最优化计算方法课后习题答案----高等教育出版社。施光燕
计算方法_课后习题答案
(4.5)(0.01172)
0.00879
（2）采用 Newton 插值多项式 y x N2(x) 根据题意作差商表：
i
xi
0
4
1
6.25
f (xi ) 2 2.5
一阶差商 2 9
2
9
3
2 11
二阶差商 4 495
N2 (7) 2 29 (7 4) ( 4 495) (7 4) (7 6.25) 2.6484848
1
e2
则根据二次Lagrange插值公式得：
L2 (x)
(x ( x0
x1)(x x2 ) x1)(x0 x2 )
y0
(x ( x1
x0 )(x x2 ) x0 )(x1 x2 )
y1
(x ( x2
x0 )(x x1) x0 )(x2 x1)
y2
2(x 1)(x 0.5) 2x(x 0.5)e1 4x(x 1)e0.5
8. 求作 f x xn1 关于节点 xi i 0,1, , n 的 Lagrange 插值多项式，并利用
插值余项定理证明
n
n
xin1li 0 1n xi
i0
i0
式中 li x 为关于节点 xi i 0,1, , n 的 Lagrange 插值基函数。
2 02 12 4 23 4 04 14 2 3
1 x2 3x 2 x 4 3x x2 6x 8 23 x x2 5x 4 1 x x2 3x 2
8
4
8
最优化方法及其应用课后答案
1 2( ( ⎨最优化方法部分课后习题解答1.一直优化问题的数学模型为：习题一min f (x ) = (x − 3)2 + (x − 4)2⎧g (x ) = x − x − 5 ≥ 0 ⎪ 11 2 2 ⎪试用图解法求出：s .t . ⎨g 2 (x ) = −x 1 − x 2 + 5 ≥ 0 ⎪g (x ) = x ≥ 0 ⎪ 3 1 ⎪⎩g 4 (x ) = x 2 ≥ 0（1） 无约束最优点，并求出最优值。
（2） 约束最优点，并求出其最优值。
（3） 如果加一个等式约束 h (x ) = x 1 −x 2 = 0 ，其约束最优解是什么？ *解 ：（1）在无约束条件下， f (x ) 的可行域在整个 x 1 0x 2 平面上，不难看出，当 x =（3，4） 时， f (x ) 取最小值，即，最优点为 x * =（3，4）：且最优值为： f (x * ) =0（2）在约束条件下， f (x ) 的可行域为图中阴影部分所示，此时，求该问题的最优点就是在约束集合即可行域中找一点 (x 1 ,x 2 ) ，使其落在半径最小的同心圆上，显然，从图示中可以看出，当 x *=15 , 5 ) 时， f (x ) 所在的圆的半径最小。
4 4⎧g (x ) = x −x − 5 = 0⎧ 15 ⎪x 1 = 其中：点为 g 1 (x) 和 g 2 (x ) 的交点，令 ⎪ 1 1 2 ⎨2 求解得到： ⎨ 45即最优点为 x *= ⎪⎩g 2 (x ) = −x 1 −x 2 + 5 = 015 , 5 ) ：最优值为： f(x * ) = 65 ⎪x =⎪⎩ 2 44 48（3）.若增加一个等式约束，则由图可知，可行域为空集，即此时最优解不存在。
2.一个矩形无盖油箱的外部总面积限定为 S ，怎样设计可使油箱的容量最大？试列出这个优化问题的数学模型，并回答这属于几维的优化问题. 解：列出这个优化问题的数学模型为：max f (x ) = x 1x 2 x 3⎧x 1x 2 + 2x 2 x 3 + 2x 1x 3 ≤ S ⎪ s .t . ⎪x 1 > 0⎪x 2 > 0 ⎪⎩x 3 > 0该优化问题属于三维的优化问题。
(完整版)机械优化设计习题参考答案孙靖民第四版机械优化设计
2.黄金分割法（0.618法）
原理：提高搜索效率：1）每次只插一个值，利用一个前次的插值；2）每次的缩短率λ相同。左右对称。
程序：p52
（四）插值方法
1.抛物线法
原理：任意插3点：
算得： ； ；
要求：
设函数 用经过3点的抛物线 代替，有
解线代数方程
解得：
程序框图p57
网格法 ，缩小区间，继续搜索。
Monte Carlo方法 ， ，随机数。
比较各次得到的 得解
遗传算法(专题)
（二）区间消去法（凸函数）
1.搜索区间的确定：高—低--高（ ）则区间内有极值。
2.区间消去法原理：在区间[a, b]内插两个点a1, b1保留有极值点区间，消去多余区间。
缩短率：
（三）0.618法
可行方向—约束允许的、函数减小的方向。（图）约束边界的切线与函数等高线的切线方向形成的区域。
数学模型
用内点法或混合法，取 ，
直接方法
（一）随机方向法
1.在可行域产生一个初始点 ，因 （约束），则
--（0，1）的随机数。
2.找k个随机方向，每个方向有n个方向余弦，要产生kn个随机数 ， ， ，随机方向的单位向量为
3.取一试验步长 ，计算每个方向的最优点
4.找出可行域中的最好点 得搜索方向 。以 为起点， 为搜索方向得 。最优点必须在可行域内或边界上，为此要逐步增加步长。
得
穷举下去得递推公式
3.算例
p73
4.框图p72
5.特点
作业：1. 2.
