非线性目标函数的线性规划问题
第六讲线性规划与非线性规划
(2)若有非线性约束条件：c1 x 0 或c2 x 0, 则建立M
文件c.m定义函数c1 x,c2 x, 一般形式为
function [c1,c2]=c(x)
c1=…
c2=… (3)建立主程序。求解非线性规划的函数是fmincon,
调用格式为 x=fmincon(‘fun’,x0,A1,b1);
故它属于一个整数线性规划问题，这里当成一个线 性规划求解，求得最优解刚好是整数x1=9，x2=0， 故它就是该整数规划的最优解.若用线性规划解法求 得的最优解不是整数，将其取整后不一定是相应整 数规划的最优解，这样的整数规划应用专门的方法 求解.
二、非线性规划
1、二次规划
❖
标准形式：min
z
1
xT
x1 4x2 5
•
x1, x2 0
❖
改写成标准形式：min z
x1 2x2
1 2
x12
1 2
x22
s.t.
2x1 3x2 x1 4x2
6 5
0 0
0 0
x1 x2
❖ 建立M文件fun1.m
❖ 建立主程序(见MATLAB程序(feixianxingguihua1))
工费用如下表.问怎样分配车床的加工任务，才能既满足加
工工件的要求，又使加工费用最低？
车床 类型
甲
乙
单位工件所需加工台时数 工件 1 工件 2 工件 3
0.4
1.1
1.0
0.5
1.2
1.3
单位工件的加工费用 工件 1 工件 2 工件 3
13
9
10
11
12
8
可用台 时数
800
简单的线性规划问题(附答案)
简单的线性规划问题(附答案)简单的线性规划问题[学习目标]知识点一线性规划中的基本概念知识点二线性规划问题1．目标函数的最值线性目标函数z＝ax＋by(b≠0)对应的斜截式直线方程是y＝－ab x＋zb，在y轴上的截距是zb，当z变化时，方程表示一组互相平行的直线．当b>0，截距最大时，z取得最大值，截距最小时，z取得最小值；当b<0，截距最大时，z取得最小值，截距最小时，z取得最大值．2．解决简单线性规划问题的一般步骤在确定线性约束条件和线性目标函数的前提下，解决简单线性规划问题的步骤可以概括为：“画、移、求、答”四步，即，(1)画：根据线性约束条件，在平面直角坐标系中，把可行域表示的平面图形准确地画出来，可行域可以是封闭的多边形，也可以是一侧开放的无限大的平面区域．(2)移：运用数形结合的思想，把目标函数表示的直线平行移动，最先通过或最后通过的顶点(或边界)便是最优解．(3)求：解方程组求最优解，进而求出目标函数的最大值或最小值．(4)答：写出答案．知识点三简单线性规划问题的实际应用1．线性规划的实际问题的类型(1)给定一定数量的人力、物力资源，问怎样运用这些资源，使完成的任务量最大，收到的效益最大；(2)给定一项任务，问怎样统筹安排，使完成这项任务耗费的人力、物力资源量最小．常见问题有：①物资调动问题例如，已知两煤矿每年的产量，煤需经两个车站运往外地，两个车站的运输能力是有限的，且已知两煤矿运往两个车站的运输价格，煤矿应怎样编制调动方案，才能使总运费最小？②产品安排问题例如，某工厂生产甲、乙两种产品，每生产一个单位的甲种或乙种产品需要的A、B、C三种材料的数量，此厂每月所能提供的三种材料的限额都是已知的，这个工厂在每个月中应如何安排这两种产品的生产，才能使每月获得的总利润最大？③下料问题例如，要把一批长钢管截成两种规格的钢管，应怎样下料能使损耗最小？2．解答线性规划实际应用题的步骤(1)模型建立：正确理解题意，将一般文字语言转化为数学语言，进而建立数学模型，这需要在学习有关例题解答时，仔细体会范例给出的模型建立方法．(2)模型求解：画出可行域，并结合所建立的目标函数的特点，选定可行域中的特殊点作为最优解．(3)模型应用：将求解出来的结论反馈到具体的实例中，设计出最佳的方案．题型一求线性目标函数的最值例1 已知变量x ，y 满足约束条件⎩⎪⎨⎪⎧y ≤2，x ＋y ≥1，x －y ≤1，则z ＝3x ＋y 的最大值为( )A ．12B ．11C ．3D ．－1答案 B 解析 首先画出可行域，建立在可行域的基础上，分析最值点，然后通过解方程组得最值点的坐标，代入即可．如图中的阴影部分，即为约束条件对应的可行域，当直线y ＝－3x ＋z 经过点A时，z 取得最大值．由⎩⎨⎧ y ＝2，x －y ＝1⇒⎩⎨⎧x ＝3，y ＝2，此时z ＝3x ＋y ＝11.跟踪训练1 (1)x ，y 满足约束条件⎩⎪⎨⎪⎧ x ＋y －2≤0，x －2y －2≤0，2x －y ＋2≥0，若z ＝y －ax 取得最大值的最优解不唯一．．．，则实数a 的值为( ) A.12或－1 B ．2或12C ．2或1D ．2或－1(2)若变量x ，y 满足约束条件⎩⎪⎨⎪⎧x －y ＋1≤0，x ＋2y －8≤0，x ≥0，则z ＝3x ＋y 的最小值为________．答案 (1)D (2)1解析 (1)如图，由y ＝ax ＋z 知z 的几何意义是直线在y 轴上的截距，故当a >0时，要使z ＝y －ax 取得最大值的最优解不唯一，则a ＝2；当a <0时，要使z ＝y －ax 取得最大值的最优解不唯一，则a ＝－1.(2)由题意，作出约束条件组成的可行域如图所示，当目标函数z ＝3x ＋y ，即y ＝－3x ＋z 过点(0,1)时z 取最小值1.题型二 非线性目标函数的最值问题例2 设实数x ，y 满足约束条件⎩⎪⎨⎪⎧x －y －2≤0，x ＋2y －4≥0，2y －3≤0，求 (1)x 2＋y 2的最小值；(2)y x 的最大值．解 如图，画出不等式组表示的平面区域ABC ，(1)令u ＝x 2＋y 2，其几何意义是可行域ABC 内任一点(x ，y )与原点的距离的平方．过原点向直线x ＋2y －4＝0作垂线y ＝2x ，则垂足为⎩⎨⎧x ＋2y －4＝0，y ＝2x 的解，即⎝ ⎛⎭⎪⎪⎫45，85， 又由⎩⎨⎧ x ＋2y －4＝0，2y －3＝0，得C ⎝ ⎛⎭⎪⎪⎫1，32， 所以垂足在线段AC 的延长线上，故可行域内的点到原点的距离的最小值为|OC |＝ 1＋⎝ ⎛⎭⎪⎪⎫322＝132，所以，x 2＋y 2的最小值为134.(2)令v ＝yx ，其几何意义是可行域ABC 内任一点(x ，y )与原点相连的直线l 的斜率为v ，即v ＝y －0x －0.由图形可知，当直线l 经过可行域内点C 时，v 最大，由(1)知C ⎝⎛⎭⎪⎪⎫1，32，所以v max ＝32，所以y x 的最大值为32.跟踪训练2 已知x ，y 满足约束条件⎩⎪⎨⎪⎧x ≥0，y ≥0，x ＋y ≥1，则(x ＋3)2＋y 2的最小值为________．答案10解析画出可行域(如图所示)．(x＋3)2＋y2即点A(－3,0)与可行域内点(x，y)之间距离的平方．显然AC长度最小，∴AC2＝(0＋3)2＋(1－0)2＝10，即(x＋3)2＋y2的最小值为10.题型三线性规划的实际应用例3某公司生产甲、乙两种桶装产品．已知生产甲产品1桶需耗A原料1千克、B原料2千克；生产乙产品1桶需耗A原料2千克、B原料1千克．每桶甲产品的利润是300元，每桶乙产品的利润是400元．公司在生产这两种产品的计划中，要求每天消耗A，B原料都不超过12千克．通过合理安排生产计划，从每天生产的甲、乙两种产品中，公司共可获得的最大利润是多少？ 解 设每天分别生产甲产品x 桶，乙产品y 桶，相应的利润为z 元，于是有⎩⎪⎨⎪⎧x ＋2y ≤12，2x ＋y ≤12，x ≥0，y ≥0，x ∈N ，y ∈N ，z＝300x ＋400y ，在坐标平面内画出该不等式组表示的平面区域及直线300x ＋400y ＝0，平移该直线，当平移到经过该平面区域内的点(4,4)时，相应直线在y 轴上的截距达到最大，此时z ＝300x ＋400y 取得最大值， 最大值是z ＝300×4＋400×4＝2 800， 即该公司可获得的最大利润是2 800元． 反思与感悟 线性规划解决实际问题的步骤：①分析并根据已知数据列出表格；②确定线性约束条件；③确定线性目标函数；④画出可行域；⑤利用线性目标函数(直线)求出最优解；⑥实际问题需要整数解时，应适当调整，以确定最优解． 跟踪训练3 预算用2 000元购买单价为50元的桌子和20元的椅子，希望使桌子和椅子的总数尽可能的多，但椅子数不少于桌子数，且不多于桌子数的1.5倍，问桌子、椅子各买多少才行？ 解 设桌子、椅子分别买x 张、y 把，目标函数z ＝x ＋y ，把所给的条件表示成不等式组，即约束条件为⎩⎪⎪⎨⎪⎪⎧50x ＋20y ≤2 000，y ≥x ，y ≤1.5x ，x ≥0，x ∈N *，y ≥0，y ∈N *.由⎩⎨⎧50x ＋20y ＝2 000，y ＝x ，解得⎩⎪⎨⎪⎧x ＝2007，y ＝2007，所以A 点的坐标为⎝⎛⎭⎪⎪⎫2007，2007. 由⎩⎨⎧50x ＋20y ＝2 000，y ＝1.5x ，解得⎩⎨⎧x ＝25，y ＝752，所以B 点的坐标为⎝⎛⎭⎪⎪⎫25，752.所以满足条件的可行域是以A ⎝⎛⎭⎪⎪⎫2007，2007，B ⎝⎛⎭⎪⎪⎫25，752，O (0,0)为顶点的三角形区域(如图)．由图形可知，目标函数z ＝x ＋y 在可行域内的最优解为B ⎝⎛⎭⎪⎪⎫25，752，但注意到x ∈N *，y ∈N *，故取⎩⎨⎧x ＝25，y ＝37.故买桌子25张，椅子37把是最好的选择．1．若直线y ＝2x 上存在点(x ，y )满足约束条件⎩⎪⎨⎪⎧x ＋y －3≤0，x －2y －3≤0，x ≥m ，则实数m 的最大值为( ) A ．－1 B ．1 C.32D ．22．某公司招收男职员x 名，女职员y 名，x 和y需满足约束条件⎩⎪⎨⎪⎧5x －11y ≥－22，2x ＋3y ≥9，2x ≤11，x ∈N *，y ∈N *，则z ＝10x＋10y 的最大值是( ) A ．80 B ．85 C ．90 D ．953．已知实数x ，y 满足⎩⎪⎨⎪⎧y ≤1，x ≤1，x ＋y ≥1，则z ＝x 2＋y 2的最小值为________．一、选择题1．若点(x, y )位于曲线y ＝|x |与y ＝2所围成的封闭区域， 则2x －y 的最小值为()A ．－6B ．－2C ．0D ．22．设变量x ，y 满足约束条件⎩⎪⎨⎪⎧x ≥1，x ＋y －4≤0，x －3y ＋4≤0，则目标函数z ＝3x －y 的最大值为( )A ．－4B ．0 C.43D ．43．实数x ，y 满足⎩⎪⎨⎪⎧x ≥1，y ≥0，x －y ≥0，则z ＝y －1x 的取值范围是( )A ．[－1,0]B ．(－∞，0]C ．[－1，＋∞)D ．[－1,1)4．若满足条件⎩⎪⎨⎪⎧x －y ≥0，x ＋y －2≤0，y ≥a 的整点(x ，y )(整点是指横、纵坐标都是整数的点)恰有9个，则整数a 的值为( )A ．－3B ．－2C ．－1D ．05．已知x ，y 满足⎩⎪⎨⎪⎧x ≥1，x ＋y ≤4，x ＋by ＋c ≤0，目标函数z＝2x ＋y 的最大值为7，最小值为1，则b ，c 的值分别为( )A ．－1,4B ．－1，－3C ．－2，－1D ．－1，－26．已知x ，y 满足约束条件⎩⎪⎨⎪⎧x ＋y ≥5，x －y ＋5≥0，x ≤3，使z＝x ＋ay (a ＞0)取得最小值的最优解有无数个，则a 的值为( )A ．－3B ．3C ．－1D ．1二、填空题7．若x ，y 满足约束条件⎩⎪⎨⎪⎧x ≤2，y ≤2，x ＋y ≥2，则z ＝x＋2y 的取值范围是________．8．已知－1≤x ＋y ≤4且2≤x －y ≤3，则z ＝2x －3y 的取值范围是________(答案用区间表示)． 9．已知平面直角坐标系xOy 上的区域D 由不等式组⎩⎪⎨⎪⎧0≤x ≤2，y ≤2，x ≤2y 给定．若M (x ，y )为D 上的动点，点A 的坐标为(2，1)，则z ＝OM →·OA →的最大值为________．10．满足|x |＋|y |≤2的点(x ，y )中整点(横纵坐标都是整数)有________个．11．设实数x ，y 满足不等式组⎩⎪⎨⎪⎧x －y ＋2≥0，2x －y －5≤0，x ＋y －4≥0，则z ＝|x ＋2y －4|的最大值为________． 三、解答题12．已知x ，y 满足约束条件⎩⎪⎨⎪⎧x －4y ≤－3，3x ＋5y ≤25，x ≥1，目标函数z ＝2x －y ，求z 的最大值和最小值．13．设不等式组⎩⎪⎨⎪⎧x ＋y －11≥0，3x －y ＋3≥0，5x －3y ＋9≤0表示的平面区域为D .若指数函数y ＝a x 的图象上存在区域D 上的点，求a 的取值范围．14．某家具厂有方木料90 m3，五合板600 m2，准备加工成书桌和书橱出售．已知生产每张书桌需要方木料0.1 m3，五合板2 m2，生产每个书橱需要方木料0.2 m3，五合板1 m2，出售一张方桌可获利润80元，出售一个书橱可获利润120元．(1)如果只安排生产书桌，可获利润多少？(2)如果只安排生产书橱，可获利润多少？(3)怎样安排生产可使所得利润最大？当堂检测答案1．答案 B解析如图，当y＝2x经过且只经过x＋y－3＝0和x＝m的交点时，m取到最大值，此时，即(m,2m)在直线x ＋y－3＝0上，则m＝1.2．答案 C解析该不等式组表示的平面区域为如图所示的阴影部分．由于x ，y ∈N *，计算区域内与⎝⎛⎭⎪⎪⎫112，92最近的点为(5,4)，故当x ＝5，y ＝4时，z 取得最大值为90.3．答案 12解析实数x ，y 满足的可行域如图中阴影部分所示，则z 的最小值为原点到直线AB 的距离的平方，故z min ＝⎝ ⎛⎭⎪⎫122＝12.课时精练答案一、选择题1．答案 A解析画出可行域，如图所示，解得A(－2,2)，设z＝2x－y，把z＝2x－y变形为y＝2x－z，则直线经过点A时z取得最小值；所以z min＝2×(－2)－2＝－6，故选A.2．答案 D解析作出可行域，如图所示．联立⎩⎨⎧ x ＋y －4＝0，x －3y ＋4＝0，解得⎩⎨⎧x ＝2，y ＝2.当目标函数z ＝3x －y 移到(2,2)时，z ＝3x －y 有最大值4. 3．答案 D解析 作出可行域，如图所示，y －1x的几何意义是点(x ，y )与点(0,1)连线l 的斜率，当直线l 过B (1,0)时k l 最小，最小为－1.又直线l 不能与直线x －y ＝0平行，∴k l ＜1.综上，k ∈[－1,1)．4．答案 C解析不等式组所表示的平面区域如图阴影部分所示，当a＝0时，只有4个整点(1,1)，(0,0)，(1,0)，(2,0)．当a＝－1时，正好增加(－1，－1)，(0，－1)，(1，－1)，(2，－1)，(3，－1)5个整点．故选C.5．答案 D解析由题意知，直线x＋by＋c＝0经过直线2x ＋y＝7与直线x＋y＝4的交点，且经过直线2x ＋y＝1和直线x＝1的交点，即经过点(3,1)和点(1，－1)，∴⎩⎨⎧ 3＋b ＋c ＝0，1－b ＋c ＝0，解得⎩⎨⎧b ＝－1，c ＝－2.6．答案 D解析 如图，作出可行域，作直线l ：x ＋ay ＝0，要使目标函数z ＝x ＋ay (a ＞0)取得最小值的最优解有无数个，则将l 向右上方平移后与直线x ＋y ＝5重合，故a ＝1，选D.二、填空题 7．答案 [2,6]解析 如图，作出可行域，作直线l ：x ＋2y ＝0，将l 向右上方平移，过点A (2,0)时，有最小值2，过点B (2,2)时，有最大值6，故z 的取值范围为[2,6]．8．答案 [3,8] 解析 作出不等式组⎩⎨⎧－1≤x ＋y ≤4，2≤x －y ≤3表示的可行域，如图中阴影部分所示．在可行域内平移直线2x －3y ＝0，当直线经过x －y ＝2与x ＋y ＝4的交点A (3,1)时，目标函数有最小值z min ＝2×3－3×1＝3；当直线经过x ＋y ＝－1与x －y ＝3的交点B (1，－2)时，目标函数有最大值z max ＝2×1＋3×2＝8.所以z ∈[3,8]． 9．答案 4解析 由线性约束条件⎩⎪⎨⎪⎧0≤x ≤2，y ≤2，x ≤2y画出可行域如图中阴影部分所示，目标函数z ＝OM →·OA →＝2x ＋y ，将其化为y ＝－2x ＋z ，结合图形可知，目标函数的图象过点(2，2)时，z 最大，将点(2，2)代入z ＝2x ＋y ，得z 的最大值为4.10．答案13解析 |x |＋|y |≤2可化为⎩⎪⎨⎪⎧x ＋y ≤2 (x ≥0，y ≥0)，x －y ≤2 (x ≥0，y ＜0)，－x ＋y ≤2 (x ＜0，y ≥0)，－x －y ≤2 (x ＜0，y ＜0)，作出可行域为如图正方形内部(包括边界)，容易得到整点个数为13个． 11．答案 21解析 作出可行域(如图)，即△ABC 所围区域(包括边界)，其顶点为A (1,3)，B (7,9)，C(3,1)方法一∵可行域内的点都在直线x＋2y－4＝0上方，∴x＋2y－4＞0，则目标函数等价于z＝x＋2y－4，易得当直线z＝x＋2y－4在点B(7,9)处，目标函数取得最大值z max＝21.方法二z＝|x＋2y－4|＝|x＋2y－4|5·5，令P(x，y)为可行域内一动点，定直线x＋2y－4＝0，则z＝5d，其中d为P(x，y)到直线x＋2y－4＝0的距离．由图可知，区域内的点B与直线的距离最大，故d的最大值为|7＋2×9－4|5＝215.故目标函数z max＝215·5＝21.三、解答题12．解z＝2x－y可化为y＝2x－z，z的几何意义是直线在y轴上的截距的相反数，故当z取得最大值和最小值时，应是直线在y轴上分别取得最小和最大截距的时候．作一组与l0：2x－y＝0平行的直线系l，经上下平移，可得：当l移动到l1，即经过点A(5,2)时，z max＝2×5－2＝8.当l移动到l2，即过点C(1,4.4)时，z min＝2×1－4.4＝－2.4.13．解先画出可行域，如图所示，y＝a x必须过图中阴影部分或其边界．∵A(2,9)，∴9＝a2，∴a＝3.∵a＞1，∴1＜a≤3.14．解由题意可画表格如下：(1)设只生产书桌x张，可获得利润z元，则⎩⎪⎨⎪⎧0.1x ≤90，2x ≤600，z ＝80x ，x ≥0⇒⎩⎪⎨⎪⎧x ≤900，x ≤300，x ≥0⇒0≤x ≤300. 所以当x ＝300时，z max ＝80×300＝24 000(元)， 即如果只安排生产书桌，最多可生产300张书桌，获得利润24 000元．(2)设只生产书橱y 个，可获得利润z 元，则⎩⎪⎨⎪⎧0.2y ≤90，1·y ≤600，z ＝120y ，y ≥0⇒⎩⎪⎨⎪⎧y ≤450，y ≤600，y ≥0⇒0≤y ≤450. 所以当y ＝450时，z max ＝120×450＝54 000(元)， 即如果只安排生产书橱，最多可生产450个书橱，获得利润54 000元．(3)设生产书桌x 张，书橱y 个，利润总额为z 元，则⎩⎪⎨⎪⎧0.1x ＋0.2y ≤90，2x ＋y ≤600，x ≥0，y ≥0⇒⎩⎪⎨⎪⎧x ＋2y ≤900，2x ＋y ≤600，x ≥0，y ≥0.z ＝80x ＋120y .在平面直角坐标系内作出上面不等式组所表示的平面区域，即可行域(如图)．作直线l ：80x ＋120y ＝0，即直线l ：2x ＋3y ＝0. 把直线l 向右上方平移至l 1的位置时，直线经过可行域上的点M ，此时z ＝80x ＋120y 取得最大值．由⎩⎨⎧x ＋2y ＝900，2x ＋y ＝600，解得，点M 的坐标为(100,400)．所以当x＝100，y＝400时，z max＝80×100＋120×400＝56 000(元)．因此，生产书桌100张、书橱400个，可使所得利润最大．。
