的线性不等式或等式约束，它们可以表示为：

   a_11 * x_1 + a_12 * x_2 + ... + a_1n * x_n <= b_1
   a_21 * x_1 + a_22 * x_2 + ... + a_2n * x_n <= b_2
   ...
   a_m1 * x_1 + a_m2 * x_2 + ... + a_mn * x_n <= b_m

其中，`a_ij` 是约束矩阵的元素，`b_i` 是约束右侧的值。

3. 决策变量的非负性：标准形还包括约束，要求所有决策变量必须非负：

   x_1, x_2, ..., x_n >= 0

线性规划的标准形没有固定的求最大值或最小值的规则，关键在于问题的上下文和目标。一般来说，无论是最大化还是最小化目标函数，都可以通过将其中一种形式转换成另一种来解决。例如，如果问题是要最小化目标函数，我们可以通过引入一个负系数转换来最大化解，反之亦然。

Matlab中解决线性规划问题的函数是`linprog`，它允许求解最小化问题，对于最大化问题，你可以通过将目标函数的系数取相反数来转换成最小化问题求解。