（六）变尺度法
1.引言
坐标变换
二次函数
令 为尺度变换矩阵
最优化方法习题答案
习题一1.1利用图解法求下列线性规划问题： （1）21x x z max +=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 5x 2x 2x x 3.t .s 212121 解：根据条件，可行域为下面图形中的阴影部分，，有图形可知，原问题在A 点取得最优值，最优值z=5（2）21x 6x z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+-≤+0x ,x 7x x 1x x 2.t .s 212121 解：图中阴影部分表示可行域，由图可知原问题在点A 处取得最优值，最优值z=-6.（3）21x 2x 3z max +=⎪⎪⎩⎪⎪⎨⎧≥-≥-≤+-0x ,x 4x 2x 1x x .t .s 212121 解：如图所示，可行域为图中阴影部分，易得原线性规划问题为无界解。
（4）21x 5x 2z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 2x x 6x 2x .t .s 212121 解：由图可知该线性规划可行域为空，则原问题无可行解。
1.2 对下列线性规划问题，找出所有的基解，基可行解，并求出最优解和最优值。
（1）4321x 6x 3x 2x 5z min -+-=⎪⎪⎩⎪⎪⎨⎧≥=+++=+++0x ,x ,x ,x 3x 2x x x 27x 4x 3x 2x .t .s 432143214321 解：易知1x 的系数列向量⎪⎪⎭⎫ ⎝⎛=21p 1，2x 的系数列向量⎪⎪⎭⎫ ⎝⎛=12p 2，3x 的系数列向量⎪⎪⎭⎫⎝⎛=13p 3，4x 的系数列向量⎪⎪⎭⎫⎝⎛=24p 4。
①因为21p ,p 线性无关，故有⎪⎩⎪⎨⎧--=+--=+43214321x 2x 3x x 2x 4x 37x 2x ，令非基变量为0x x 43==，得⎪⎪⎩⎪⎪⎨⎧=-=311x 31x 21，所以得到一个基解)0,0,311,31(x )1(-=是非基可行解； ②因为31p ,p 线性无关，可得基解)0,511,0,52(x)2(=，543z 2=；③因为41p ,p 线性无关，可得基解611,0,0,31(x )3(-=，是非基可行解；④因为32p ,p 线性无关，可得基解)0,1,2,0(x )4(=，1z 4-=；⑤因为42p ,p 线性相关，42x ,x 不能构成基变量； ⑥因为43p ,p 线性无关，可得基解)1,1,0,0(x )6(=，3z 6-=；所以)6()4()2(x ,x ,x是原问题的基可行解，)6(x 是最优解，最优值是3z -=。
最优化计算方法课后习题答案----高等教育出版社。施光燕
习题二包括题目: P36页5（1）(4）5(4)习题三包括题目：P61页1（1)(2); 3; 5; 6；14;15（1）1（1)(2)的解如下3题的解如下5，6题14题解如下14。
设22121212()(6)(233)f x x x x x x x =+++---， 求点在(4,6)T -处的牛顿方向。
解:已知 (1)(4,6)T x =-,由题意得121212212121212(6)2(233)(3)()2(6)2(233)(3)x x x x x x x f x x x x x x x x +++-----⎛⎫∇= ⎪+++-----⎝⎭∴ (1)1344()56g f x -⎛⎫=∇=⎪⎝⎭21212122211212122(3)22(3)(3)2(233)()22(3)(3)2(233)22(3)x x x x x x x f x x x x x x x x +--+--------⎛⎫∇= ⎪+--------+--⎝⎭∴ (1)2(1)1656()()564G x f x --⎛⎫=∇=⎪-⎝⎭(1)11/8007/400()7/4001/200G x --⎛⎫= ⎪--⎝⎭∴ (1)(1)11141/100()574/100d G x g -⎛⎫=-=⎪-⎝⎭15（1）解如下15。
用DFP 方法求下列问题的极小点（1)22121212min353x x x x x x ++++ 解:取 (0)(1,1)T x=，0H I =时，DFP 法的第一步与最速下降法相同2112352()156x x f x x x ++⎛⎫∇= ⎪++⎝⎭， (0)(1,1)T x =，(0)10()12f x ⎛⎫∇= ⎪⎝⎭(1)0.07800.2936x -⎛⎫= ⎪-⎝⎭, (1)1.3760() 1.1516f x ⎛⎫∇= ⎪-⎝⎭以下作第二次迭代(1)(0)1 1.07801.2936x xδ-⎛⎫=-= ⎪-⎝⎭， (1)(0)18.6240()()13.1516f x f x γ-⎛⎫=∇-∇= ⎪-⎝⎭0110111011101T T T TH H H H H γγδδδγγγ=+-其中，111011126.3096,247.3380T T T H δγγγγγ===11 1.1621 1.39451.3945 1.6734T δδ⎛⎫= ⎪⎝⎭ ， 01101174.3734113.4194113.4194172.9646T TH H γγγγ⎛⎫== ⎪⎝⎭所以10.74350.40560.40560.3643H -⎛⎫= ⎪-⎝⎭(1)(1)1 1.4901()0.9776d H f x -⎛⎫=-∇= ⎪⎝⎭令 (2)(1)(1)1xx d α=+ , 利用(1)(1)()0df x d d αα+=，求得 10.5727α=- 所以 (2)(1)(1)0.77540.57270.8535x x d ⎛⎫=-= ⎪-⎝⎭ ， (2)0.2833()0.244f x ⎛⎫∇= ⎪-⎝⎭以下作第三次迭代(2)(1)20.85340.5599xx δ⎛⎫=-= ⎪-⎝⎭ ， (2)(1)2 1.0927()()0.9076f x f x γ-⎛⎫=∇-∇= ⎪⎝⎭22 1.4407T δγ=- ， 212 1.9922T H γγ= 220.72830.47780.47780.3135T δδ-⎛⎫=⎪-⎝⎭1221 1.39360.91350.91350.5988T H H γγ-⎛⎫= ⎪-⎝⎭所以22122121222120.46150.38460.38460.1539T T T T H H H H H δδγγδγγγ-⎛⎫=+-= ⎪-⎝⎭(2)(2)20.2246()0.1465d H f x ⎛⎫=-∇= ⎪-⎝⎭令 (3)(2)(2)2xxdα=+ , 利用(2)(2)()0df x d d αα+=,求得 21α= 所以 (3)(2)(2)11xx d ⎛⎫=+= ⎪-⎝⎭, 因为 (3)()0f x ∇=，于是停止(3)(1,1)T x =-即为最优解。
最优化方法孙文瑜课后答案
最优化方法孙文瑜课后答案【篇一：81010218《最优化算法》教学大纲】xt>课程编号: 81010218课程名称：最优化算法英文名称：optimization algorithm 总学时：32 学分：2适用对象: 信息与计算科学本科专业先修课程：数学分析（1-3），高等代数（1-2），运筹学一、课程性质、目的和任务《最优化算法》课程是信息与计算科学专业的一门主要专业选修课。