非线性规划的解法
非线性规划的解法非线性规划是一类重要的数学规划问题，它包含了很多实际应用场景，如金融市场中的资产配置问题，工程界中的最优设计问题等等。
由于非线性目标函数及约束条件的存在，非线性规划问题难以找到全局最优解，面对这样的问题，研究人员提出了众多的解法。
本文将从梯度法、牛顿法、共轭梯度法、拟牛顿法等方法进行介绍，着重讨论它们的优劣性和适用范围。
一、梯度法首先介绍的是梯度法，在非线性规划中，它是最简单的方法之一。
梯度法的核心思想是通过寻找函数的下降方向来不断地优化目标函数。
特别是在解决单峰函数或弱凸函数方面优势明显。
然而，梯度算法也存在一些不足之处，例如：当函数的梯度下降速度过慢时，算法可能会陷入局部最小值中无法跳出，还需要关注梯度方向更新的频率。
当目标函数的梯度非常大，梯度法在求解时可能会遇到局部性和发散性问题。
因此，它并不适合解决多峰、强凸函数。
二、牛顿法在牛顿法中，通过多项式函数的二阶导数信息对目标函数进行近似，寻找下降方向，以求取第一个局部极小值，有时还可以找到全局最小值。
牛顿法在计算方向时充分利用二阶导数的信息，使梯度下降速度更快，收敛更快。
因此，牛顿法适用于单峰性函数问题，同时由于牛顿法已经充分利用二阶信息，因此在解决问题时更加精确，准确性更高。
但牛顿法的计算量比梯度法大，所以不适合大规模的非线性规划问题。
此外，当一些细节信息不准确时，牛顿法可能会导致计算数值不稳定和影响收敛性。
三、共轭梯度法共轭梯度法是非线性规划的另一种解法方法。
共轭梯度法沿预定义的方向向梯度下降，使梯度下降的方向具有共轭性，从而避免了梯度下降法中的副作用。
基于共轭梯度的方法需要存储早期的梯度，随着迭代的进行，每个轴线性搜索方向的计算都会存储预定的轴单位向量。
共轭梯度方法的收敛速度比梯度方法快，是求解非线性规划的有效方法。
四、拟牛顿法拟牛顿法与牛顿法的思路不同，它在目标函数中利用Broyden、Fletcher、Goldfarb、Shanno（BFGS）算法或拟牛顿法更新的方法来寻找下降方向。
非线性规划
非线性规划（nonlinear programming）1.非线性规划概念非线性规划是具有非线性约束条件或目标函数的数学规划，是运筹学的一个重要分支。
非线性规划研究一个n元实函数在一组等式或不等式的约束条件下的极值问题，且目标函数和约束条件至少有一个是未知量的非线性函数。
目标函数和约束条件都是线性函数的情形则属于线性规划。
2.非线性规划发展史公元前500年古希腊在讨论建筑美学中就已发现了长方形长与宽的最佳比例为0.618,称为黄金分割比。
其倒数至今在优选法中仍得到广泛应用。
在微积分出现以前，已有许多学者开始研究用数学方法解决最优化问题。
例如阿基米德证明：给定周长，圆所包围的面积为最大。
这就是欧洲古代城堡几乎都建成圆形的原因。
但是最优化方法真正形成为科学方法则在17世纪以后。
17世纪，I.牛顿和G.W.莱布尼茨在他们所创建的微积分中，提出求解具有多个自变量的实值函数的最大值和最小值的方法。
以后又进一步讨论具有未知函数的函数极值，从而形成变分法。
这一时期的最优化方法可以称为古典最优化方法。
最优化方法不同类型的最优化问题可以有不同的最优化方法，即使同一类型的问题也可有多种最优化方法。
反之,某些最优化方法可适用于不同类型的模型。
最优化问题的求解方法一般可以分成解析法、直接法、数值计算法和其他方法。
(1)解析法：这种方法只适用于目标函数和约束条件有明显的解析表达式的情况。
求解方法是：先求出最优的必要条件，得到一组方程或不等式，再求解这组方程或不等式，一般是用求导数的方法或变分法求出必要条件，通过必要条件将问题简化，因此也称间接法。
(2)直接法：当目标函数较为复杂或者不能用变量显函数描述时，无法用解析法求必要条件。
此时可采用直接搜索的方法经过若干次迭代搜索到最优点。
这种方法常常根据经验或通过试验得到所需结果。
对于一维搜索(单变量极值问题)，主要用消去法或多项式插值法；对于多维搜索问题(多变量极值问题)主要应用爬山法。
非线性规划求极值题目：非线性规划求极值目标函数MINF（X）或MAX
非线性规划求极值题目：非线性规划求极值目标函数min F(X) 或max F(X)X 自变量向量｛x1,x2,…xn｝约束条件c i<=gi(X) <= d i i=1,2,…ma j<=x j<=b j j=1,2,…n技术要求：使用VB6、VC6或Fortran任何一种语言编写算法，实现求解。
优化方法要求采用“牛顿法”、“共轭法”和“复合形法”。
在指定的计算精度，1000次以内必须完成迭代算法，计算耗时<100ms。
提供详细设计说明书，程序中应有相应注释。
费用：每一种算法费用1500元，三种算法费用共4500元项目内容描述：模块定义如下：（以VB6函数为例）Public Function OptimizeMethod(lngMode As Long, lngItMax As Long, _lngN As Long, sngG() As Single, sngH() As Single, _lngM As Long, strExpImplicit() As String, _strExpObject As String, _sngXX() As Single) As Long'函数返回值'*************************************************************'OptimizeMethod=0 计算完成，有解'OptimizeMethod=-1001 约束表达式有误'OptimizeMethod=-1002 目标函数表达式有误'OptimizeMethod=-1003 超过规定的迭代次数任不能求解'输入参数'*************************************************************'lngMode-------------极值模式lngMode = -1 求极小值；lngMode = 1 求极大值'lngItMax------------最大允许迭代次数'lngN----------------自变量个数'sngG()--------------显示约束最小值数组'sngH()--------------显示约束最大值数组'lngM----------------隐式约束条件个数'strExpImplicit()----隐式约束条件表达式数组，例如2*x1+3*x2^2-5*x4^3'strExpObject--------目标函数表达式，例如(x1+4*x2^2+x3+100*x4)/(x1^2+5*x3^3)'输出参数'*************************************************************'sngXX()--------------计算结果数组End Function注意：其它常数，例如反射因子、收敛参数在程序初始化时给定。
运筹学 问题分类
运筹学问题分类运筹学问题分类是依据问题的性质和特点进行的分类。
通过对运筹学问题的分类，可以更好地理解和掌握各种问题的特点和解决方法，提高解决问题的效率。
1. 线性规划问题：线性规划问题是最经典的运筹学问题之一，主要解决如何优化有限的资源以实现最大或最小的目标。
例如，在生产计划、物流配送和财务投资等领域中，常常需要解决线性规划问题。
2. 非线性规划问题：非线性规划问题是相对于线性规划问题而言的，主要解决如何优化非线性目标函数，同时满足一系列约束条件的问题。
例如，在航空航天、机械制造和金融领域中，常常需要解决非线性规划问题。
3. 整数规划问题：整数规划问题是特殊的运筹学问题，要求决策变量取整数值或只取零或一两个值。
整数规划问题在组合优化、生产调度、计划安排等领域中应用广泛。
4. 动态规划问题：动态规划问题是解决具有重叠子问题和最优子结构性质的问题。
例如，在生产调度、库存管理和财务优化等领域中，常常需要解决动态规划问题。
5. 图论问题：图论问题是基于图形理论进行优化的问题。
例如，在计算机科学、交通运输和通信网络等领域中，常常需要解决图论问题。
6. 排队论问题：排队论问题是研究排队系统最优化的运筹学问题。
例如，在计算机系统、通信网络和医疗服务等领域中，常常需要解决排队论问题。
7. 决策分析问题：决策分析问题是基于概率和效用理论进行决策的问题。
例如，在风险评估、投资决策和市场营销等领域中，常常需要解决决策分析问题。
8. 组合优化问题：组合优化问题是解决离散最优化的运筹学问题。
例如，在计算机科学、交通运输和金融领域中，常常需要解决组合优化问题。
如何应用数学建模优化问题
如何应用数学建模优化问题数学建模是一种将实际问题转化为数学模型，并通过数学方法来解决问题的过程。
在许多领域中，数学建模都被广泛应用于优化问题的求解。
本文将探讨如何应用数学建模来优化问题，并介绍一些常见的数学优化方法。
一、问题建模在进行数学优化之前，我们首先需要将实际问题转化为数学模型。
这个过程包括以下几个步骤：1. 确定优化目标：明确你想要优化的目标是什么。
比如，你可能要最小化成本、最大化利润，或者使某个指标达到最佳状态等。
2. 确定决策变量：决策变量是影响优化结果的变量。
根据实际问题，选择适当的决策变量。
例如，如果你想要优化某个产品的生产计划，决策变量可以是生产数量、生产时间等。
3. 建立约束条件：约束条件是限制决策变量取值的条件。
根据实际问题，确定约束条件并将其转化为数学形式。
例如，如果你想要优化配送路线，可能会有时间限制、容量限制等。
二、数学优化方法在问题建模完成后，我们可以使用不同的数学优化方法来求解优化问题。
下面介绍几种常见的优化方法：1. 线性规划：线性规划是在给定线性约束条件下求解线性目标函数的优化问题。
使用线性规划可以解决许多实际问题，例如资源分配、生产计划等。
2. 整数规划：整数规划是线性规划的一种扩展形式，其决策变量需要取整数值。
整数规划适用于那些要求决策变量为整数的问题，如生产装配线优化、旅行商问题等。
3. 非线性规划：非线性规划是在给定非线性约束条件下求解非线性目标函数的优化问题。
非线性规划广泛应用于诸如工程优化、金融投资等领域。
4. 动态规划：动态规划是解决具有重叠子问题特性的优化问题的一种方法。
通过将问题划分为一系列子问题，并将子问题的解缓存起来，可以有效地解决很多动态规划问题。
5. 遗传算法：遗传算法是一种模拟自然选择和遗传机制的优化算法。
通过不断地进化和选择，遗传算法可以搜索到优化问题的全局最优解。
三、应用案例下面通过一个应用案例来说明如何应用数学建模优化问题。
假设你是一家互联网电商平台的运营经理，你想要优化产品的价格策略以最大化销售额。
目标函数的几种类型
目标函数的几种类型目标函数是数学优化问题中的一个重要概念，目的是通过数学表达式来描述优化问题的目标。
目标函数主要分为以下几种类型：1. 线性目标函数线性目标函数是最简单也是最常见的一种目标函数形式，其数学表达式为：f(x) = c1x1 + c2x2 + ... + cnxn其中，x1, x2, ..., xn为决策变量，c1, c2, ..., cn为常数系数。
线性目标函数的优化问题称为线性规划问题，其特点是目标函数和约束条件均为线性。
线性规划问题在供应链管理、运输调度等领域有广泛的应用。
2. 非线性目标函数非线性目标函数是目标函数中存在非线性项的情况，其数学表达式为：f(x) = h(x) + Σ g(x)其中，h(x)为非线性项，g(x)为线性或非线性项。
非线性目标函数的优化问题被称为非线性规划问题。
非线性规划问题在经济学、管理学等领域中常用于描述复杂的现实问题。
3. 凸函数目标函数凸函数目标函数是指目标函数满足凸性质的函数形式。
凸性质是指函数的图像位于函数的上方，即图像上任意两点之间的连线均位于函数图像的上方。
凸函数在优化问题中具有较好的性质，可以保证全局最优解的存在和唯一性，是一类重要的目标函数类型。
4. 二次型目标函数二次型目标函数是一种特殊的非线性目标函数形式，其数学表达式为：f(x) = x^T Ax + b^T x + c其中，x是n维向量，A为一个n×n的矩阵，b和c为常向量。
二次型目标函数在数学建模和最优化问题中应用广泛，例如，在物流领域中可以用于描述最小化运输成本的问题。
5. 目标函数约束目标函数约束是指在目标函数中添加一些约束条件来限制决策变量的取值范围，使其满足一定的约束条件。
例如，可以在目标函数中添加等式约束、不等式约束、非线性约束等。
目标函数约束广泛应用于各个领域的最优化问题中，可以用于调整优化问题的解空间。
综上所述，目标函数具有不同的类型，包括线性目标函数、非线性目标函数、凸函数目标函数、二次型目标函数以及目标函数约束等。
非线性规划问题的数学算法设计与优化
非线性规划问题的数学算法设计与优化引言：非线性规划是数学优化领域中的一个重要分支，它研究的是在约束条件下寻找目标函数的最优解。
与线性规划相比，非线性规划问题更加复杂，因为它涉及到非线性函数的优化。
为了解决这类问题，数学家们提出了许多有效的算法，并不断进行改进和优化。
本文将介绍几种常见的非线性规划算法，并探讨它们的优化方法。
一、梯度下降法梯度下降法是一种常用的非线性规划算法，它通过迭代的方式逐步优化目标函数。
该算法的基本思想是沿着目标函数的负梯度方向进行搜索，直到找到最优解为止。
梯度下降法的优化过程可以分为两个步骤：计算目标函数的梯度和更新参数。
在计算梯度时，可以使用数值方法或者解析方法，具体选择取决于问题的复杂程度和计算效率的要求。
在更新参数时，可以采用固定步长或者自适应步长的方式，以控制搜索的速度和精度。
二、牛顿法牛顿法是一种经典的非线性规划算法，它利用目标函数的二阶导数信息进行搜索。
该算法的核心思想是通过构造二次逼近模型来近似目标函数，并求解该模型的最优解。
牛顿法的优化过程可以分为三个步骤：计算目标函数的一阶导数、二阶导数和更新参数。
在计算导数时，可以使用数值方法或者解析方法，具体选择取决于问题的复杂程度和计算效率的要求。
在更新参数时，可以采用精确求解或者近似求解的方式，以控制搜索的速度和精度。
三、拟牛顿法拟牛顿法是一种改进的非线性规划算法，它通过构造目标函数的拟牛顿方程来近似目标函数的二阶导数。
该算法的基本思想是利用历史搜索信息来更新参数，并通过迭代的方式逐步优化目标函数。
拟牛顿法的优化过程可以分为四个步骤：计算目标函数的一阶导数、构造拟牛顿方程、求解拟牛顿方程和更新参数。
在构造拟牛顿方程时，可以使用不同的方法，例如DFP方法、BFGS方法等，以逼近目标函数的二阶导数。
在求解拟牛顿方程时，可以采用精确求解或者近似求解的方式，以控制搜索的速度和精度。
四、全局优化方法除了上述的局部优化方法，全局优化方法也是解决非线性规划问题的一种重要途径。
线性规划求最值的常见题型
y
x+y=1 x-y=0
1
C
0ቤተ መጻሕፍቲ ባይዱ
x
1
y=-1
B(-1,-1)
������0（2，-1）A
[类题通法] 解线性规划问题的关键是准确地作出可行域，正确理 解z的几何意义，对一个封闭图形而言，最优解一般在可 行域的边界上取得．在解题中也可由此快速找到最大值点 或最小值点．
(2)������ = ������������++31的最值.