本课程的目的是使学生理解最优化理论与方法的基本概念，掌握最优化的基本理论和常见的优化算法，为学习后继课程和解决实际问题打下扎实的基础，培养学生用数学知识解决实际问题的兴趣、意识，以及分析问题和解决问题的能力。
二、教学内容、方法及基本要求1．非线性规划基本概念教学内容：多元函数极值理论。
基本要求：理解非线性规划问题概念，一般形式，最优解的情况。
理解梯度、海赛矩阵等概念，掌握极值点的必要条件，充分条件。
理解凸函数概念，掌握凸函数的判定条件和方法。
理解凸规划概念。
2. 一维搜索教学内容：一维搜索。
基本要求：掌握求解非线性规划问题搜索法的基本思想。
掌握一维搜索的斐波那契方法和0.618法。
3．求解无约束非线性规划问题的解析法教学内容：梯度法，广义牛顿法，共轭梯度法，变度量法。
基本要求：理解梯度法，广义牛顿法，共轭梯度法，变度量法的基本思想，掌握四种方法的迭代步骤，了解四种方法的收敛定理。
4. 求解无约束非线性规划问题的直接法教学内容：步长加速法，方向加速法，单纯形法。
基本要求：理解步长加速法，方向加速法，单纯形法的基本思想，掌握三种方法的迭代步骤，了解三种方法的收敛准则。
了解解析法与直接法的优缺点。
5. 求解约束非线性规划问题的逐步线性逼近法教学内容：逐步线性逼近法。
基本要求：理解约束非线性规划问题一般模型。
理解逐步线性逼近法基本思想，掌握逐步线性逼近法的求解步骤。
6. 求解约束非线性规划问题的拉格朗日乘子法教学内容：拉格朗日乘子法。
最优化计算方法课后习题答案----高等教育出社。施光燕
习题二包括题目： P36页 5（1）（4）5（4）习题三包括题目：P61页 1(1)(2); 3; 5; 6; 14；15(1) 1(1)(2)的解如下3题的解如下5,6题14题解如下14. 设22121212()(6)(233)f x x x x x x x =+++---, 求点在(4,6)T-处的牛顿方向。
解：已知 (1)(4,6)T x=-，由题意得121212212121212(6)2(233)(3)()2(6)2(233)(3)x x x x x x x f x x x x x x x x +++-----⎛⎫∇= ⎪+++-----⎝⎭∴ (1)1344()56g f x -⎛⎫=∇=⎪⎝⎭21212122211212122(3)22(3)(3)2(233)()22(3)(3)2(233)22(3)x x x x x x x f x x x x x x x x +--+--------⎛⎫∇= ⎪+--------+--⎝⎭∴ (1)2(1)1656()()564G x f x --⎛⎫=∇=⎪-⎝⎭(1)11/8007/400()7/4001/200G x --⎛⎫= ⎪--⎝⎭∴ (1)(1)11141/100()574/100d G x g -⎛⎫=-=⎪-⎝⎭15（1）解如下15. 用DFP 方法求下列问题的极小点（1）22121212min 353x x x x x x ++++解：取 (0)(1,1)T x=，0H I =时，DFP 法的第一步与最速下降法相同2112352()156x x f x x x ++⎛⎫∇= ⎪++⎝⎭， (0)(1,1)T x =，(0)10()12f x ⎛⎫∇= ⎪⎝⎭(1)0.07800.2936x -⎛⎫= ⎪-⎝⎭， (1)1.3760() 1.1516f x ⎛⎫∇= ⎪-⎝⎭以下作第二次迭代(1)(0)1 1.07801.2936x x δ-⎛⎫=-= ⎪-⎝⎭， (1)(0)18.6240()()13.1516f x f x γ-⎛⎫=∇-∇= ⎪-⎝⎭0110111011101T T T TH H H H H γγδδδγγγ=+- 其中，111011126.3096,247.3380T T TH δγγγγγ===111.1621 1.39451.3945 1.6734Tδδ⎛⎫= ⎪⎝⎭ ， 01101174.3734113.4194113.4194172.9646T TH H γγγγ⎛⎫== ⎪⎝⎭所以10.74350.40560.40560.3643H -⎛⎫= ⎪-⎝⎭(1)(1)1 1.4901()0.9776dH f x -⎛⎫=-∇= ⎪⎝⎭令 (2)(1)(1)1xx d α=+ ， 利用 (1)(1)()0df x d d αα+=，求得 10.5727α=-所以 (2)(1)(1)0.77540.57270.8535xx d⎛⎫=-= ⎪-⎝⎭ ， (2)0.2833()0.244f x ⎛⎫∇= ⎪-⎝⎭以下作第三次迭代(2)(1)20.85340.5599x x δ⎛⎫=-= ⎪-⎝⎭ ， (2)(1)2 1.0927()()0.9076f x f x γ-⎛⎫=∇-∇= ⎪⎝⎭22 1.4407T δγ=- ， 212 1.9922T H γγ=220.72830.47780.47780.3135T δδ-⎛⎫=⎪-⎝⎭1221 1.39360.91350.91350.5988T H H γγ-⎛⎫= ⎪-⎝⎭所以22122121222120.46150.38460.38460.1539T T T TH H H H H δδγγδγγγ-⎛⎫=+-= ⎪-⎝⎭(2)(2)20.2246()0.1465d H f x ⎛⎫=-∇= ⎪-⎝⎭令 (3)(2)(2)2xxdα=+ ， 利用(2)(2)()0df x d d αα+=，求得 21α=所以 (3)(2)(2)11x x d ⎛⎫=+=⎪-⎝⎭， 因为 (3)()0f x ∇=，于是停止 (3)(1,1)T x =-即为最优解。
最优化原理与方法课后习题2
习题一一、考虑二次函数f(x)=x x x x x x 2122212132+-++1) 写出它的矩阵—向量形式: f(x)=x Qx b xTT +21 2) 矩阵Q 是不是奇异的? 3) 证明: f(x)是正定的 4) f(x)是凸的吗? 5) 写出f(x)在点x =)1,2(T处的支撑超平面(即切平面)方程解:1) f(x)=x x x x x x 2122212132+-++=⎪⎪⎭⎫ ⎝⎛x x 2121⎪⎪⎭⎫ ⎝⎛6222⎪⎪⎭⎫ ⎝⎛x x 21+⎪⎪⎭⎫ ⎝⎛-11T⎪⎪⎭⎫⎝⎛x x 21 其中x=⎪⎪⎭⎫ ⎝⎛x x 21 ,Q=⎪⎪⎭⎫ ⎝⎛6222 , b=⎪⎪⎭⎫⎝⎛-11 2) 因为Q=⎪⎪⎭⎫⎝⎛6222 ,所以 |Q|=6222=8>0 即可知Q 是非奇异的 3) 因为|2|>0,6222=8>0 ,所以Q 是正定的,故f(x)是正定的 4) 因为)(2x f ∇=⎪⎪⎭⎫ ⎝⎛6222,所以|)(2x f ∇|=8>0,故推出)(2x f ∇是正定的,即)(2x f ∇是凸的5) 因为)(x f ∇ =1)x 6x 1,2-x 2x (22121+++T,所以)(x f ∇=(5,11)所以 f(x)在点x 处的切线方程为5(21-x )+11(12-x )=0二、 求下列函数的梯度问题和Hesse 矩阵 1) f(x)=2x 12+x x x xx 23923121+++x x x 2322+2) f(x)=ln(x 12+x x x 2221+)解: 1) )(x f ∇= (,94321x x x ++ 26321+++x x x , x x 219+))(2x f ∇=⎪⎪⎪⎭⎫ ⎝⎛0191619142) )(x f ∇=(x x x x x x 112221221+++ ,x x x x xx 112221221+++))(2x f ∇=⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----------++++++++)()()()(2221212222212142221214222121222222121222212122221212212122x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x 三、设f(x)=x x x x x x x 323223322122--+++,取点)1,1,1()1(Tx =.