从目标函数的 几何意义思考
非线性目标函 数
（1）������ = (������ + 3)2+(������ + 1)2的最大值和最小值
可求得������可���目���9���行标���,���域8函���������中数.=的���的������点几������������到������何���������P2意=点义=的���可���距2���表���离22示的5=为平654
线性规划求最值的常见题型
龙海一中 徐艺凤
线性规划求最值常见的题型有
一、求线性目标函数的最值问题 二、求非线性目标函数的最值问题 三、实际问题中的最值问题
题型一、求线性目标函数的最值
x-y≥0 例1.设x,y满足约束条件： x+y-1 ≤ 0
y ≥ -1
线性目标函 数
求z=2x+y最大值与最小值。
在这里甲、乙两个电视 台的广告时间为主要变 量，公司的收益为两个 电视台获得的收益总和， 故可设两个电视台的广 告时间,列出不等式组
和建立目标函数。
间，才能使公司的收益最大，最大收益是多少万元？ [解] 设公司在甲电视台和乙电视台做广告的时间分别
八种经典线性规划例题最全总结(经典)
线性规划常见题型及解法由已知条件写出约束条件，并作出可行域，进而通过平移直线在可行域内求线性目标函数的最优解是最常见的题型，除此之外，还有以下六类常见题型。
一、求线性目标函数的取值范围例1、若x、y满足约束条件，则z=x+2y的取值范围是（）A、[2,6]B、[2,5]C、[3,6]D、（3,5]解：如图，作出可行域，作直线l：x+2y＝0，将l向右上方平移，过点A（2,0）时，有最小值2，过点B（2,2）时，有最大值6，故选A二、求可行域的面积例2、不等式组表示的平面区域的面积为（）A、4B、1C、5D、无穷大解：如图，作出可行域，△ABC的面积即为所求，由梯形OMBC的面积减去梯形OMAC的面积即可，选B三、求可行域中整点个数例3、满足|x|＋|y|≤2的点（x，y）中整点（横纵坐标都是整数）有（）A、9个B、10个C、13个D、14个解：|x|＋|y|≤2等价于作出可行域如右图，是正方形内部（包括边界），容易得到整点个数为13个，选D四、求线性目标函数中参数的取值范围例4、已知x、y满足以下约束条件，使z=x+ay(a>0)取得最小值的最优解有无数个，则a的值为（）A、－3B、3C、－1D、1解：如图，作出可行域，作直线l：x+ay＝0，要使目标函数z=x+ay(a>0)取得最小值的最优解有无数个，则将l向右上方平移后与直线x+y＝5重合，故a=1，选D五、求非线性目标函数的最值例5、已知x、y满足以下约束条件，则z=x2+y2的最大值和最小值分别是（）A、13，1B、13，2C、13，D、，解：如图，作出可行域,x2+y2是点（x，y）到原点的距离的平方，故最大值为点A（2,3）到原点的距离的平方，即|AO|2=13，最小值为原点到直线2x＋y－2=0的距离的平方，即为，选C六、求约束条件中参数的取值范围例6、已知|2x－y＋m|＜3表示的平面区域包含点（0,0）和（－1,1），则m的取值范围是（）A、（-3,6）B、（0,6）C、（0,3）D、（-3,3）解：|2x－y＋m|＜3等价于由右图可知,故0＜m＜3，选C七、比值问题当目标函数形如时,可把z看作是动点与定点连线的斜率，这样目标函数的最值就转化为PQ连线斜率的最值。
非线性规划课件
②再固定x₂=x₂ (1): 求以x₁为单变量的目标函数的极值点，
得 X(2)=(x,(2),x₂ (1))T ,S(2)=f(X(2))
此时S(2)优于S(1), 且搜索区间缩短为x₁*∈[x,(2),b,],x₂*∈[x₂ (1),b₂] 第二步：如此交替搜索，直至满足给定精度ε为止
否则，继续缩短区间，
直至满足给定的精度为
①f(x₂)≥f(xq), 取[aq=ao,b,=x,]
X₁ =X2
x'2=b₁-λ(b₁-aq) ②f(x₂)<f(x₁), 取[a=x2,b,=b,]
x=aq+λ(b₁-aq)
10
x₂ =x₁
例 求 解 f(x)=-18x²+72x+28 的极大值点，δ≤0.1,起始搜索区间为[0,3] 解：①用间接法：令 f'(x)=-36x+72=0, 得驻点 x=2
xq*∈[aq,b,],x²*∈[a₂ ,b₂ ],.,x*∈[an,b,]
1、原理： ①从起点 X(0) 出发，沿平行于 x, 轴的方向P(1)进行一维搜索，
求得 f(X) 在该方向P(1)上近似极值点 X(1);
②从点 X(1) 出发，沿平行于 x₂ 轴的方向P(2)进行一维搜索，
求得 f(X) 在该方向P(2)上近似极值点 X(2); ③从点 X(2) 出发，照此交替进行下去，直至满足给定的精度ε为止
六、 寻优方法概述：
1、N.L.P.问题分类
① 无约束条件的NLP问题。 ② 有约束条件的NLP问题。 2、寻优方法
① 间接法(解析法):适应于目标函数有简单明确的数学表达式。
用LINGO解决非线性规划问题
注意比较：
当去掉第二个约束条件y<=0.5时,最小值 为-3 当x=0, y=1时;
当去掉所有约束条件无条件最值时,最小
值为-5 当x=1, y=2时;
15
三、用LINGO解决非线性规划问题
例3 求解非线性规划问题：
16
三、用LINGO解决非线性规划问题
17
三、用LINGO解决非线性规划问题
18
X1+ 3X2<=18;
X1,X2为决策变量;
2X1+ X2<=16;
4X2<=20; 第二到四行均为约束条件
8
二、用LINGO解决基本的线性规划问题
我们编辑程序并求解后,得到LINGO Model窗口、 Solution report窗口和Solver status窗口如下：
9
二、用LINGO解决基本的线性规划问题
6
二、用LINGO解决基本的线性规划问题
例1 求解如下的线性规划模型：
m ax z 50 x1 70 x2 ,
x1 3 x2 1 8,
2 x 1 x 2 1 6 ,
4x2 20,
x 1 , x 2 0
7
二、用LINGO解决基本的线性规划问题
我们编辑一个LINGO程序：
MAX=50X1+70X2; 目标函数;
三、用LINGO解决非线性规划问题
例4 求解二次规划问题：
直接使用LINGO最大化过程：
max=98x1+277x2-x1^2-0.3x1x2-2x2^2; x1 + x2 <= 100; x1 <= 2x2; ginx1;ginx2;
19
三、用LINGO解决非线性规划问题
非线性规划
非线性规划非线性规划(Nonlinear Programming ，简记为NP)研究的对象是非线性函数的数值最优化问题，是运筹学的最重要分支之一，20世纪50年代形成一门学科，其理论和应用发展十分迅猛，随着计算机的发展，非线性规划应用越来越广泛，针对不同的问题提出了特别的算法，到目前为止还没有适合于各种非线性规划问题的一般算法，有待人们进一步研究.§1 非线性规划基本概念一、引例例7.1 一容器由圆锥面和圆柱面围成. 表面积为S ，圆锥部分高为h ，h 和圆柱部分高2x 之比为a ,1x 为圆柱底圆半径.求21,x x 使面积最大.解： 由条件 a x h =2/22121231x x x ax V ππ+=21212222112221x x x x a x x S πππ+++⋅⋅=所以，数学模型为：212)311(max x x a V π+=s.t. S x x x x a x x =+++21212222112πππ0,21≥x x例7.2 某高校学生食堂用餐，拟购三种食品，馒头0.3元/个，肉丸子1元/个，青菜0.6/碗.该学生的一顿饭支出不能够超过5元.问如何花费达到最满意？解： 设该学生买入馒头，肉丸子，青菜的数量分别为321,,x x x ； 个人的满意度函数即为效用函数为321321321),,(aaax x Ax x x x u =.于是数学模型为321321321),,(max aaax x Ax x x x u =s.t.56.03.0321≤++x x x 321,,x x x 为非负整数二、数学模型称如下形式的数学模型为数学规划（Mathematical Programming 简称MP ） )(min x f z = （7.1） （MP ） t s . 0)(≥x g i m i ,,1 = （7.2） 0)(=x h j l j ,,1 = （7.3）其中Tn x x x x ),,,(21 =是n 维欧几里得空间nR 中的向量（点），)(x f 为目标函数，0)(,0)(=≥x h x g j i 为约束条件.称满足约束条件的向量x 为（MP ）问题的一个可行解，全体可行点组成的集合称为可行域.K ={}l j x h mi x g R x j i n,,2,10)(,,2,10)( ===≤∈如果)(),(),(x h x g x f j i 均为线性函数，就是前面所学的线性规划问题(LP).如果至少有一个为非线性函数称为非线性规划问题.由于等式约束0)(=x h j 等价于下列两个不等式约束 0)(,0)(≥-≥x h x h j j 所以(MP)问题又可表示为 )(min x f z =s.t. 0)(≥x g i m i ,,1 = （7.4） 三、数学基础 1、线性代数知识考虑二次型Az z T ，z 为n 维向量正定的二次型：若对于任意0≠z ，有0>Az z T； 半正定的二次型：若对于任意0≠z ，有0≥Az z T ； 负定的二次型：若对于任意0≠z ，有0<Az z T ； 半负定的二次型：若对于任意0≠z ，有0≤Az z T ；不定二次型：0≠∃z ，有0>Az z T，又0≠∃z ，有0<Az z T.二次型Az z T 为正定的充要条件是它的矩阵A 的左上角各阶主子式都大于零. 二次型Az z T 为负定的充要条件是它的矩阵A 的左上角各阶主子式负正相间.2、分析数学知识（1）方向导数和梯度(二维为例)考虑函数),(21x x f Z =，及方向j i lϕϕsin cos +=梯度：Tx f x f j x f i x f x x f ),(),(212121∂∂∂∂=∂∂+∂∂=∇ ； 方向导数：⎪⎪⎭⎫⎝⎛∂∂∂∂=∂∂+∂∂=∂∂ϕϕϕϕsin cos ),(sin cos 2121x f x f x f x f l f )),,(cos(||),(||),(),(21212121l x x gardf x x gardf lx x gardf lx x f T=⋅=⋅∇=考虑等值线00201),(c x x f =上一点),(0201x x 梯度方向 ),(0201x x gardf 即为法线方向n.如果)(x f 二次可微，称⎪⎪⎪⎪⎪⎭⎫⎝⎛=)()()()()()()()()()(212222111211x h x h x h x h x h x h x h x h x h x H nn n n n n为)(x f 在点 x 处的Hesse 矩阵.（2）多元函数泰勒公式：若)(,),(0x f R S x x f u n⊆∈=在点0x 处的某个领域具有二阶连续偏导数，则有x x x f x x x f x f x x f T T∆∆+∇∆+∆∇+=∆+)(21)()()(02000θ 10≤≤θ )||(||)(21)()(||)(||)()(2020000x x x f x x x f x f x x x f x f T TT ∆+∆∇∆+∆∇+=∆+∆∇+=οο 四、最优解的类型定义7.1 (MP)问题的一个可行点*x 被称为整体极小点，如果对于任意的可行点K x ∈，都有不等式)()(*x f x f ≥成立.如果对于任意可行点*,x x K x ≠∈均有)()(*x f x f >，称点*x 是)(x f 的可行解集K上的严格整体极小点.定义7.2 问题(MP)的一个可行点*x 被称为一个局部极小点，如果存在一个正数ε使得对于所有满足关系式ε<-*x x 的可行点x 都有)()(*≥x f x f 成立.如果对任意的可行点K x ∈，*≠x x ，存在一个正数ε使得对于所有满足关系式ε<-*x x 的可行点x 都有)()(*>x f x f 成立.则称*x 是)(x f 在K 上的一个局部严格极小点.显然整体极小点一定是局部极小点，反之不然. 五、凸规划定义7.3 集合K 被称为nR 中的一个凸集，如果对于K 中任意两点21,x x 和任一实数]1,0[∈λ，点K x x ∈-+21)1(λλ.几何解释：当一个集合是凸集时，连接此集合中任意两点的线段也一定包含在此集合内，规定φ空集是凸集.定义7.4 凸函数：)(x f 是凸集K 上的实值函数，如果对于K 中任意两点21,x x 和任意实数]1,0[∈λ有不等式)()1()())1((2121x f x f x x f λλλλ-+≤-+成立.严格凸函数：)(x f 是凸集K 上的实值函数，如果对于K 中任意两点21,x x ，21x x ≠和任意实数)1,0(∈λ，有不等式)()1()())1((2121x f x f x x f λλλλ-+<-+成立.定义7.5 )(x f 是定义在凸集K 上的实值函数，如果)(x f -是K 上凸函数，称)(x f 是凹函数.定理7.1 设)(x f 是凸集K 上的凸函数，则)(x f 在K 中的任一局部极小点都是它的整体极小点.证明： 设*x 是一局部极小点而非整体极小点，则必存在可行点K x ∈(可行域))()(*x f x f <∍.对任一]1,0[∈λ，由于)(x f 的凸性，有 )()()1()())1((***x f x f x f x x f ≤-+≤-+λλλλ当0→λ时，*)1(x x λλ-+与*x 充分接近，与*x 是局部极小矛盾. 证毕. 定义7.6 设有(MP)问题)(min x f kx ∈，若可行域K 是凸集，)(x f 是K 上的凸函数，则称此规划问题为凸规划.定理7.2 凸规划的任一局部极小解为整体极小解. 六、非线性规划问题的求解方法 考虑(MP)问题：lj x h m i x g t s x f j i ,,10)(,,10)(.)(min ===≥ （7.5） 一般来说，MP 问题难以求得整体极小点，只能求得局部极小点.以后我们说求(MP)问题，指的是求局部极小点.1、无约束极小化问题（UMP ） )(min x f nRx ∈ （7.6） 这里)(x f 是定义在n R 上的一个实值函数定理7.3（一阶必要条件）如果)(x f 是可微函数.*x 是上述无约束问题（UMP ）的一个局部极小点或局部极大点的必要条件是：0)(*=∇x f .满足0)(=∇x f 的点称为平稳点或驻点.定理7.4 设)(x f 为定义在n R 上的二阶连续可微函数，如果*x 是)(x f 的一个局部极小点，必有nT Ry y x H y x f ∈∀≥=∇0)(0)(**这里)(*x H 表示)(x f 在*x 处的Hesse 矩阵.证明：nE y ∈∀，根据)(x f 在点*x 处的展开式有)()(21)()(2*2**λολλ++=+y x H y x f y x f T)0)((*=∇x f若0)(,*<∍∈∃y x H y R y T n ，当λ充分小时，有 )()(21|2*2λολ>y x H y T∴有)()(**x f y x f <+λ.这和*x 是)(x f 的极小矛盾.定理7.5 设)(x f 是定义在nR 上的二阶连续可微函数，如果点*x 满足0)(*=∇x f ，而且存在*x 的一个邻域0)(),(,),(*≥∈∀∈∀∍*y x H y x x R y x T n 有 ，则*x 是)(x f 的一个局部极小点.在高等数学中求解极值点方法先求出满足0)(=∇x f 的点及不可导点.在这些点判断)(x f 是否取得极小值.2、等式约束的极小化问题考虑 )(min x fl j x h t s j ,,10)(. == （7.7）定义7.7 如果)(,),(),(21x h x h x h l ∇∇∇ 在点x 处线性无关，则称点x 是此约束条件的一个正则点.Langrange 乘子法：引进拉格朗日函数 ∑=-=lj jj x h u x f u x L 1)()(),(其中Tl u u u u ),,,(21 =被称为拉格朗日乘子向量.定理7.6 设l j x h x f j ,,1),(),( =是连续可微函数，*x 是)(x f 在可行集中的一个局 部极小点.在*x 是正则点的假定下必存在一个拉格朗日乘子向量u ，使得),(*u x 满足方程组)(0)()(*1**==∇-∇∑=x h x h u x f lj j j对等式约束，用拉格朗日乘子法求解出平稳点，判断是否极值点.用上述解析法求解无约束和等式约束极值问题的平稳点，再判断是否为极值点.该方法有一定的局限性：（1）它们要求函数是连续的，可微的，实际问题中不一定满足这一条件； （2）上述求平稳点的方程组求解比较困难，有些解不出来； （3）实际问题中有大量的不等式约束.因此求解非线性规划应有更好的新方法.实际应用中一般用迭代法来求解非线性规划问题，即求近似最优解的方法.3、非线性规划问题的求解方法—迭代法迭代法一般过程为：在(MP)问题的可行域K 内选择初始点0:,0=k x ，确定某一方向k p ，使目标函数)(x f 从k x 出发，沿k p 方向使目标函数值下降，即)0(,>∈+=λλK p x x k ，有)()(0x f x f <，进一步确定kλ，使)(m i n )(0k k k k k p x f p x f λλλ+=+>，令k k k k p x x λ+=+1.如果1+k x 已满足某终止条件，1+k x 为近似最优解.否则，从1+k x 出发找一个方向1+k p ，确定步长1+k λ，使K p x x k k k k ∈+=++++1112λ，有)(min )(1102++>++=k k k p x f x f λλ.如此继续，将得到点列{}kx .显然有 >>>>)()()(1kx f x f x f ,即点列{}kx 相对应的目标函数是一个单调下降的数列.当{}kx 是有穷点列时，希望最后一个点是(MP)问题的某种意义下的最优解.当{}kx 为无穷点列时，它有极限点，其极限点是(MP)的某种意义下的最优解（此时称该方法是收敛的）.迭代法求解(MP)的注意点：该方法构造的点列{}kx ，其极限点应是近似最优解，即该算法必须是收敛的.迭代法一般步骤：①. 选取初始点0x ，0:=k ②. 构造搜索方向kp ③. 根据kp 方向确定k λ ④. 令k k k k p x xλ+=+1⑤. 若1+k x已满足某终止条件，停止迭代，输出近似最优解1+k x.否则令1:+=k k ，转向第②步.计算终止条件在上述迭代中有：若1+k x满足某终止条件则停止计算，输出近似最优解1+k x.这里满足某终止条件即到达某精确度要求.常用的计算终止条件有以下几个：（1）自变量的改变量充分小时，11||||ε<-+k k x x，或21||||||||ε<-+kk k x x x ，停止计算. （2）当函数值的下降量充分小时，31)()(ε<-+k kx f x f ，或41|)(|)()(ε<-+k k k x f x f x f ， 停止计算.（3）在无约束最优化中，当函数梯度的模充分小时51||)(||ε<∇+k x f ，停止计算.迭代法的关键：① 如何构造每一轮的搜索方向kp ② 确定步长k λ关于k λ，前面是以)(min kk p x f λλ+产生的，也有些算法k λ取为一个固定值，这要根据具体问题来确定.关于kp 的选择，在无约束极值问题中只要是使目标函数值下降的方向就可以了，对于约束极值问题则必需为可行下降方向.定义7.8 设0,,:1≠∈→p R x R R f nn，若存在0>δ使),0(δλ∈∀，)()(x f p x f <+λ则称向量p 是函数)(x f 在点x 处的下降方向.定义7.9 设0,,,≠∈∈∈p R p K x R K nn，若存在0>λ使得K p x ∈+λ，称向量p 是点x 处关于K 的可行方向. 若一个向量p 既是目标函数f 在点x 处的下降方向，又是该点处关于可行域K 的可行方向，则称p 为函数f 在点x 处关于区域K 的可行下降方向.根据不同原理产生了不同的kp 和k λ的选择方法，就产生了各种算法. 在以后的讨论中，一维极值的优化问题是讨论求解步长k λ.无约束极值中讨论的最速下降法，共轭方向法，坐标轮换法，牛顿法，变尺度法及有约束极值中讨论的可行方向法都是根据不同的原理选择kp 得到的迭代算法.七、迭代算法的收敛性定义7.10 设有一算法A ，若对任一初始点（可行点），通过A 进行迭代时，或在有限步后停止得到满足要求的点；或得到一个无穷点列，它的任何一个聚点均是满足要求的点，则称此算法A 具有全局收敛性.定义7.11 设（UMP ）问题的目标函数Px Qx x x f T+=21)(，Q 为对称半正定矩阵， 若由算法A 进行迭代时，不论初始点0x 如何选择，必能在有限步后停止迭代，得到所要求的点，则称此算法A 有二次有限终止性.定义7.12 设序列{}kr收敛于*r，定义满足∞<=--≤**+∞−→−βhkk k rr r r 1______lim0的非负数h 的上确界为{}k r 的收敛级.若序列的收敛级为h ，就称序列是h 级收敛的.若1=h 且1<β就称序列是以收敛比β线性收敛的. 若1>h 或1=h 且0=β就称序列是超线性收敛的. 如何判别算法的收敛性和收敛速度问题本书不讨论.本书给出的算法中，最速下降法具有全局收敛性、是线性收敛的；改进牛顿法具有全局收敛性、二次有限终止性、是二阶线性收敛的；变尺度法和共轭方向法具有全局收敛性和二次有限终止性、是超线性收敛的；Zoutenddijk 法不具有全局收敛性、改进的T-V 法具有全局收敛性；制约函数法具有全局收敛性.关于这些算法的收敛性的讨论和证明有兴趣的读者可参考其他文献.§2 一维极值问题的优化方法前面讨论迭代算法时,从kx 出发确定沿k p 方向的步长k λ是这样求解的),(min 0k k p x f λλ+>这里k x ,k p 已知.所以,若记)()(λλg p x f k k =+,则为求解)(min 0λλg >的过程.于是我们考虑如下形式的极值问题.)(min x f bx a ≤≤ (7.8)b a R x ,,1∈为任意实数很显然可应用高等数学中学过的解析法,即令0)('=x f 求出平稳点,但如前面所述如果该方程解不出来,怎么办?可用下述迭代算法—0.618法.定义7.13 )(x f 定义在],[b a 上,若存在点∍∈],[*b a x 当*x y x ≤<,有)()(y f x f >,当*x y x ≥>时,)()(y f x f >,称)(x f 在],[b a 中为单峰函数(单谷函数).显然满足定义要求的点*x 是)(x f 在],[b a 中的极小点.在],[b a 中任选两点21,x x ,且b x x a <<<21,根据)(x f 的单峰性,若)()(21x f x f <,则*x 必然位于],[2x a 内,如果)()(21x f x f >,则*x 必然位于],[1b x 内.如果)()(21x f x f =,则*x 必然位于],[21x x ,记此区间为],[11b a .如此继续,得闭区间套⊃⊃⊃⊃],[],[],[11n n b a b a b a .显然 ,1,0],,[*=∈i b a x i i ，又0→-i i a b .由闭区间套性质, *x 为极小值点.闭区间套的选择方法不同,求得的*x 的快慢及求解过程的计算量是不一样的，有一个常用的方法是0.618法.0.618法： 取],[],[b a =βα① 在],[βα中选取1λ和2λ,)(618.0),(382.021αβαλαβαλ-+=-+=,求出)(1λf 和)(2λf 进入②.② 若)()(21λλf f <,取],[],[2λαβα=,若αλ-2已足够小,停止,否则进入③.若)()(21λλf f >,取],[],[1βλβα=,若1λβ-已足够小,停止,否则进入④. 若)()(21λλf f =,取],[],[21λλβα=,若12λλ-已足够小,停止,否则进入①. ③ 取上一步中的1λ为2λ,显然有)(618.02αβαλ-+=,令)(382.01αβαλ-+=,求出)(1λf ,返回②.④ 取上一步的2λ为1λ,则有)(382.01αβαλ-+=,令)(618.02αβαλ-+=,求出)(2λf 返回②.设初始区间为],[b a ，用0.618法，经过k 次迭代后],[βα的长度ka b 618.1)(-=-αβ，只要k 充分大αβ-可以小于任何给定的正数.例7.3 用0.618法求解λλλ2)(min 2+=f单峰区间为[-3，5]，2.0=ε解：[α，β]=[-3，5]1λ=-3+0.382×8=0.056 )(1λf =0.1152λ=-3+0.618×8=1.944 )(2λf =7.667由于)(1λf <)(2λf 所以新的不定区间为[α，β] =[-3，1.944] 由于β-α=4.944>0.22λ:=1λ=0.056 )(2λf :=)(1λf =0.115 1λ=-3+0.382×4.944=-1.112 )(1λf =-0.987如此反复得下表7-1：在进行8次迭代后,2.0112.1936.0<+-=-αβ取中间值024.1*-=λ或032.12-=λ作为近似最优解.显然真正极小点是-1.0.一维收索方法很多，如函数逼近法、牛顿法等可参考其他文献.§3 无约束极值的优化方法考虑无约束最优化问题（UMP ）)(min x f nR x ∈ (7.9) 前面已经讨论过,求解此无约束优化问题,可以求出平稳点及不可导点的方法.令0)(*=∇x f ,求出平稳点.如果)(*2x f ∇是正定的,则*x 是UMP 的严格局部最优解.若)(x f 在n R 上是凸函数,则是整体最优解.在求解0)(*=∇x f 这n 维方程组比较困难时，就用最优化算法——迭代法.本节将介绍最速下降法,牛顿法,共轭方向法,坐标轮换法,变尺度法.这些算法就是用不同的方法来选择搜索方向k p 而得到的.当然kp 必须是下降方向.定理7.7 设R R f n→:，在点x 处可微,若存在nR p ∈,使0)(<∇p x f T,则向量p是f 在x 处的下降方向.证明:)(x f 可微(在x 处)，由泰勒展开式,有 ||)(||)()()(p p x f x f p x f Tλολλ+∇+=+ ,0,0)(><∇λp x f T0)(<∇∴p x f Tλ），（当δλδ0∈∃∴时,有0||)(||)(<+∇p p x f Tλολ),0()()(δλλ∈∀<+∴x f p x fp ∴是)(x f 在点x 的下降方向. 证毕.一、最速下降法最速下降法又称梯度法,选择负梯度方向作为目标函数值下降的方向,是比较古老的一种算法，其它的方法是它的变形或受它的启发而得到的，因此它是最优化方法的基础. 基本思想:迭代法求解无约束最优化(5.9)问题的关键是求下降方向kp .显然最容易想到的是使目标函数值下降速度最快的方向.从当前点kx 出发,什么方向是使)(x f 下降速度最快呢? 由泰勒展开知:||)(||)()()(k k T k k k k p p x f p x f x f λολλ+∇-=+-略去λ的高阶无穷小项,取)(kkx f p -∇=时,函数值下降最多.而)(kx f ∇为)(x f 在kx 处的梯度，所以下降方向kp 取为负梯度方向时,目标函数值下降最快.最速下降法:①. 取初始点0x ,允许误差0>ε,令0:=k ②. 计算)(kkx f p -∇=③. 若ε<||||k p ,停止，点k x 为近似最优解.否则进入④.④. 求 k λ,使)(min )(0kk k k k p x f p x f λλλ+=+≥ ⑤. 令kk k k p x xλ+=+1，1:+=k k ，返回②例7.4 用最速下降法求解下列无约束优化问题1222121225),(m in x x x x x f -+=取初始点Tx )2,2(0= 终止误差 610-=ε解：很显然，该问题的整体最优解为Tx )0,1(*=⎪⎪⎭⎫⎝⎛-=∇215022)(x x x f ，令0,10)(21==⇒=∇x x x f易验证)(*2x f ∇是正定的， ∴是整体最优解. 下面用最速下降法求解T T x x x f x f x f )50,22(),()(2121-=∂∂∂∂=∇ T x )2,2(0=T x f )100,2()(0=∇∴取Tp )100,2(0-=由⎪⎪⎭⎫⎝⎛--=⎪⎪⎭⎫ ⎝⎛--+⎪⎪⎭⎫ ⎝⎛=+λλλλ10022210022200p x4)22(2)1002(25)22()(2200+---+-=+λλλλp x f得0)1002(5000)22(4=----=λλλd df020007679.0500008100080==⇒λ⎪⎪⎭⎫⎝⎛-=⎪⎪⎭⎫ ⎝⎛--+⎪⎪⎭⎫ ⎝⎛=+=0007679.0959984642.11002020007679.0220001p x x λ重复上述过程得 Tx )01824717.0,009122542.1(2=789850288.0)(,078282.0)(,100)(21-=-==x f x f x f图7-1从图7-1可知，{}kx 随着迭代次数的增加，越来越接近与最优解)0,1(，同时也看到，随着迭代次数的增加，收敛速度越来越慢.极小点附近沿着一种锯齿形前进，即产生“拉锯”现象：{}kx沿相互正交的方向小步拐进，趋于最优解的过程非常缓慢.这种现象怎样解释？如何克服？在求k λ时，由于)()(kkp x f λλϕ+=，求导得0)('=λϕ，k λ是)(λϕ的极小点.故有0)()('=⋅+∇=k T k k k k p p x f λλϕ，即0)(=⋅+∇kk k k p p x f λ，又)(11++-∇=k k x f p，即0)(1=⋅+k T k p p 或0)()(1=∇⋅∇+k T k x f x f .也就是最速下降法相邻两个搜索方向是彼此正交的.因此最速下降法是局部下降最快，但不一定是整体下降最快的.在实际应用中一般开始几步用最速下降法，后来用下面介绍的牛顿法.这样两个算法结合起来，求解速度较快.二、牛顿法 基本思想：考虑无约束优化问题(5.9))(min x f nRx ∈ 由前面的讨论知，若能解出方程组0)(=∇x f ，求出平稳点*x ，则可验证*x 是否为极值点.由于0)(=∇x f 难以求解.如果)(x f 具有连续的二阶偏导数,则考虑用)(x f 在点*x 二阶泰勒展开式条件替代)(x f ∇，即由22||)(||))(()(21)()()()(k k k T k k T k k x x x x x f x x x x x f x f x f -+-∇-+-∇+=ο))(()(21)()()()()(2kk T k k T k k x x x f x x x x x f x f x g x f -∇-+-∇+=≈⇒令0))(()()()(2=-∇+∇=∇≈∇kk k x x x f x f x g x f)())((121k k k k x f x f x x ∇∇-=⇒-+即从kx 出发，搜索方向为)())((12kkkx f x f p ∇∇-=-，步长恒为1，得到下一个迭代点1+k x.