验证d)1(=(1,0,-1)是f(x)在点x)1(处的一个下降方向,并计算min >t f(x)1(+td)1()证明: )(x f ∇=)124,123,x 2(233221-+-+x x x x T)5,4,2()(1Tx f =∇d )(1x f ∇=(1,0,-1)⎪⎪⎪⎭⎫⎝⎛542= -3<0所以d)1(是f(x)在x)1(处的一个下降方向f(x)1(+td)1()=f((1+t,1,1-t)) =433)1(1)1(221(222)1()1+-=----+++-+t t t t t t∇f(x )1(+t d )1()=6t-3=0 所以t=0.5>0所以min >t f(x )1(+td)1()=3*0.25-3*0.5+4=3.25四、设aj，b ，cj（j=1,2,….,n ）考虑问题Min f(x)=∑=nj jj xc 1s.t. b nj jjxa =∑=10≥xj(j=1,2,….,n)1) 写出其Kuhn Tuker 条件2) 证明问题最优值是])([12112∑=n j j j b c a 解：1）因),....,1(n j xj= 为目标函数的分母故0>x j所以λ*j（j=1,…,n ）都为0所以Kuhn Tuker 条件为 0)()(=∇+∇x h x f μ即 ⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛---x c x c x c n n 2222211 +⎪⎪⎪⎪⎪⎭⎫ ⎝⎛a a a n 21μ=0 2）将ac x jj j μ=代入 h(x)=0 只有一点得∑=∑==⇒=nj jjn j j j b n c a bca 122)(1μ故有acc a x jj nj jjjb ∑==1所以最优解是])([12112∑=nj j j b c a 五、使用Kuhn Tuker 条件，求问题min f(x)=)2()1(2122--+x xs.t. 0,021212112≥≥=+=-x x x x x x的Kuhn Tuker 点，并验证此点为问题的最优解 解：x=(1/2,3/2) 0≠ 故λ*1，λ*2=0则 0)()()(2211=+∇+∇x x x f h h μμ即0111142222121=⎪⎪⎭⎫⎝⎛+⎪⎪⎭⎫ ⎝⎛-+⎪⎪⎭⎫ ⎝⎛--μμx x ⇒1,021-==μμ而⎪⎪⎭⎫ ⎝⎛=∇2002)(2x f 故08)(2>=∇x x f x T 即其为最优解六、在习题五的条件下证明L(μλ,,x*)),,(),,(μλμλ*****≤≤x L L x其中 L （x,μλ,）=f(x)+)2()1(2112-++--x x x x μλ证明：L(μλ,,x*)=f(x *)+)2()1(2112-++--****x x x x μλ= f(x *) = f(x *)+λ*)1(12--**x x +μ*-+**x x 21(2)= ),,(μλ***x L= f(x*))2()1()()(2112-++--+=≤**x x x x x f x f μλ= μλ**,,(x L )习题二一、设f(x)为定义在区间[a,b]上的实值函数，x*是问题min{f(x)|a b x ≤≤}的最优解。
最优化方法习题答案
习题一1.1利用图解法求下列线性规划问题： （1）21x x z max +=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 5x 2x 2x x 3.t .s 212121 解：根据条件，可行域为下面图形中的阴影部分，，有图形可知，原问题在A 点取得最优值，最优值z=5（2）21x 6x z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+-≤+0x ,x 7x x 1x x 2.t .s 212121 解：图中阴影部分表示可行域，由图可知原问题在点A 处取得最优值，最优值z=-6.（3）21x 2x 3z max +=⎪⎪⎩⎪⎪⎨⎧≥-≥-≤+-0x ,x 4x 2x 1x x .t .s 212121 解：如图所示，可行域为图中阴影部分，易得原线性规划问题为无界解。
（4）21x 5x 2z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 2x x 6x 2x .t .s 212121 解：由图可知该线性规划可行域为空，则原问题无可行解。
1.2 对下列线性规划问题，找出所有的基解，基可行解，并求出最优解和最优值。
（1）4321x 6x 3x 2x 5z min -+-=⎪⎪⎩⎪⎪⎨⎧≥=+++=+++0x ,x ,x ,x 3x 2x x x 27x 4x 3x 2x .t .s 432143214321 解：易知1x 的系数列向量⎪⎪⎭⎫ ⎝⎛=21p 1，2x 的系数列向量⎪⎪⎭⎫ ⎝⎛=12p 2，3x 的系数列向量⎪⎪⎭⎫⎝⎛=13p 3，4x 的系数列向量⎪⎪⎭⎫⎝⎛=24p 4。
①因为21p ,p 线性无关，故有⎪⎩⎪⎨⎧--=+--=+43214321x 2x 3x x 2x 4x 37x 2x ，令非基变量为0x x 43==，得⎪⎪⎩⎪⎪⎨⎧=-=311x 31x 21，所以得到一个基解)0,0,311,31(x )1(-=是非基可行解； ②因为31p ,p 线性无关，可得基解)0,511,0,52(x)2(=，543z 2=；③因为41p ,p 线性无关，可得基解611,0,0,31(x )3(-=，是非基可行解；④因为32p ,p 线性无关，可得基解)0,1,2,0(x )4(=，1z 4-=；⑤因为42p ,p 线性相关，42x ,x 不能构成基变量； ⑥因为43p ,p 线性无关，可得基解)1,1,0,0(x )6(=，3z 6-=；所以)6()4()2(x ,x ,x是原问题的基可行解，)6(x 是最优解，最优值是3z -=。
计算方法 课后习题答案
，
正规方程组化为:
得 =2.43689 =0.291211
=2.43689所以 =11.45 = =0.291211
=2.43689所以 =11.45 1= =0.291211
12.求函数 在给定区间上对于 的最佳平方逼近多项式：
解：设
（1）
(2)
。
。
13. 上求关于 的最佳平方逼近多项式。
解：Legendre是[-1，1]上的正交多项式
解：1）用梯形公式有：
事实上，
2）Simpson公式
事实上，
3）由Cotes公式有：
事实上，
2．证明Simpson公式 具有三次代数精度。
证明：
而当 时
左侧：
右侧：
左侧不等于右侧。所以Simpson具有三次代数精度.