牛顿法：①． 选取初始点0,0=：k x ，精度0>ε ②． 计算)(kx f ∇，如果ε≤∇||)(||kx f ，计算终止.否则计算)(2kx f ∇，求出搜索方向)())((12kk k x f x f p ∇∇-=-. ③． 令1:,1+=+=+k k p x x k k k ，返回②.例7.5 考虑无约束问题22122214)(m in x x x x x f -+=试分别取初始点（1）T x )1,1(0=，（2）T x )4,3(0=（3）Tx )0,2(0=，取精度要求310-=ε，用牛顿法求解.解：⎪⎪⎭⎫ ⎝⎛--=∇212211228)(x x x x x x f ⎪⎪⎭⎫⎝⎛---=∇22228)(1122x x x x f (1) 取Tx )1,1(0=有Tx f )1,6()(0=∇ ε>=∇0828.6||)(||0x f⎪⎪⎭⎫⎝⎛--=∇2226)(02x fT x f x f p )2500.2,7500.1()())((01020--=∇⋅∇-=-Tp x x )2500.1,7500.0(01--=+= 重复计算结果得表7-2.ε<=0||)(||4x f T x )0,0(4=∴为近似最优解.实际上，该问题最优解为**)0,0(=x(2) 取Tx )4,3(0=,同上计算,得TT x x x )4,8284.2(,)4,8333.2(),4,3(21===有ε<=∇=∇=∇0||)(||,1667.0||)(||,1||)(||210x f x f x f ，这一迭代结果收敛到)(x f 的鞍点T)4,22(.(3) 取Tx )0,2(0=T x f )4,16()(0-=∇ ⎪⎪⎭⎫⎝⎛--=∇2448)(02x f0)(02=∇x f , 即)(02x f ∇不可逆，所以无法求得点1x .牛顿法的主要缺点:（1） 该法的某次迭代反而使目标函数值增大(见上例).（2） 初始点0x 距极小点*x 较远时,产生的点列{}kx可能不收敛,还会出现)(*2x f ∇的奇异情况.（3） )(*2x f ∇的逆矩阵计算量大. 牛顿迭代法的主要优点:当目标函数)(x f 满足一定条件,初始点0x 充分接近极小点*x 时,由牛顿法产生的点列{}kx 不仅能够收敛到*x,而且收敛速度非常快.实际应用中常将最速下降法和牛顿法结合起来使用.牛顿法的改进:上面介绍的牛顿法中,kx 处的搜索方向为)())((12kkkx f x f p ∇∇-=-,步长恒为 1.若通过一维搜索来取最优步长k λ,可防止在迭代中步长恒为1时标目标函数值增大的可能. 改进的牛顿法:①. 取初始点nR x ∈0,允许误差0:,0=>k ε.②. 检验是否满足ε<∇||)(||kx f ,若是,迭代停止,得到k x 为近似最优解.否则进入③.③. 令)())((12kk k x f x f p ∇∇-=-.④. 求k λ,使)()(min kk k k k p x f p x f λλλ+=+. ⑤. 令k k k k p x x λ+=+1,令1+=k k ：转②.三、坐标轮换法既然求解非线性规划问题的迭代法是给出初始点0x ,求出一个方向kp ,根据kp 确定步长k λ,使k k k k p x xλ+=+1，如果1+k x 满足某精度要求则停止，否则继续找方向1+k p .显然构造出搜索方向有一定的困难，能否按既定的搜索方向寻找最优解,省去找搜索方向kp 呢?在最速下降法中我们看到相邻两个搜索方向kp 和1+k p是正交的.我们知道在n 维欧氏空间中坐标轴向量n εεε,,,21 是正交的，可否选坐标轴向量为搜索方向kp 为呢?回答是肯定的，这样我们得到了坐标轮换法.基本思想:从1x 出发,取11ε=p ,沿1p 进行一维搜索得到1112p x x λ+=.若2x 满足精度要求,则停止.否则取22ε=p ,2223p x x λ+=.如此继续,, 取n n n n n n p x x p λε+==+1,，若1+n x 满足精度要求,则停止.否则令11ε=+n p ,1112+++++=n n n n p x x λ,如此反复连续,可以求出近似最优解.坐标轮换法的缺点是收敛速度较慢,搜索效率较低,但基本思想简单,沿坐标轴的方向进行搜索.四、共轭方向法和共轭梯度法共轭方向法是一类方法的总称,它原来是为求解目标函数为二次函数的问题而设计的.这类方法的特点是:方法中的搜索方向是与二次函数的系数矩阵Q 有关的所谓共轭方向，用这类方法求解n 元二次函数的极小化问题最多进行n 次一维搜索便可以得到极小点.由于可微的非二次函数在极小点附近的性态近似于二次函数,因此这类方法也用于求可微的非二次函数的UMP 问题.定义7.14 设Q 为n n ⨯对称正定矩阵,如果0=Qy x T称n 维向量x 和y 关于Q 共轭.定义7.15 设k p p p ,,,21 为nR 中一组向量, Q 是一个n n ⨯对称正定矩阵.如果k j i j i Qp p Qp p i T i j T i ,,2,1,,,0,0 =≠≠=,称k p p p ,,,21 为Q 共轭向量组,也称它们为一组Q 共轭方向.当E Q =(单位矩阵)时,为正交方向.定理7.8 若k p p p ,,,21 为矩阵Q 共轭向量组,则它们必线性无关. 证明: 若存在k l l l ,,,21 ,使011=++k k p l p l ,则对任一k j ,,2,1 =,由 0)(11===∑∑==j T j j ki j T j iki iiT jQp p l Qp pl p l Q p又0>j Tj Qp p , 0=∴j l∴ k p p p ,,,21 线性无关. 证毕.由高等代数知识可知, Q 共轭向量组中最多包含n 个向量, n 是向量的维数.反之,可以证明,由n 维空间的任一组基出发可以构造出一组Q 共轭方向11,,,-n pp p .前面我们已经讲述了坐标轮换法，在n 维欧几里德空间中, n εεε,,,21 是一组线性无关的正交向量.从0x 出发,依次使用n εεε,,,21 作为下降方向进行一维精确搜索来确定n x x x ,,,21 ,重复进行得点列{}k x ,最终求得满足精度要求的最优解.刚才我们引进了共轭向量组11,,,-n p p p ,又证明了它们的线性无关性,那么是否可以用这共轭向量组像坐标轮换法一样,从0x 出发依次用11,,,-n pp p 作为下降方向来确定{}kx,最终求得近似最优解?回答是肯定的.这个方法称为共轭方向法.共轭方向法适合任何可微凸函数,且对于二次函数极值)(min x f x p Qx x T T+=21特 别有效.下面的定理告诉我们用共轭方向法求解二次函数的极值，经过n 次迭代就能求得最优解.定理7.9 设Q 为n n ⨯对称正定矩阵,函数x p Qx x x f T T+=21)(,又设 110,,,-n p p p 为一组Q 共轭向量组,且每个i p 是(下面形成的)i x 点处的下降方向.则由任一点0x 出发,按如下迭代至多n 步后收敛,k k k k p x xλ+=+1,这里k λ满足)(m i n )(0k k k k k p x f p x f λλλ+=+>.证明: 欲证至多n 步收敛,即证0)(=∇nx f .下证)(nx f ∇和11,,,-n pp p 正交.p Qx x f +=∇)( p Qx x f kk+=∇∴)( p p x Q p Qx xf k k k k k ++=+=∇++)()(11λkk k k k k Qp x f p Qp Qx λλ+∇=++=)( =+∇=∇---111)()(n n n n Qpx f x f λ 11111)(--++++++∇=n n k k k Qp Qp xf λλQ p Q p x f x f Tn n T k k T k T n )()()()(11111--++++++∇=∇λλkT n n k T k k k T k k T n Qp p Qp p p x f p x f )()()()(11111--++++++∇=∇λλ000+++= )2,,2,1,0(-=n k 又0)(1=∇-n Tn px f0)(=∇∴kT n p x f )1,,1,0(-=n k)(nx f ∇∴和11,,,-n pp p 正交， 又110,,,-n pp p 线性无关.0)(=∇∴nx fnx ∴是问题的最优解. 证毕. 共轭方向法具有二次有限终止性. 由于共轭方向组11,,,-n p p p 的取法有很大的随意性,用不同方式产生一组共轭方向就得到不同的共轭方向法.如果利用迭代点处的负梯度向量为基础产生一组共轭方向,这样的方法叫共轭梯度法.下面对二次函数讨论形成Q 共轭梯度方向的一般方法,然后引到求解无约束化问题上.任取初始点n R x ∈0,若0)(0≠∇x f ,取)(0x f p -∇=,从0x 点沿方向0p 进行一维搜索 ,求得0λ.令0001p x x λ+=,若0)(1=∇x f ,则已获得最优解1*x x =.否则，取0011)(p x f p υ+-∇=,其中0υ的选择要使1p 和0p 关于Q 共轭，由0)(01=Qp p T ,得0100)()()(Qp p x f Q p T T ∇=υ一般地,若已获得Q 共轭方向kp p p ,,,1和依次沿它们进行一维搜索的得到的点列110,,,+k x x x ,若0)(1=∇+k x f ,则最优解为1*+=k x x ,否则∑=+++-∇=ki i i k k p xf p011)(α为使1+k p 和11,,,-k pp p 是共轭,可证0110====-k ααα所以有 k k k k p x f pυ+-∇=++)(11又1+k p和kp 是Q 共轭的.有0)(1=+k Tk Qp p，得kT k k T k k Qpp x f Q p )()()(1+∇=υ 2,,2,1,0-=n k 进一步可得k υ221||)(||||)(||k k x f x f ∇∇=+ 2,,1,0-=n k综合起来得 Fletcher-Reeves 公式2)21110||(||||)(||)()(k k k k k k k x f x f p x f px f p ∇∇=+-∇=-∇=+++υυ 2,,2,1,0-=n k （7.10）共轭梯度法： ①． 选取初始点0x ，给定终止误差0>ε. ②． 计算)(0x f ∇，若ε≤∇||)(||0x f ,停止迭代，输出0x .否则进行③.③． 取)(0x f p -∇=，令0:=k④． 求k λ，)(min )(0kkkk kp x f p x f λλλ+=+≥，令k k k k p x xλ+=+1⑤． 计算)(1+∇k xf ，若ε≤∇+||)(||1k x f ，停止迭代，1*+=k x x 为最优解.否则转⑥.⑥． 若n k =+1，令nx x =:0，转③(已经完成一组共轭方向的迭代,进入下一轮)否则转⑦ ⑦． 取kk k k p xf pυ+-∇=++)(11,其中221||)(||||)(||k k k x f x f ∇∇=+υ,令1:+=k k ,转④当)(x f 是二次函数时上述共轭梯度法至多进行n 步可求得最优解.当)(x f 不是二次函数,共轭梯度法也可以构造11,,,-n p p p ,但已不具有有限步收敛的性质，于是和坐标轮换法一样经过一轮迭代后,采用重新开始的技巧.上述共轭梯度法就是带有再开始技巧的F-R 法.例7.6 用F-R 法求下面问题 2212121252),(m in x x x x x f +-=取初始点T x )2,2(0=,终止误差为610-=ε解:在例7.4中已得Tx f p )100,2()(0-=-∇= Tx )0007679.0,959984642.1(1-= Tx f )038395.0,919969284.1()(1-=∇000368628.010004687756228.3||)(||||)(||20210==∇∇=x f x f υ ⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫ ⎝⎛--+⎪⎪⎭⎫ ⎝⎛-=+-∇=0015322.092070654.11002000368628.0038395.0919969284.1)(0011p x f p υ⎪⎪⎭⎫ ⎝⎛+--=+0015322.00007679.092070654.1959984642.111λλλp x0378228399.7687703443.3)(11=+-=+λλλd p x df499808794.01=∴λ⎪⎪⎭⎫ ⎝⎛≈⎪⎪⎭⎫ ⎝⎛-=⎪⎪⎭⎫⎝⎛⨯+--⨯+=+=010********.0999998622.00015322.0499808794.00007679.0)92070654.1(499808794.0959984642.11112p x x λε<=∇0||)(||2x f , ∴最优解⎪⎪⎭⎫⎝⎛==012*x x .五、变尺度法当初始点为)(x f 的其极值点附近时牛顿法收敛速度很快，但缺点是需计算)(2kx f ∇的逆矩阵，在实际问题中目标函数往往相当复杂，计算二阶导数的工作量或者太大或者不可能，在x 的维数很高时，计算逆矩阵也相当费事.如果能设法构造另一个矩阵kH ，用它来逼近二阶导数矩阵的逆矩阵12))((-∇kx f 则可避免上述问题.下面就来研究如何构造12))((-∇kx f 的近似矩阵kH .我们希望：每一步都能以现有的信息来确定下一个搜索方向，每做一次迭代，目标函数值均有所下降，这些近似矩阵最后应收敛于最优解处的海赛矩阵的逆矩阵12))((-∇kx f .p Qx x f xp Qx x x f T T+=∇+=)(21)(考虑于是 )]()([)()()(11111k k k k k k k k x f x f Q x x x x Q x f xf ∇-∇=-⇒-=∇-∇+-+++当)(x f 是非二次函数时，令)]()([111k k k k k x f x f H x x ∇-∇=-+++ （7.11）称为拟牛顿条件.显然，我们构造出来的近似矩阵k H 必须满足上述拟牛顿条件及递推性：k k k H H H ∆+=+1，这里k H ∆称为矫正矩阵.记 k k k kk k x x x x f x f G -=∆∇-∇=∆++11)()( 有 kk k k k k G H H G H x ∆∆+=∆=∆+)(1 .变尺度法即DEP 法是由Davidon 首先提出，后来又被Fletcher 和Powell 改进的算法.记kk T k kT k k k k T k T k k k k kk T k kT k k k k T k T k k kG H G HG G H x G x x H H G H G H G G H x G x x H ∆∆∆∆-∆∆∆∆+=∆∆∆∆-∆∆∆∆=∆+)()()()()()()()(1 （7.12）容易验证1+k H 满足拟牛顿条件，称上式为DEP 公式.变尺度方法计算步骤：（１） 给出初始点nR x ∈0，允许误差0>ε.（２） 若ε<∇||)(||0x f ，停止，0x 为近似最优解；否则转下一步.（３） 取I H =0（单位矩阵），0=：k . （４） )(kk k x f H p ∇-=（５） 求k λ，使)(min )(0kk k k k p x f p x f λλλ+=+≥. （６） 令kk k k p x xλ+=+1（７） 若ε<∇+||)(||1k xf ，1+k x 为最优解，停止；否则当1-=n k 时，令n x x =：0转（３）.（即迭代一轮n 次仍没求得最优解，以新的0x 为起点重新开始一轮新的迭代）.k k k k k kx x x x f xf G n k -=∆∇-∇=∆-<++11),()(1时，令当.计算kk T k kT k k k k T k T k k kk G H G H G G H x G x x H H∆∆∆∆-∆∆∆∆+=+)()()()(1，令1+=k k ：，转（４）. §4 约束极值的最优化方法考虑(MP)问题：0)(0)(..)(min =≥x H x g t s x f （7.13）其中Tl T m x h x h x h x g x g x g ))(,),(()(,))(,),(()(11 ==是向量函数.显然 0)(0)(0)(≥-≥⇔=x h x h x h ， 于是（MP ）问题可以写为：Tm x g x g x g x g t s x f ))(,),(()(0)(..)(min 1 =≥ （7.14）一、积极约束设0x 是（MP ）问题（5.14）的一个可行解.对0)(0≥x g i 来说，在点0x 有两种情况：或者0)(0>x g i ，或者0)(0=x g i .0)(0>x g i 时，则0x 不在0)(0=x g i 形成的边界上，称这一约束为0x 的非积极约束；0)(0=x g i 时，0x 处于由0)(0≥x g i 这个约束条件形成的可行域边界上，当0x 有变化时就不满足0)(0=x g i 的条件，所以称为积极约束，记为：{}()|()0,1i I x i g x i m ==≤≤.定义7.16 设x 满足约束条件0)(0≥x g i ),,1(m i =，0)(|{)(==x g i x I i ，}m i ≤≤1，如果)(x g i ∇，)(x I i ∈线性无关，则称点x 是约束条件的一个正则点.二、可行方向、下降方向的代数条件前面我们已经给出可行方向和下降方向的定义，下面给出其代数条件.可行方向：设K 是（MP ）问题（5.14）的可行域，K x ∈,0,≠∈p R p n.若存在00>λ使得],0[0λλ∈时有K p x ∈+λ，称p 为x 点处的一个可行方向.由泰勒公式：||)(||)()()(p p x g x g p x g T i i i λολλ+∇+=+当x 为)(x g i 的积极约束时，有0)(=x g i .只要0>λ足够小，)(p x g i λ+和p x g T i )(∇λ同号，于是当0)(>∇p x g T i 时有0)(≥+p x g i λ )(x I i ∈.当x 为)(x g i 的非积极约束时，有0)(>x g i .由)(x g i 的连续性，当0>λ足够小时，由保号性知 0)(≥+p x g i λ )(x I i ∉.所以只要 0)(>∇p x g T i ，)(x I i ∈就可保证0)(≥+p x g i λ，于是p 为x 点处的一个可行方向.称0)(>∇p x g T i ，)(x I i ∈ 为p 在点x 处是可行方向的代数条件.下降方向：设K 是（MP ）问题的可行域，K x ∈,0,≠∈p R p n.若存在00>λ使得],0[0λλ∈时，有)()(x f p x f <+λ，称p 为x 点处的一个下降方向.由泰勒公式：||)(||)()()(p p x f x f p x f Tλολλ+∇+=+.当λ足够小时，只要0)(<∇p x f T，有)()(x f p x f <+λ. 称0)(<∇p x f T为p 在x 点处的一个下降方向的代数条件.三、可行下降方向设K 为（MP ）问题（5.14）的可行域，K x ∈，若存在0,≠∈p R p n，p 既是x 点处的下降方向又是可行方向，则称p 为点x 处的可行下降方向.定理7.10 考虑非线性规划问题（5.14），K x ∈，),,1)()(m i x g x f i =（和在x点处可微，若*x 是局部极小点，则x 点处必不存在可行下降方向，即不存在p 同时满足：⎪⎩⎪⎨⎧∈>∇<∇)(0)(0)(x I i p x g p x f Ti T证明：反证法，设局部极小点x 处存在可行下降方向p ，于是1λ∃，当],0[1λλ∈时有)()(x f p x f <+λ，又p 为可行方向．2λ∃∴当],0[2λλ∈时K p x ∈+λ，这与x 是。
dinkelbach’s method
dinkelbach’s methodDinkelbach’s Method（丁克尔巴赫法）是一种优化算法，常用于解决非线性规划问题。
该方法通过将目标函数转化为一系列线性规划问题，从而找到目标函数的最优解。
本文将介绍Dinkelbach’s Method的基本原理和应用。
让我们来了解一下非线性规划问题。
非线性规划是一类包含非线性目标函数和约束条件的优化问题。
在实际应用中，许多问题都可以归结为非线性规划问题，例如经济学、工程学和管理学等领域。
然而，由于非线性规划问题的复杂性，求解其最优解通常是一项困难的任务。
Dinkelbach’s Method通过引入一个辅助变量，将非线性规划问题转化为一系列线性规划问题。
具体而言，假设我们的目标是最小化一个非线性目标函数f(x)，其中x是决策变量。
我们可以引入一个辅助变量y，然后将目标函数转化为线性形式g(x,y) = f(x) - y。
显然，当g(x,y)的最优解为0时，即可得到原始目标函数f(x)的最优解。
接下来，我们需要解决一系列线性规划问题。
对于每个固定的y值，我们需要求解g(x,y)的最优解。
然后，通过逐步迭代更新y值，直到g(x,y)的最优解为0。
这样，我们就可以得到原始目标函数f(x)的最优解。
Dinkelbach’s Method的优势在于，它将一个复杂的非线性规划问题转化为一系列相对简单的线性规划问题。
由于线性规划问题有着成熟的求解算法，因此我们可以利用这些算法来解决每个线性规划子问题。
这种迭代求解的过程通常会收敛到最优解，从而得到原始目标函数的最优解。
Dinkelbach’s Method的应用非常广泛。
例如，在能源经济学中，我们可以将能源生产的成本作为目标函数，通过优化决策变量来降低能源生产的成本。
在供应链管理中，我们可以将运输成本或库存成本作为目标函数，通过优化决策变量来提高供应链的效率。
此外，Dinkelbach’s Method还可以应用于机器学习领域，用于优化模型的性能指标。
线性规划的常见题型及其解法(教师版,题型全,归纳好)
之老阳三干创作创作时间：课题 线性规划的罕见题型及其解法谜底线性规划问题是高考的重点,而线性规划问题具有代数和几何的双重形式,多与函数、平面向量、数列、三角、概率、解析几何等问题交叉渗透,自然地融合在一起,使数学问题的解答变得更加新颖新颖．归纳起来罕见的命题探究角度有： 1．求线性目标函数的最值． 2．求非线性目标函数的最值． 3．求线性规划中的参数． 4．线性规划的实际应用．本节主要讲解线性规划的罕见基础类题型．【母题一】已知变量x ,y满足约束条件⎩⎨⎧x ＋y≥3x －y≥－12x －y≤3则目标函数z ＝2x ＋3y 的取值范围为( )A ．[7,23]B ．[8,23]C ．[7,8]D ．[7,25]求这类目标函数的最值常将函数z ＝ax ＋by 转化为直线的斜截式：y ＝－a b x ＋z b ,通过求直线的截距zb的最值,间接求出z的最值．【解析】画出不等式组⎩⎨⎧x ＋y≥3x －y≥－12x －y≤3暗示的平面区域如图中阴影部份所示,由目标函数z ＝2x ＋3y 得y ＝－23x ＋z 3,平移直线y ＝－23x 知在点B处目标函数取到最小值,解方程组⎩⎪⎨⎪⎧x ＋y ＝32x －y ＝3得⎩⎪⎨⎪⎧x ＝2y ＝1所以B (2,1),z min ＝2×2＋3×1＝7,在点A 处目标函数取到最年夜值,解方程组⎩⎪⎨⎪⎧ x －y ＝－12x －y ＝3得⎩⎪⎨⎪⎧x ＝4y ＝5所以A (4,5),z max＝2×4＋3×5＝23．【谜底】A【母题二】变量x ,y 满足⎩⎨⎧x －4y ＋3≤03x ＋5y －25≤0x≥1(1)设z ＝y2x －1,求z 的最小值；(2)设z ＝x 2＋y 2,求z 的取值范围；(3)设z ＝x 2＋y 2＋6x －4y ＋13,求z 的取值范围．(x ,y )在不等式组暗示的平面区域内,y2x －1＝12·y －0⎝⎛⎭⎪⎫x －12暗示点(x ,y )和⎝ ⎛⎭⎪⎪⎫120连线的斜率；x 2＋y 2暗示点(x ,y )和原点距离的平方；x 2＋y 2＋6x －4y ＋13＝(x ＋3)2＋(y －2)2暗示点(x ,y )和点(－3,2)的距离的平方．【解析】(1)由约束条件⎩⎨⎧x －4y ＋3≤03x ＋5y －25≤0x≥1作出(x ,y )的可行域如图所示．由⎩⎪⎨⎪⎧x ＝13x ＋5y －25＝0解得A ⎝ ⎛⎭⎪⎪⎫1225．由⎩⎪⎨⎪⎧ x ＝1x －4y ＋3＝0解得C (1,1)．由⎩⎪⎨⎪⎧x －4y ＋3＝03x ＋5y －25＝0解得B (5,2)．∵z ＝y 2x －1＝y －0x －12×12∴z 的值即是可行域中的点与⎝ ⎛⎭⎪⎪⎫120连线的斜率,观察图形可知z min ＝2－05－12×12＝29．(2)z ＝x 2＋y 2的几何意义是可行域上的点到原点O 的距离的平方．结合图形可知,可行域上的点到原点的距离中,d min＝|OC|＝2,d max＝|OB|＝29．∴2≤z≤29．(3)z＝x2＋y2＋6x－4y＋13＝(x＋3)2＋(y－2)2的几何意义是：可行域上的点到点(－3,2)的距离的平方．结合图形可知,可行域上的点到(－3,2)的距离中,d min＝1－(－3)＝4,d max＝－3－52＋2－22＝8∴16≤z≤64．1．求目标函数的最值的一般步伐为：一画二移三求．其关键是准确作出可行域,理解目标函数的意义．2．罕见的目标函数有：(1)截距型：形如z＝ax＋by．求这类目标函数的最值常将函数z＝ax＋by转化为直线的斜截式：y＝－abx＋zb,通过求直线的截距zb的最值,间接求出z的最值．(2)距离型：形一：如z＝,z＝,此类目标函数常转化为点(x,y)与定点的距离；形二：z＝(x－a)2＋(y－b)2,z＝x2＋y2＋Dx＋Ey＋F,此类目标函数常转化为点(x,y)与定点的距离的平方．(3)斜率型：形如z＝yx,z＝ay－bcx－d,z＝ycx－d,z＝ay－bx,此类目标函数常转化为点(x ,y )与定点所在直线的斜率．【提醒】注意转化的等价性及几何意义． 角度一：求线性目标函数的最值1．(2014·新课标全国Ⅱ卷)设x ,y 满足约束条件⎩⎨⎧x ＋y －7≤0x －3y ＋1≤03x －y －5≥0则z ＝2x －y 的最年夜值为( )A ．10B ．8C ．3D ．2【解析】作出可行域如图中阴影部份所示,由z ＝2x －y 得y ＝2x －z ,作出直线y ＝2x ,平移使之经过可行域,观察可知,当直线经过点A (5,2)时,对应的z 值最年夜．故z max ＝2×5－2＝8．【谜底】B2．(2015·高考天津卷)设变量x ,y 满足约束条件⎩⎨⎧x ＋2≥0x －y ＋3≥02x ＋y －3≤0则目标函数z ＝x ＋6y 的最年夜值为( )A ．3B ．4C ．18D ．40【解析】作出约束条件对应的平面区域如图所示 ,当目标函数经过点(0,3)时,z 取得最年夜值18．【谜底】C3．(2013·高考陕西卷)若点(x ,y )位于曲线y ＝|x |与y ＝2所围成的封闭区域,则2x －y 的最小值为( )A ．－6B ．－2C ．0D ．2【解析】如图,曲线y ＝|x |与y ＝2所围成的封闭区域如图中阴影部份,令z ＝2x －y ,则y ＝2x －z ,作直线y ＝2x ,在封闭区域内平行移动直线y ＝2x ,当经过点(－2,2)时,z 取得最小值,此时z ＝2×(－2)－2＝－6．【谜底】A角度二：求非线性目标的最值4．(2013·高考山东卷)在平面直角坐标系xOy 中,M 为不等式组⎩⎨⎧2x －y －2≥0x ＋2y －1≥03x ＋y －8≤0所暗示的区域上一动点,则直线OM 斜率的最小值为( )A ．2B ．1C ．－13D ．－12【解析】已知的不等式组暗示的平面区域如图中阴影所示, 显然当点M 与点A 重合时直线OM 的斜率最小,由直线方程x ＋2y －1＝0和3x ＋y －8＝0,解得A (3,－1),故OM 斜率的最小值为－13．【解析】C5．已知实数x ,y 满足⎩⎪⎨⎪⎧0≤x≤2y≤2x ≤2y 则z ＝2x ＋y －1x －1的取值范围．【解】由不等式组画出可行域如图中阴影部份所示, 目标函数z ＝2x ＋y －1x －1＝2＋y ＋1x －1的取值范围可转化为点(x ,y )与(1,－1)所在直线的斜率加上2的取值范围,由图形知,A 点坐标为(2,1),则点(1,－1)与(2,1)所在直线的斜率为22＋2,点(0,0)与(1,－1)所在直线的斜率为－1,所以z 的取值范围为(－∞,1]∪[22＋4,＋∞)．【谜底】(－∞,1]∪[22＋4,＋∞)6．(2015·郑州质检)设实数x ,y 满足不等式组⎩⎨⎧x ＋y ≤2y －x ≤2y ≥1则x 2＋y 2的取值范围是( )A ．[1,2]B ．[1,4]C ．[2,2]D ．[2,4] 【解析】如图所示,不等式组暗示的平面区域是△ABC 的内部(含鸿沟),x 2＋y 2暗示的是此区域内的点(x ,y )到原点距离的平方．从图中可知最短距离为原点到直线BC 的距离,其值为1；最远的距离为AO ,其值为2,故x 2＋y 2的取值范围是[1,4]．【谜底】B7．(2013·高考北京卷)设D为不等式组⎩⎨⎧x ≥02x －y ≤0x ＋y －3≤0所暗示的平面区域,区域D 上的点与点(1,0)之间的距离的最小值为________．【解析】作出可行域,如图中阴影部份所示,则根据图形可知,点B (1,0)到直线2x －y ＝0的距离最小,d ＝|2×1－0|22＋1＝255,故最小距离为255．【谜底】2558．设不等式组⎩⎨⎧x ≥1x －2y ＋3≥0y ≥x所暗示的平面区域是Ω1,平面区域Ω2与Ω1关于直线3x －4y －9＝0对称．对Ω1中的任意点A 与Ω2中的任意点B ,|AB |的最小值即是( )A ．285B ．4C ．125D ．2【解析】不等式组⎩⎪⎨⎪⎧x≥1x －2y ＋3≥0y≥x ,所暗示的平面区域如图所示,解方程组⎩⎪⎨⎪⎧x ＝1y ＝x,得⎩⎪⎨⎪⎧x ＝1y ＝1．点A (1,1)到直线3x －4y －9＝0的距离d ＝|3－4－9|5＝2,则|AB |的最小值为4．【谜底】B角度三：求线性规划中的参数9．若不等式组⎩⎨⎧x ≥0x ＋3y ≥43x ＋y ≤4所暗示的平面区域被直线y ＝kx ＋43分为面积相等的两部份,则k 的值是( )A ．73B ．37C ．43D ．34【解析】不等式组暗示的平面区域如图所示．由于直线y ＝kx ＋43过定点⎝ ⎛⎭⎪⎪⎫043．因此只有直线过AB 中点时,直线y＝kx ＋43能平分平面区域．因为A (1,1),B (0,4),所以AB 中点D ⎝ ⎛⎭⎪⎪⎫1252．当y ＝kx ＋43过点⎝ ⎛⎭⎪⎪⎫1252时,52＝k 2＋43,所以k ＝73．【解析】A10．(2014·高考北京卷)若x ,y满足⎩⎨⎧x ＋y －2≥0kx －y ＋2≥0y ≥0且z ＝y －x 的最小值为－4,则k 的值为( )A ．2B ．－2C ．12D ．－12【解析】D作出线性约束条件⎩⎨⎧x ＋y －2≥0kx －y ＋2≥0y ≥0的可行域．当k ＞0时,如图①所示,此时可行域为y 轴上方、直线x ＋y －2＝0的右上方、直线kx －y ＋2＝0的右下方的区域,显然此时z ＝y －x 无最小值．