3.分别用复化梯形公式和复化公式Simpson计算下列积分.
(1) ，（3） ，（4）
注意到这里 是三重零点， 是单零点，故插值余项为
20．求作次数 的多项式 ，使满足条件
并列出插值余项。
解法1：由于在 处有直到一阶导数值的插值条件，所以它是“二重节点”；而在 处有直到二阶导数值的插值条件所以 是“三重节点”。因此利用重节点的差商公式：
可以作出差商表
一阶
二阶
三阶
四阶
0
0
1
1
1
－1
－1
利用 的第1式，可将第2式化为
同样，利用第2式化简第3式，利用第3式化简第4式，分别得
由 式消去 得
进一步整理
由此解出
解得：
因此所求的两点Gauss求积公式：
或依下面的思想：
解（2）：令原式对于 准确成立，于是有
最优化方法练习题答案
练习题一1、建立优化模型应考虑哪些要素“答：决策变量、目标函数和约束条件。
2、讨论优化模型最优解的存在性、迭代算法的收敛性及停顿准则。
答：针对一般优化模型，讨论解的可行域，假设存在一()()min ()..0,1,2, 0,1,,i j f x s t g x i m h x j p≥===L L D 点，对于均有则称为优化模型最优解，最优解存在；*X D ∈X D ∀∈*()()f X f X ≤*X 迭代算法的收敛性是指迭代所得到的序列，满足，(1)(2)(),,,K X X X L L (1)()()()K K f X f X +≤则迭代法收敛；收敛的停顿准则有，，(1)()k k x x ε+-<(1)()()k k k x x xε+-<，，等等。
()()(1)()k k f x f x ε+-<()()()(1)()()k k k f x f x f x ε+-<()()k f x ε∇<练习题二1、*公司看中了例2.1中厂家所拥有的3种资源R 1、R2、和R 3，欲出价收购〔可能用于生产附加值更高的产品〕。
如果你是该公司的决策者，对这3种资源的收购报价是多少？〔该问题称为例2.1的对偶问题〕。
解：确定决策变量对3种资源报价作为本问题的决策变量。
123,,y y y 确定目标函数问题的目标很清楚——“收购价最小〞。
确定约束条件资源的报价至少应该高于原生产产品的利润，这样原厂家才可能卖。
因此有如下线性规划问题：123min 170100150w y y y =++*2、研究线性规划的对偶理论和方法〔包括对偶规划模型形式、对偶理论和对偶单纯形法〕。
答：略。
3、用单纯形法求解以下线性规划问题：〔1〕⎪⎪⎩⎪⎪⎨⎧≥≤+-≤++≤-++-=0,,43222..min32131321321321x x x x x x x x x x x t s x x x z ；〔2〕⎪⎪⎩⎪⎪⎨⎧=≥=++=+-=+-+-=)5,,2,1(052222..4min 53243232132 i x x x x x x x x x x t s x x z i 解：〔1〕引入松弛变量*4，*5，*6c j →1-11C B基b*1*2*3*4*5*60*421[1]-21000*532110100*64-101001c j -z j1-11因检验数σ2<0，故确定*2为换入非基变量，以*2的系数列的正分量对应去除常数列，最小比值所在行对应的基变量*4作为换出的基变量。
最优化计算方法课后习题集答案解析
解：取 ， 时，DFP法的第一步与最速下降法相同
， ，
，
以下作第二次迭代
，
其中，
，
所以
令 ， 利用 ，求得
所以 ，
以下作第三次迭代
，
，
所以
令 ， 利用 ，求得
所以 ， 因为 ，于是停止
即为最优解。
习题四
包括题目： P95页 3；4；8；9(1)；12选做；13选做
3题解如下
3.考虑问题 ，其中
X1,x2,x3≥0 （3）
求出点（1,1,0）处的一个下降可行方向.
解：首先检查在点（1,1,0）处哪些约束为有效约束。检查易知（1），X3≥0为有效约束。设所求可行方向d=(d1,d2,d3)T。根据可行方向d的定义，应存在a>0，使对∀t∈（0，a）能有
X+td=(1+td1,1+td2,0+td3)T
（1）
s.t.
（2）
s.t.