当k ＜－1时,z ＝y －x 取得最小值2；当k ＝－1时,z ＝y －x 取得最小值－2,均不符合题意．当－1＜k ＜0时,如图②所示,此时可行域为点A (2,0),B ⎝ ⎛⎭⎪⎪⎫－2k 0,C (0,2)所围成的三角形区域,当直线z ＝y －x 经过点B ⎝ ⎛⎭⎪⎪⎫－2k 0时,有最小值,即－⎝ ⎛⎭⎪⎫－2k ＝－4⇒k ＝－12．【谜底】D11．(2014·高考安徽卷)x ,y满足约束条件⎩⎨⎧ x ＋y －2≤0x －2y －2≤02x －y ＋2≥0.若z ＝y －ax 取得最年夜值的最优解不惟一,则实数a 的值为( )A ．12或－1B ．2或12C ．2或1D ．2或－1【解析】法一：由题中条件画出可行域如图中阴影部份所示,可知A (0,2),B (2,0),C (－2,－2),则z A ＝2,z B ＝－2a ,z C ＝2a －2,要使目标函数取得最年夜值的最优解不惟一,只要z A ＝z B ＞z C 或z A ＝z C ＞z B 或z B ＝z C ＞z A ,解得a ＝－1或a ＝2．法二：目标函数z ＝y －ax 可化为y ＝ax ＋z ,令l 0：y ＝ax ,平移l 0,则当l 0∥AB 或l 0∥AC 时符合题意,故a ＝－1或a ＝2．【谜底】D12．在约束条件⎩⎪⎨⎪⎧ x ≥0y ≥0x ＋y ≤s y ＋2x ≤4.下,当3≤s ≤5时,目标函数z ＝3x ＋2y 的最年夜值的取值范围是( ) A ．[6,15]B ．[7,15]C ．[6,8]D ．[7,8]【解析】 由⎩⎪⎨⎪⎧ x ＋y ＝s y ＋2x ＝4得⎩⎪⎨⎪⎧ x ＝4－s y ＝2s －4,则交点为B (4－s,2s －4),y ＋2x ＝4与x 轴的交点为A (2,0),与y 轴的交点为C ′(0,4),x ＋y ＝s 与y 轴的交点为C (0,s )．作出当s ＝3和s ＝5时约束条件暗示的平面区域,即可行域,如图(1)(2)中阴影部份所示．(1) (2)当3≤s ＜4时,可行域是四边形OABC 及其内部,此时,7≤z max ＜8；当4≤s ≤5时,可行域是△OAC ′及其内部,此时,z max ＝8．综上所述,可得目标函数z ＝3x ＋2y 的最年夜值的取值范围是[7,8]．【谜底】D13．(2015·通化一模)设x ,y 满足约束条件⎩⎪⎨⎪⎧ x ≥0y ≥0x 3a ＋y 4a≤1若z ＝x ＋2y ＋3x ＋1的最小值为32,则a 的值为________． 【解析】∵x ＋2y ＋3x ＋1＝1＋2y ＋1x ＋1,而y ＋1x ＋1暗示过点(x ,y )与(－1,－1)连线的斜率,易知a ＞0, ∴可作出可行域,由题意知y ＋1x ＋1的最小值是14,即⎝ ⎛⎭⎪⎫y ＋1x ＋1min ＝0－－13a －－1＝13a ＋1＝14⇒a ＝1． 【谜底】1角度四：线性规划的实际应用14．A ,B 两种规格的产物需要在甲、乙两台机器上各自加工一道工序才华成为制品．已知A 产物需要在甲机器上加工3小时,在乙机器上加工1小时；B 产物需要在甲机器上加工1小时,在乙机器上加工3小时．在一个工作日内,甲机器至多只能使用11小时,乙机器至多只能使用9小时．A 产物每件利润300元,B 产物每件利润400元,则这两台机器在一个工作日内缔造的最年夜利润是________元．【解析】 设生产A 产物x 件,B 产物y 件,则x ,y 满足约束条件⎩⎪⎨⎪⎧ 3x ＋y ≤11x ＋3y ≤9x ∈N y ∈N 生产利润为z ＝300x ＋400y ．画出可行域,如图中阴影部份(包括鸿沟)内的整点,显然z ＝300x ＋400y 在点A处取得最年夜值,由方程组⎩⎪⎨⎪⎧ 3x ＋y ＝11x ＋3y ＝9解得⎩⎪⎨⎪⎧ x ＝3y ＝2则z max ＝300×3＋400×2＝1 700．故最年夜利润是 1 700元．【谜底】1 70015．某玩具生产公司每天计划生产卫兵、骑兵、伞兵这三种玩具共100个,生产一个卫兵需5分钟,生产一个骑兵需7分钟,生产一个伞兵需4分钟,已知总生产时间不超越10小时．若生产一个卫兵可获利润5元,生产一个骑兵可获利润6元,生产一个伞兵可获利润3元．(1)试用每天生产的卫兵个数x 与骑兵个数y 暗示每天的利润w (元)；(2)怎样分配生产任务才华使每天的利润最年夜,最年夜利润是几多？【解析】(1)依题意每天生产的伞兵个数为100－x －y ,所以利润w ＝5x ＋6y ＋3(100－x －y )＝2x ＋3y ＋300．(2)约束条件为⎩⎪⎪⎨⎪⎪⎧5x ＋7y ＋4100－x －y ≤600100－x －y ≥0x ≥0y ≥0x y ∈N .整理得⎩⎪⎪⎨⎪⎪⎧ x ＋3y ≤200x ＋y ≤100x ≥0y ≥0x y ∈N. 目标函数为w ＝2x ＋3y ＋300． 作出可行域．如图所示： 初始直线l 0：2x ＋3y ＝0,平移初始直线经过点A 时,w 有最年夜值．由⎩⎪⎨⎪⎧ x ＋3y ＝200x ＋y ＝100得⎩⎪⎨⎪⎧ x ＝50y ＝50.最优解为A (50,50),所以w max ＝550元．所以每天生产卫兵50个,骑兵50个,伞兵0个时利润最年夜,最年夜利润为550元．一、选择题1．已知点(－3,－1)和点(4,－6)在直线3x －2y －a ＝0的两侧,则a 的取值范围为( )A ．(－24,7)B ．(－7,24)C ．(－∞,－7)∪(24,＋∞) D．(－∞,－24)∪(7,＋∞)【解析】根据题意知(－9＋2－a )·(12＋12－a )＜0．即(a ＋7)(a －24)＜0,解得－7＜a ＜24．【谜底】B2．(2015·临沂检测)若x ,y 满足约束条件⎩⎨⎧x ≥0x ＋2y ≥32x ＋y ≤3则z ＝x －y 的最小值是( )A ．－3B ．0C ．32D ．3 【解析】作出不等式组⎩⎨⎧ x ≥0x ＋2y ≥32x ＋y ≤3暗示的可行域(如图所示的△ABC 的鸿沟及内部)． 平移直线z ＝x －y ,易知当直线z ＝x －y 经过点C (0,3)时,目标函数z ＝x －y 取得最小值,即z min ＝－3．【谜底】A3．(2015·泉州质检)已知O 为坐标原点,A (1,2),点P 的坐标(x ,y )满足约束条件⎩⎪⎨⎪⎧ x ＋|y|≤1x≥0则z ＝OA →·OP →的最年夜值为( )A ．－2B ．－1C ．1D ．2【解析】如图作可行域,z ＝OA →·OP →＝x ＋2y ,显然在B (0,1)处z max ＝2．【谜底】D4．已知实数x ,y 满足：⎩⎨⎧x －2y ＋1≥0x<2x ＋y －1≥0则z ＝2x －2y －1的取值范围是( ) A ．⎣⎢⎢⎡⎦⎥⎥⎤535B ．[0,5] C ．⎣⎢⎢⎡⎭⎪⎪⎫535D ．⎣⎢⎢⎡⎭⎪⎪⎫－535 【解析】画出不等式组所暗示的区域,如图阴影部份所示,作直线l ：2x －2y －1＝0,平移l 可知2×13－2×23－1≤z <2×2－2×(－1)－1,即z 的取值范围是⎣⎢⎢⎡⎭⎪⎪⎫－535．【谜底】D5．如果点(1,b )在两条平行直线6x －8y ＋1＝0和3x －4y ＋5＝0之间,则b 应取的整数值为( )A ．2B ．1C ．3D ．0【解析】由题意知(6－8b ＋1)(3－4b ＋5)＜0,即⎝⎛⎭⎪⎫b －78(b －2)＜0,∴78＜b ＜2,∴b 应取的整数为1． 【谜底】B6．(2014·郑州模拟)已知正三角形ABC 的极点A (1,1),B (1,3),极点C 在第一象限,若点(x ,y )在△ABC 内部,则z ＝－x ＋y 的取值范围是( )A ．(1－3,2)B ．(0,2)C ．(3－1,2)D ．(0,1＋3)【解析】如图,根据题意得C (1＋3,2)．作直线－x ＋y ＝0,并向左上或右下平移,过点B (1,3)和C (1＋3,2)时,z ＝－x ＋y 取范围的鸿沟值,即－(1＋3)＋2<z <－1＋3,∴z ＝－x ＋y 的取值范围是(1－3,2)．【谜底】A7．(2014·成都二诊)在平面直角坐标系xOy 中,P 为不等式组⎩⎨⎧ y≤1x ＋y －2≥0x －y －1≤0所暗示的平面区域上一动点,则直线OP 斜率的最年夜值为( )A ．2B ．13C ．12D ．1 【解析】作出可行域如图所示,当点P位于⎩⎪⎨⎪⎧ x ＋y ＝2y ＝1的交点(1,1)时,(k OP )max ＝1．【谜底】D8．在平面直角坐标系xOy 中,已知平面区域A ＝{(x ,y )|x ＋y ≤1,且x ≥0,y ≥0},则平面区域B ＝{(x ＋y ,x －y )|(x ,y )∈A }的面积为( )A ．2B ．1C ．12D ．14【解析】不等式⎩⎨⎧ x ＋y≤1x≥0y≥0所暗示的可行域如图所示,设a ＝x ＋y ,b ＝x －y ,则此两目标函数的范围分别为a ＝x ＋y ∈[0,1],b ＝x －y ∈[－1,1],又a ＋b ＝2x ∈[0,2],a －b ＝2y ∈[0,2],∴点坐标(x ＋y ,x －y ),即点(a ,b )满足约束条件⎩⎪⎨⎪⎧ 0≤a≤1－1≤b≤10≤a＋b≤20≤a－b≤2作出该不等式组所暗示的可行域如图所示,由图示可得该可行域为一等腰直角三角形,其面积S ＝12×2×1＝1．【谜底】B9．设x ,y 满足约束条件⎩⎪⎨⎪⎧ 3x －y －2≤0x －y≥0x≥0y≥0若目标函数z ＝ax ＋by (a ＞0,b ＞0)的最年夜值为4,则ab 的取值范围是( )A ．(0,4)B ．(0,4]C ．[4,＋∞) D．(4,＋∞) 【解析】作出不等式组暗示的区域如图阴影部份所示,由图可知,z ＝ax ＋by (a >0,b >0)过点A (1,1)时取最年夜值,∴a ＋b ＝4,ab ≤⎝ ⎛⎭⎪⎫a ＋b 22＝4,∵a ＞0,b ＞0,∴ab ∈(0,4]． 【谜底】B10．设动点P (x ,y )在区域Ω：⎩⎨⎧ x ≥0y ≥xx ＋y ≤4上,过点P 任作直线l ,设直线l 与区域Ω的公共部份为线段AB ,则以AB 为直径的圆的面积的最年夜值为( )A ．π B．2πC ．3π D．4π 【解析】作出不等式组所暗示的可行域如图中阴影部份所示, 则根据图形可知,以AB 为直径的圆的面积的最年夜值S ＝π×⎝ ⎛⎭⎪⎫422＝4π． 【谜底】D11．(2015·西南三校联考)变量x ,y 满足约束条件⎩⎨⎧ y ≥－1x －y ≥23x ＋y ≤14若使z ＝ax ＋y 取得最年夜值的最优解有无穷多个,则实数a 的取值集合是( )A ．{－3,0}B ．{3,－1}C ．{0,1}D ．{－3,0,1}【解析】作出不等式组所暗示的平面区域,如图所示．易知直线z ＝ax ＋y 与x －y ＝2或3x ＋y ＝14平行时取得最年夜值的最优解有无穷多个,即－a ＝1或－a ＝－3,∴a ＝－1或a ＝3．【谜底】B12．(2014·新课标全国Ⅰ卷)设x ,y 满足约束条件⎩⎪⎨⎪⎧ x ＋y ≥a x －y ≤－1且z ＝x ＋ay 的最小值为7,则a ＝( )A ．－5B ．3C ．－5或3D ．5或－3【解析】法一：联立方程⎩⎪⎨⎪⎧ x ＋y ＝a x －y ＝－1解得⎩⎪⎨⎪⎧x ＝a －12y ＝a ＋12代入x ＋ay ＝7中,解得a ＝3或－5,当a ＝－5时,z ＝x ＋ay 的最年夜值是7；当a ＝3时,z ＝x ＋ay 的最小值是7．法二：先画出可行域,然后根据图形结合选项求解．当a ＝－5时,作出不等式组暗示的可行域,如图(1)(阴影部份)．图(1) 图(2)由⎩⎪⎨⎪⎧x －y ＝－1x ＋y ＝－5得交点A (－3,－2),则目标函数z ＝x －5y过A 点时取得最年夜值．z max ＝－3－5×(－2)＝7,不满足题意,排除A,C 选项．当a ＝3时,作出不等式组暗示的可行域,如图(2)(阴影部份)．由⎩⎪⎨⎪⎧x －y ＝－1x ＋y ＝3得交点B (1,2),则目标函数z ＝x ＋3y 过B点时取得最小值．z min ＝1＋3×2＝7,满足题意．【谜底】B13．若a ≥0,b ≥0,且当⎩⎨⎧x ≥0y ≥0x ＋y ≤1时,恒有ax ＋by ≤1,则由点P (a ,b )所确定的平面区域的面积是( )A ．12B ．π4C ．1D ．π2【解析】因为ax ＋by ≤1恒成立,则当x ＝0时,by ≤1恒成立,可得y ≤1b(b ≠0)恒成立,所以0≤b ≤1；同理0≤a ≤1．所以由点P (a ,b )所确定的平面区域是一个边长为1的正方形,面积为1．【谜底】C14．(2013·高考北京卷)设关于x ,y 的不等式组⎩⎨⎧2x －y ＋1>0x ＋m<0y －m>0暗示的平面区域内存在点P (x 0,y 0),满足x 0－2y 0＝2．求得m 的取值范围是( )A ．⎝ ⎛⎭⎪⎪⎫－∞43B ．⎝ ⎛⎭⎪⎪⎫－∞13C ．⎝ ⎛⎭⎪⎪⎫－∞－23D ．⎝ ⎛⎭⎪⎪⎫－∞－53【解析】当m ≥0时,若平面区域存在,则平面区域内的点在第二象限,平面区域内不成能存在点P (x 0,y 0)满足x 0－2y 0＝2,因此m ＜0．如图所示的阴影部份为不等式组暗示的平面区域．要使可行域内包括y ＝12x －1上的点,只需可行域鸿沟点(－m ,m )在直线y ＝12x －1的下方即可,即m ＜－12m －1,解得m ＜－23．【谜底】C15．设不等式组⎩⎨⎧x ＋y －11≥03x －y ＋3≥05x －3y ＋9≤0暗示的平面区域为D ．若指数函数y ＝a x 的图象上存在区域D 上的点,则a 的取值范围是 ( )A ．(1,3]B ．[2,3]C ．(1,2]D ．[3,＋∞)【解析】平面区域D 如图所示．要使指数函数y ＝a x的图象上存在区域D 上的点,所以1＜a ≤3．【解析】A16．(2014·高考福建卷)已知圆C ：(x －a )2＋(y －b )2＝1,平面区域Ω：⎩⎨⎧x ＋y －7≤0x －y ＋3≥0y ≥0.若圆心C ∈Ω,且圆C 与x 轴相切,则a 2＋b 2的最年夜值为( )A ．5B ．29C ．37D ．49【解析】由已知得平面区域Ω为△MNP 内部及鸿沟．∵圆C 与x 轴相切,∴b ＝1．显然当圆心C 位于直线y ＝1与x ＋y －7＝0的交点(6,1)处时,a max ＝6．∴a 2＋b 2的最年夜值为62＋12＝37．【解析】C17．在平面直角坐标系中,若不等式组⎩⎨⎧y ≥0y ≤x y ≤kx －1－1暗示一个三角形区域,则实数k 的取值范围是( )A ．(－∞,－1)B ．(1,＋∞)C ．(－1,1)D ．(－∞,－1)∪(1,＋∞)【解析】已知直线y ＝k (x －1)－1过定点(1,－1),画出不等式组暗示的可行域示意图,如图所示．当直线y ＝k (x －1)－1位于y ＝－x 和x ＝1两条虚线之间时,暗示的是一个三角形区域．所以直线y ＝k (x －1)－1的斜率的范围为(－∞,－1),即实数k 的取值范围是(－∞,－1)．当直线y ＝k (x －1)－1与y ＝x 平行时不能形成三角形,不服行时,由题意可得k ＞1时,也可形成三角形,综上可知k ＜－1或k ＞1．【谜底】D18．(2016·武邑中学期中)已知实数x ,y 满足⎩⎪⎨⎪⎧x －2y ＋1≥0|x|－y －1≤0则z ＝2x ＋y 的最年夜值为( )A ．4B ．6C ．8D ．10【解析】区域如图所示,目标函数z ＝2x ＋y 在点A (3,2)处取得最年夜值,最年夜值为8．【谜底】C19．(2016·衡水中学期末)当变量x ,y 满足约束条件⎩⎪⎨⎪⎧y ≥x x ＋3y ≤4x ≥m 时,z ＝x －3y 的最年夜值为8,则实数m 的值是( )A ．－4B ．－3C ．－2D ．