（1）解：非线性规划的K-T条件如下：
（1）
（2）
（3）
再加上约束条件 （4）
为求出满足（1）~（4）式的解，分情况考虑：
①若（4）式等号不成立，即 ，那么由（2）式得 ，将 代入（1）式解得 ， ，所得值不满足 的条件，故舍去。
②若（4）式等号成立，由（1）式可以解得 ， ，代入（4）式有：
JBi
1
2
3
4
5
6
7
8
9
di0
1
1
0
-5/6
-1/6
1
10/6
4
0
0
38/6
2
0
1
-9/6
最优化方法部分课后习题解答(1-7)
最优化方法部分课后习题解答习题一1.一直优化问题的数学模型为：22121122123142min ()(3)(4)5()02()50..()0()0f x x xg x x x g x x x s t g x x g x x =−+−⎧=−−≥⎪⎪⎪=−−+≥⎨⎪=≥⎪=≥⎪⎩试用图解法求出：（1）无约束最优点，并求出最优值。
（2）约束最优点，并求出其最优值。
（3）如果加一个等式约束，其约束最优解是什么？12()0h x x x =−=解：（1）在无约束条件下，的可行域在整个平面上，不难看出，当=（3，4）()f x 120x x *x 时，取最小值，即，最优点为=（3，4）：且最优值为：=0()f x *x *()f x （2）在约束条件下，的可行域为图中阴影部分所示，此时，求该问题的最优点就是()f x 在约束集合即可行域中找一点，使其落在半径最小的同心圆上，显然，从图示中可12(,)x x 以看出，当时，所在的圆的半径最小。
*155(,)44x =()f x 其中：点为和的交点，令求解得到：1()g x 2()g x 1122125()02()50g x x x g x x x ⎧=−−=⎪⎨⎪=−−+=⎩1215454x x ⎧=⎪⎪⎨⎪=⎪⎩即最优点为：最优值为：=*155(,)44x =*()f x 658（3）.若增加一个等式约束，则由图可知，可行域为空集，即此时最优解不存在。
2.一个矩形无盖油箱的外部总面积限定为S，怎样设计可使油箱的容量最大？试列出这个优化问题的数学模型，并回答这属于几维的优化问题.解：列出这个优化问题的数学模型为：该优化问题属于三维的优化问题。
123122313123max ()220..00f x x x x x x x x x x S x s t x x =++≤⎧⎪>⎪⎨>⎪⎪>⎩32123sx y z v⎛⎞=====⎜⎟⎝⎠习题二3.计算一般二次函数的梯度。
计算方法 课后习题答案
y1
(x ( x2
x0 )(x x1) x0 )(x2 x1)
y2
2(x 1)(x 0.5) 2x(x 0.5)e1 4x(x 1)e0.5
(2 2e1 4e0.5 )x2 (4e0.5 e1 3)x 1
2)根据Lagrange余项定理，其误差为
解：由题意y x知：x0 4, x1 6.25, x2 9; y0 2, y1 2.5, y2 3
2
（1） 采用 Lagrange 插值多项式 y x L2(x) l j (x)y j j0
y 7 L2 (x) |x7
(x ( x0
x1)(x x2 ) x1)(x0 x2 )
关于节点 xi i 0,1,..., n 满足条件 P xi yi ,i 0,1,...,n 的插值多项式 P x 就是它本
身。可见，当 k n 时幂函数 f (x) xk (k 0,1,..., n) 关于 n 1个节点 xi i 0,1,..., n 的插
4
42
（2） Newton 插值多项式
k xk f (xk )
一阶差商
二阶差商
三阶差商
00
1
11
9
8
22
23
14
3
34
3
-10
8
114
N3 (x) f (x0 ) f (x0 , x1)(x x0 ) f (x0 , x1, x2 )(x x0 )(x x1)
f (x0 , x1, x2 , x3 )(x x0 )(x x1)(x x2 )
= 2x3
计算方法 课后习题答案
4
42
（2） Newton 插值多项式
k xk f (xk )
一阶差商
二阶差商
三阶差商
00
1
11
9
8
22
23
14
3
34
3
-10
8
114
N3 (x) f (x0 ) f (x0 , x1)(x x0 ) f (x0 , x1, x2 )(x x0 )(x x1)
f (x0 , x1, x2 , x3 )(x x0 )(x x1)(x x2 )
j0
xn1 n1 n n 1 ! i0
x xi
n
i0
x xi
n
n
据此令 x 0 即得 xin1li 0 1n xi 。
i0
i0
6
附加题：设 li x 为关于节点 xi i 0,1,..., n 的 Lagrange 插值基函数，证明
x2 02
x4= 04
x3
7x2 14x 8 8
l1 ( x)
x x0 x1 x0
x x2 x1 x2
x x3 x1 x3
x0 1 0
x2 1 2
x4 1 4
=
x3
6x2 3
8x
l2 (x)
x x0 x2 x0
x x2 x1 x2
x x3 x1 x3
x0 0.5 0
x 1 0.5 1
x2 0.5 2
= 8 (x3 3x2 2x) 3
5
计算方法 课后习题答案
l0
(x ( x0
x1)(x x2 ) x1)(x0 x2 )
(x
1)( x 6
2)
l1
(x ( x1
x0 )(x x2 ) x0 )(x1 x2 )
(x
1)( x 2
2)
l2
(x ( x2
x0 )(x x1) x0 )(x2 x1)
L3 x 的最高次项系数是 6，试确定 y1 。
解： l0 (x)
x x1 x0 x1
x x2 x0 x2
x x3 x0 x3
x 0.5 0 0.5
x 1 0 1
x2 02
= x3
7 2
x2
7 2
x 1
l1 ( x)
x x0 x1 x0
1 8(x 0) 3(x 0)(x 1) 114 (x 0)(x 1)(x 2) 11 x3 45 x2 1 x 1
4 42
由求解结果可知： L3 (x) N3(x)
说明插值问题的解存在且唯一。
6. 已知由数据 (0, 0), (0.5, y1), (1,3)和(2, 2) 构造出的 Lagrange 插值多项式
2 02 12 4 23 4 04 14 2 3
1 x2 3x 2 x 4 3x x2 6x 8 23 x x2 5x 4 1 x x2 3x 2
8
4
8
11 x3 45 x2 1 x 1
y0
计算方法 课后习题答案
2.25 5
2.25 2.75
2.75 5
2.6484848
其误差为
R2 (7)
f (3) ( ) (7 4)(7 6.25)(7 9) 3!
又f
(3) (x)
3
5
x2
8
则 max
|
f
(3) (x) |
3
4
5 2
0.01172
[4,9]
8
|
R2 (7)
|
1 6
i j
而当 k 1时有
n
x jl j
j0
x
n
n
j0 i0 i j
x xi x j xi
x
j
x
5. 依据下列函数表分别建立次数不超过 3 的 Lagrange 插值多项式和 Newton 插值多项式，并验证插值多项式的唯一性。
x
0
4
42
（2） Newton 插值多项式
k xk f (xk )
一阶差商
二阶差商
三阶差商
00
1
11
9
8
22
23
14
3
34
3
-10
8
114
N3 (x) f (x0 ) f (x0 , x1)(x x0 ) f (x0 , x1, x2 )(x x0 )(x x1)
f (x0 , x1, x2 , x3 )(x x0 )(x x1)(x x2 )
8. 求作 f x xn1 关于节点 xi i 0,1, , n 的 Lagrange 插值多项式，并利用
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
习题二包括题目：P36页5（1）（4）5（4）习题三包括题目：P61页1(1)(2); 3; 5; 6; 14；15(1)1(1)(2)的解如下3题的解如下5,6题14题解如下14. 设22121212()(6)(233)f x x x x x x x =+++---, 求点在(4,6)T-处的牛顿方向。
解：已知 (1)(4,6)T x=-，由题意得121212212121212(6)2(233)(3)()2(6)2(233)(3)x x x x x x x f x x x x x x x x +++-----⎛⎫∇= ⎪+++-----⎝⎭∴ (1)1344()56g f x -⎛⎫=∇=⎪⎝⎭21212122211212122(3)22(3)(3)2(233)()22(3)(3)2(233)22(3)x x x x x x x f x x x x x x x x +--+--------⎛⎫∇= ⎪+--------+--⎝⎭∴ (1)2(1)1656()()564G x f x --⎛⎫=∇=⎪-⎝⎭(1)11/8007/400()7/4001/200G x --⎛⎫= ⎪--⎝⎭∴ (1)(1)11141/100()574/100d G x g -⎛⎫=-=⎪-⎝⎭15（1）解如下15. 用DFP 方法求下列问题的极小点（1）22121212min 353x x x x x x ++++解：取 (0)(1,1)T x=，0H I =时，DFP 法的第一步与最速下降法相同2112352()156x x f x x x ++⎛⎫∇= ⎪++⎝⎭， (0)(1,1)T x =，(0)10()12f x ⎛⎫∇= ⎪⎝⎭(1)0.07800.2936x -⎛⎫= ⎪-⎝⎭， (1)1.3760() 1.1516f x ⎛⎫∇= ⎪-⎝⎭以下作第二次迭代(1)(0)1 1.07801.2936x xδ-⎛⎫=-= ⎪-⎝⎭， (1)(0)18.6240()()13.1516f x f x γ-⎛⎫=∇-∇= ⎪-⎝⎭0110111011101T T T TH H H H H γγδδδγγγ=+-其中，111011126.3096,247.3380T T TH δγγγγγ===11 1.1621 1.39451.3945 1.6734T δδ⎛⎫= ⎪⎝⎭ ， 01101174.3734113.4194113.4194172.9646T TH H γγγγ⎛⎫== ⎪⎝⎭所以10.74350.40560.40560.3643H -⎛⎫= ⎪-⎝⎭(1)(1)1 1.4901()0.9776d H f x -⎛⎫=-∇= ⎪⎝⎭令 (2)(1)(1)1xx d α=+ ， 利用 (1)(1)()0df x d d αα+=，求得 10.5727α=-所以 (2)(1)(1)0.77540.57270.8535x x d ⎛⎫=-= ⎪-⎝⎭ ， (2)0.2833()0.244f x ⎛⎫∇= ⎪-⎝⎭以下作第三次迭代(2)(1)20.85340.5599xx δ⎛⎫=-= ⎪-⎝⎭ ， (2)(1)2 1.0927()()0.9076f x f x γ-⎛⎫=∇-∇= ⎪⎝⎭22 1.4407T δγ=- ， 212 1.9922T H γγ=220.72830.47780.47780.3135T δδ-⎛⎫=⎪-⎝⎭1221 1.39360.91350.91350.5988T H H γγ-⎛⎫= ⎪-⎝⎭所以22122121222120.46150.38460.38460.1539T T T T H H H H H δδγγδγγγ-⎛⎫=+-= ⎪-⎝⎭(2)(2)20.2246()0.1465d H f x ⎛⎫=-∇= ⎪-⎝⎭令 (3)(2)(2)2xxdα=+ ， 利用(2)(2)()0df x d d αα+=，求得 21α= 所以 (3)(2)(2)11x x d ⎛⎫=+=⎪-⎝⎭， 因为 (3)()0f x ∇=，于是停止 (3)(1,1)T x =-即为最优解。
习题四包括题目： P95页 3；4；8；9(1)；12选做；13选做 3题解如下3.考虑问题21),(2)(min 21x x x f sx x -=∈，其中{}{}.10,1),(1),(2121222121≤≤≤≤+=x x x x x x x x S T T I（1）画出此问题的可行域和等值线的图形；（2）利用几何图形求出此问题的最优解及最优值；（3）分别对点,)1,0(,)0,0(,)1,1(,)0,1(4321TTTTx x x x -==-==指出哪些约束是紧约束和松约束。
解：（1）如图所示，此问题的可行域是以O 点为圆心，1为半径的圆的上半部分；等值线是平行于直线x 2=2x 1的一系列平行线，范围在如图所示的两条虚线内。
（2）要求f 的最小值，即求出这一系列平行线中与x 2轴相交，所得截点纵坐标的最大值。
显然当直线在虚线1的位置，能取得极值。
如图求出切点⎪⎭⎫ ⎝⎛-51,52P ，此点即为最优解Tx )51,52(-=*，解得最优值5-=*f（3）对于区间集S 可以简化为g 1:012221≥--x xg 2:02≥-x对于点Tx )0,1(1=，g 1和g 2均为该点处的紧约束； 对于点Tx )1,1(2-=，g 1和g 2均为该点处的松约束；对于点Tx )0,0(3=，g 1为该点的松约束，g 2为该点的紧约束； 对于点Tx )1,0(4-=，g 1为该点的紧约束，g 2为该点的松约束。
4题解如下4.试写出下列问题的K-T 条件，并利用所得到的表达式求出它们的最优解： （1）()();12min 2221-+-x xs.t. 012221≥--x x （2）()();12min 2221-+-x xs.t. 092221≥--x x（1）解：非线性规划的K-T 条件如下：022********=⎪⎪⎭⎫ ⎝⎛---⎪⎪⎭⎫ ⎝⎛--x x x x λ （1）0)1(2221=--x x λ （2）0≥λ （3）再加上约束条件 012221≥--x x （4） 为求出满足（1）~（4）式的解，分情况考虑：①若（4）式等号不成立，即012221>--x x ，那么由（2）式得0=λ，将0=λ代入（1）式解得21=x ，12=x ，所得值不满足012221>--x x 的条件，故舍去。
②若（4）式等号成立，由（1）式可以解得121+=λx ，112+=λx ，代入（4）式有： 1111222=⎪⎭⎫⎝⎛++⎪⎭⎫ ⎝⎛+λλ 解得5151--+-=或λ 因为0≥λ，所以51+-=λ，那么521=x ，512=x ，满足以上所有条件。
综上所述，所求非线性规划有唯一的K-T 点为：Tx )51,52(=* (2)解：非线性规划的K-T 条件如下：022********=⎪⎪⎭⎫ ⎝⎛---⎪⎪⎭⎫ ⎝⎛--x x x x λ （1）0)9(2221=--x x λ （2）0≥λ （3）再加上约束条件092221≥--x x （4） 为求出满足（1）~（4）式的解，分情况考虑：①若（4）式等号不成立，即092221>--x x ，那么由（2）式得0=λ，将0=λ代入（1）式解得21=x ，12=x ，所得值满足以上所有约束。
②若（4）式等号成立，由（1）式可以解得121+=λx ，112+=λx ，代入（4）式有： 9111222=⎪⎭⎫⎝⎛++⎪⎭⎫ ⎝⎛+λλ 解得351±-=λ 因为0≥λ，所以所得λ值均舍去，该情况不成立。
综上所述，所求非线性规划有唯一的K-T 点为：T x )1,2(=*8题解如下 8 考虑问题Min x12+x1x2+2x22-6x1-2x2-12x3 S.t. X1+x2+x3=2 （1） -x1+2x2≤3 （2） X1,x2,x3≥0 （3）求出点（1,1,0）处的一个下降可行方向.解：首先检查在点（1,1,0）处哪些约束为有效约束。
检查易知（1），X3≥0为有效约束。
设所求可行方向d=(d1,d2,d3)T 。
根据可行方向d 的定义，应存在a>0，使对∀t ∈（0，a ）能有 X+td=(1+td1,1+td2,0+td3)T 也能满足所有有效约束：(1+td1)+(1+td2)+(0+td3)=2 td3≥0 经整理即为d1+d2+d3=0 d3≥0满足上述不等式组的d=(d1,d2,d3)T 均为可行方向。
现只求一个可行方向，所以任取d3=1，求解d1+d2=-d3得d1+d2=-1，可任取d1=1，d2=-2得一可行方向 d=（1，-2，1）T 考虑下降性由题可知：将目标函数化为f(x)=1/2XTQX+bTX+C 从而 ▽f=QX+b 即2101614022000312x f x x -⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥∇= +-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥ -⎣⎦⎣⎦⎣⎦▽f （1,1,0）=（-3,3，-12）因为 ▽f （1,1,0）Td=-21<0表明d=（1,-2，1）T 为原问题在x=（1,1,0）T 处的一个下降可行方向9题解如下9 用lemke 算法解下列问题： （1）min 2x12+2x22-2x1x2-4x1-6x2 S.t. X1+x2≤2 X1+5x2≤5 X1,x2≥0 解：4224H -⎛⎫= ⎪- ⎝⎭ ，46c -⎛⎫= ⎪-⎝⎭，1115A ⎛⎫= ⎪ ⎝⎭，25b ⎛⎫= ⎪⎝⎭于是00110015114215M - -⎡⎤⎢⎥ - -⎢⎥=⎢⎥ -⎢⎥ -2 4⎣⎦，2546q ⎡⎤⎢⎥⎢⎥=⎢⎥-⎢⎥-⎣⎦，1212y y w v v ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦，1212u u z x x ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦与本题相应的线性互补问题为：W-MZ=q W ≥0,Z ≥0 WTZ=0由上表可看出仅w4，z4这一对变量全部不是基变量，因此从它们之中选一个进基，由于第一次碰到这一对变量，故选z4进基.在所选列中，有Min {8/5,11/9,2/6,6/4}=2/6故选相应的第3行第8列元素作主元，再进行旋转，得由于W0仍在基变量中，故继续运算.由于这时仅有W3，Z3这一对变量全不在基中，故仍在它们之中选一变量进基，由于是第一次从这一对变量选取，故也选Z3进基，再由Min {38/6/4,8/8，28/6/2}=8/8故选第二行第7列元素作主元，进行旋转，得再继续，得在上表中W0已被置换出基，即得到了相应线性互补问题的解，也就是所求二次规划的最优解：y1=-208/93，x1=35/31，x2=24/31，u2=32/31，y2=v2=v2=u1=0,即x*=（35/31,24/31）T12题解如下12.(1）外点法min =)(f x 2221x x + s.t. 11≥x 解： 定义惩罚函数 F( )(){}[]2122211,0max ,--++=x x x x σσ=2221x x + 当 11≥x()2122211-++x x x σ 当11<x用解析法求解 min F(σ,x ),有=∂∂1x F12x 当11≥x()11221x x σ+- 当11<x222x x F=∂∂ 令01=∂∂x F ，02=∂∂x F得到 =*σx ()21,x x T ⎪⎭⎫⎝⎛+=0,1σσT易见，当+∞→σ时，()0,1=→**x x σT*x 恰为所求费线性规划的最优解。