－1【解析】画出可行域如图所示,目标函数z ＝x －3y 变形为y ＝x 3－z3,当直线过点C 时,z 取到最年夜值, 又C (m ,m ),所以8＝m －3m ,解得m ＝－4． 【谜底】A20．(2016·湖州质检)已知O 为坐标原点,A ,B 两点的坐标均满足不等式组⎩⎨⎧x －3y ＋1≤0x ＋y －3≤0x －1≥0则tan ∠AOB 的最年夜值即是( )A ．94B ．47C ．34D ．12【解析】如图阴影部份为不等式组暗示的平面区域,观察图形可知当A 为(1,2),B 为(2,1)时,tan ∠AOB 取得最年夜值,此时由于tan α＝k BO ＝12,tan β＝k AO ＝2,故tan ∠AOB ＝tan(β－α)＝tan β－tan α1＋tan βtan α＝2－121＋2×12＝34． 【解析】C 二、填空题21．(2014·高考安徽卷)不等式组 ⎩⎨⎧x ＋y －2≥0x ＋2y －4≤0x ＋3y －2≥0暗示的平面区域的面积为________．【解析】作出不等式组暗示的平面区域如图中阴影部份所示,可知S △ABC ＝12×2×(2＋2)＝4．【谜底】422．(2014·高考浙江卷)若实数x ,y 满足⎩⎨⎧x ＋2y －4≤0x －y －1≤0x ≥1则x ＋y 的取值范围是________．【解析】作出可行域,如图,作直线x ＋y ＝0,向右上平移,过点B 时,x ＋y 取得最小值,过点A 时取得最年夜值．由B (1,0),A (2,1)得(x ＋y )min ＝1,(x ＋y )max ＝3．所以1≤x ＋y ≤3．【谜底】[1,3]23．(2015·重庆一诊)设变量x ,y 满足约束条件⎩⎨⎧x ≥1x ＋y －4≤0x －3y ＋4≤0则目标函数z ＝3x －y 的最年夜值为____．【解析】根据约束条件作出可行域,如图中阴影部份所示, ∵z ＝3x －y ,∴y ＝3x －z ,当该直线经过点A (2,2)时,z 取得最年夜值,即z max ＝3×2－2＝4．【谜底】424．已知实数x ,y满足⎩⎨⎧x ＋y －1≤0x －y ＋1≥0y≥－1则w ＝x 2＋y 2－4x－4y ＋8的最小值为________．【解析】目标函数w ＝x 2＋y 2－4x －4y ＋8＝(x －2)2＋(y －2)2,其几何意义是点(2,2)与可行域内的点的距离的平方．由实数x ,y 所满足的不等式组作出可行域如图中阴影部份所示,由图可知,点(2,2)到直线x ＋y －1＝0的距离为其到可行域内点的距离的最小值,又|2＋2－1|2＝322,所以w min ＝92．【谜底】9225．在平面直角坐标系xOy 中,M 为不等式组⎩⎨⎧2x ＋3y －6≤0x ＋y －2≥0y ≥0所暗示的区域上一动点,则|OM |的最小值是________．【解析】如图所示阴影部份为可行域,数形结合可知,原点O 到直线x ＋y －2＝0的垂线段长是|OM |的最小值,∴|OM |min ＝|－2|12＋12＝2．【谜底】226．(2016·汉中二模)某企业生产甲、乙两种产物,已知生产每吨甲产物要用水3吨、煤2吨；生产每吨乙产物要用水1吨、煤3吨．销售每吨甲产物可获得利润5万元,销售每吨乙产物可获得利润3万元,若该企业在一个生产周期内消耗水不超越13吨,煤不超越18吨,则该企业可获得的最年夜利润是______万元．【解析】设生产甲产物x 吨,生产乙产物y 吨,由题意知⎩⎪⎨⎪⎧x≥0y≥03x ＋y≤132x ＋3y≤18利润z ＝5x ＋3y ,作出可行域如图中阴影部份所示,求出可行域鸿沟上各端点的坐标,经验证知当x ＝3,y ＝4,即生产甲产物3吨,乙产物4吨时可获得最年夜利润27万元．【谜底】2727．某农户计划种植黄瓜和韭菜,种植面积不超越50亩,投入资金不超越54万元,假设种植黄瓜和韭菜的产量、本钱和售价如下表：)最年夜,则黄瓜的种植面积应为________亩．【解析】设黄瓜和韭菜的种植面积分别为x 亩,y 亩,总利润为z 万元,则目标函数为z ＝(0.55×4x －1.2x )＋(0.3×6y －0.9y )＝x ＋0.9y ．线性约束条件为⎩⎨⎧x ＋y ≤≤54x ≥0y ≥0即⎩⎪⎨⎪⎧x ＋y ≤504x ＋3y ≤180x ≥0y ≥0.画出可行域,如图所示．作出直线l 0：x ＋0．9y ＝0,向上平移至过点A 时,z 取得最年夜值,由⎩⎪⎨⎪⎧x ＋y ＝504x ＋3y ＝180解得A (30,20)．【谜底】3028．(2015·日照调研)若A为不等式组⎩⎨⎧x ≤0y ≥0y －x ≤2暗示的平面区域,则当a 从－2连续变动到1时,动直线x ＋y ＝a 扫过A 中的那部份区域的面积为________．【解析】平面区域A 如图所示,所求面积为S ＝12×2×2－12×22×22＝2－14＝74．【谜底】7429．(2014·高考浙江卷)当实数x ,y 满足⎩⎨⎧x ＋2y －4≤0x －y －1≤0x ≥1时,1≤ax ＋y ≤4恒成立,则实数a 的取值范围是________．【解析】画可行域如图所示,设目标函数z ＝ax ＋y ,即y ＝－ax ＋z ,要使1≤z ≤4恒成立,则a >0,数形结合知,满足⎩⎪⎨⎪⎧1≤2a ＋1≤41≤a ≤4即可,解得1≤a ≤32．所以a 的取值范围是1≤a ≤32．【谜底】⎣⎢⎢⎡⎦⎥⎥⎤13230．(2015·石家庄二检)已知动点P (x ,y )在正六边形的阴影部份(含鸿沟)内运动,如图,正六边形的边长为2,若使目标函数z ＝kx ＋y (k >0)取得最年夜值的最优解有无穷多个,则k 的值为________．【解析】由目标函数z ＝kx ＋y (k >0)取得最年夜值的最优解有无穷多个,结合图形分析可知,直线kx ＋y ＝0的倾斜角为120°,于是有－k ＝tan 120°＝－3,所以k ＝3．【谜底】331．设m ＞1,在约束条件⎩⎨⎧y ≥xy ≤mxx ＋y ≤1下,目标函数z ＝x ＋my 的最年夜值小于2,则m 的取值范围．【解析】变换目标函数为y ＝－1m x ＋z m ,由于m >1,所以－1<－1m <0,不等式组暗示的平面区域如图中的阴影部份所示,根据目标函数的几何意义,只有直线y ＝－1m x ＋zm在y 轴上的截距最年夜时,目标函数取得最年夜值．显然在点A 处取得最年夜值,由y ＝mx ,x ＋y ＝1,得A ⎝ ⎛⎭⎪⎪⎫11＋m m 1＋m ,所以目标函数的最年夜值z max ＝11＋m ＋m21＋m <2,所以m 2－2m －1<0,解得1－2<m <1＋2,故m 的取值范围是(1,1＋2)．【谜底】(1,1＋2)32．已知实数x ,y 满足⎩⎨⎧y ≥1y ≤2x －1x ＋y ≤m若目标函数z ＝x －y 的最小值的取值范围是[－2,－1],则目标函数的最年夜值的取值范围是________． 【解析】不等式组暗示的可行域如图中阴影部份(包括鸿沟)所示,目标函数可变形为y ＝x －z ,当z 最小时,直线y ＝x －z 在y 轴上的截距最年夜．当z 的最小值为－1,即直线为y ＝x ＋1时,联立方程⎩⎪⎨⎪⎧ y ＝x ＋1y ＝2x －1可得此时点A 的坐标为(2,3),此时m ＝2＋3＝5；当z 的最小值为－2,即直线为y ＝x ＋2时,联立方程⎩⎪⎨⎪⎧ y ＝x ＋2y ＝2x －1可得此时点A 的坐标是(3,5),此时m ＝3＋5＝8．故m 的取值范围是[5,8]．目标函数z ＝x －y 的最年夜值在点B (m －1,1)处取得,即z max＝m －1－1＝m －2,故目标函数的最年夜值的取值范围是[3,6]．【谜底】[3,6]33．(2013·高考广东卷)给定区域D ：⎩⎨⎧ x ＋4y ≥4x ＋y ≤4x ≥0.令点集T ＝{(x 0,y 0)∈D |x 0,y 0∈Z ,(x 0,y 0)是z ＝x ＋y 在D 上取得最年夜值或最小值的点},则T 中的点共确定________条分歧的直线．【解析】线性区域为图中阴影部份,取得最小值时点为(0,1),最年夜值时点为(0,4),(1,3),(2,2),(3,1),(4,0),点(0,1)与(0,4),(1,3),(2,2),(3,1),(4,0)中的任何一个点都可以构成一条直线,共有5条 ,又(0,4),(1,3),(2,2),(3,1),(4,0)都在直线x ＋y ＝4上,故T 中的点共确定6条分歧的直线．【谜底】634．(2011·湖北改编)已知向量a ＝(x ＋z,3),b ＝(2,y －z ),且a ⊥b ．若x ,y 满足不等式|x |＋|y |≤1,则z 的取值范围为__________．【解析】∵a ＝(x ＋z,3),b ＝(2,y －z ),且a ⊥b ,∴a ·b ＝2(x ＋z )＋3(y －z )＝0,即2x ＋3y －z ＝0．又|x |＋|y |≤1暗示的区域为图中阴影部份,∴当2x ＋3y －z ＝0过点B (0,－1)时,z min ＝－3,当2x ＋3y －z ＝0过点A (0,1)时,z min ＝3．∴z ∈[－3,3]．【谜底】[－3,3]35．(2016·衡水中学模拟)已知变量x ,y 满足约束条件⎩⎪⎨⎪⎧ x ＋4y －13≤02y －x ＋1≥0x ＋y －4≥0且有无穷多个点(x ,y )使目标函数z ＝x ＋my取得最小值,则m ＝________．【解析】作出线性约束条件暗示的平面区域,如图中阴影部份所示．若m ＝0,则z ＝x ,目标函数z ＝x ＋my 取得最小值的最优解只有一个,不符合题意．若m ≠0,则目标函数z ＝x ＋my 可看作斜率为－1m的动直线y ＝－1m x ＋z m, 若m ＜0,则－1m＞0,由数形结合知,使目标函数z ＝x ＋my 取得最小值的最优解不成能有无穷多个；若m ＞0,则－1m＜0,数形结合可知,当动直线与直线AB 重合时,有无穷多个点(x ,y )在线段AB 上,使目标函数z ＝x ＋my 取得最小值,即－1m＝－1,则m ＝1． 综上可知,m ＝1．【谜底】1。
非线性规划
多项式 p(x) ax2 bx c 的插值结点。 这里a b c为待定系数.可用下述线形方程组确定.
p(x1 ) ax12 bx1 c f1
p(x2 )
axBiblioteka 2 2 bx2c
f2
p(x3 ) ax32 bx3 c f3
x1 a
计算函数值
x3 x3 b
x2
1 2
( x1
x3 )
f1 f (x1) f2 f (x2 ) f3 f (x3 )
ⅲ插值计算
x
* p
(a)若分母为零即 (x2 x3 ) f1 (x3 x1) f2 (x1 x2 ) f3 0 即
f2 f1 f3 f1 则说明三个插值点(x1, f1) (x2, f2 ) (x3, f3)在同一
向量化表示
令
g( x) ( g1 ( x),..., g p ( x))T
h( x) (h1 ( x),..., hp ( x))T ，
其中， g : R n R p , h : R n Rq ，那么(MP)可简记为
min f ( x)
s.t .
g(x) 0 或者min f ( x) x X
x b 2a
x*p
1 2
(x22 x32 ) f1 (x32 x12 ) f2 (x12 x22 ) f3 (x2 x3 ) f1 (x3 x1 ) f2 (x1 x2 ) f3
c1
f3 x3
f1 x1
从不同角度简述最优化问题的分类
最优化问题是数学、工程、经济等领域中常见的一个重要问题。
在实际问题中，我们常常需要寻找最优解来使得某个目标函数达到最小值或最大值。
最优化问题可分为线性规划、非线性规划、整数规划、多目标规划等不同类型。
接下来从不同角度简述最优化问题的分类。
一、按照目标函数的性质分类1. 线性规划线性规划是指目标函数和约束条件都是线性的最优化问题。
典型的线性规划问题包括资源分配、生产计划等。
2. 非线性规划非线性规划是指目标函数或约束条件中至少有一项是非线性的最优化问题。
非线性规划在实际中应用广泛，包括工程优化、信号处理、经济学等领域。
3. 整数规划整数规划是指最优化问题中的决策变量是整数的问题。
整数规划常用于制造业的生产调度、运输与物流优化等。
二、按照优化变量的性质分类1. 连续优化问题连续优化问题是指最优化问题中的决策变量可以取任意实数值的问题。
常见的连续优化问题包括线性规划、非线性规划等。
2. 离散优化问题离散优化问题是指最优化问题中的决策变量只能取离散的数值。
典型的离散优化问题包括整数规划、组合优化、图论优化等。
三、按照约束条件的性质分类1. 约束优化问题约束优化问题是指最优化问题中存在一定的约束条件限制的问题。
约束条件可以是线性约束、非线性约束、等式约束、不等式约束等。
2. 无约束优化问题无约束优化问题是指最优化问题中不存在任何约束条件的问题。
无约束优化问题通常比较简单，但在实际中也有着重要的应用，包括函数拟合、参数估计等。
四、按照目标函数的性质分类1. 单目标优化问题单目标优化问题是指最优化问题中只有一个目标函数的问题。
在实际问题中，单目标优化问题是最常见的。
2. 多目标优化问题多目标优化问题是指最优化问题中存在多个目标函数，且这些目标函数可能彼此矛盾的问题。
多目标优化问题的解称为帕累托最优解。
最优化问题的分类可以从不同的角度进行划分，包括目标函数的性质、优化变量的性质、约束条件的性质、目标函数的性质等。
例谈线性规划中目标函数非线性问题的解法
2012-01教学实践高中数学线性规划问题中，经常出现目标函数非线性问题，解决此类问题的关键是充分把握其目标函数的几何意义.一、目标函数为：z =ay+b cx+d （ac ≠0）型几何意义：z =ay+b cx+d =a c ·y-（-b a ）x-（-d c ）表示点（x ，y ）与点（-d c ，-b a ）连线的斜率的a c 倍.例1.已知x 、y 满足约束条件2x+y -2≥0x -2y +4≥0，3x-y -3≤0求z =y+1x+2的最值.解：可行域为：∵z =y+1x+2=y-（-1）x -（-2）表示点（x ，y ）与点（-2，-1）的连线的斜率，∴Z min =13，Z max =32.例2.如果实数x 、y 满足条件x-y +1≥0y +1≥0x+y +1≤0{，求z =y -1x -1的取值范围.解：可行域为:z =y -1x -1表示点（x ，y ）与点M （1，1）的连线的斜率，∵k MA =2，k MB =12∴z =y -1x -1的取值范围是［12，2］.二、目标函数为：Z =Ax+By+C （A 、B 不同时为0）型几何意义：Z =A 2+B 2√·Ax+By+C A 2+B 2√表示点（x ，y ）到直线Ax+By+C =0的距离的A 2+B 2√倍.例3.实数x 、y 满足不等式组x-y +2≥02x-y -5≤0，x+y -4≥0{求Z =x +2y -4的最大值.解：可行域为：（如下图）∵Z =x +2y -4=5√·x +2y -45√表示点（x ，y ）到直线x +2y -4=0的距离的5√倍，∴Z max =5√·7+2×9-45√=21.y -4=0三、）几何意义：Z =（x-a ）2+（y-b ）2=［（x-a ）2+（x-b ）2√］2表示点（x ，y ）与点（a ，b ）间的距离的平方.例4.已知实数x 、y 满足不等式组2x+y -2≥0x -2y +4≥03x-y -3≤0{，求x 、y 取何值时，Z =x 2+y 2取得最大、最小值.解：可行域为:Z=x 2+y 2表示原点O （0，0）与点（x ，y ）的距离的平方.点O （0，0）到直线2x+y -2=0的距离d 1=25√.可行域内垂足为（45，25），点O （0，0）与点B （2，3）的距离为d 2=13√.∴当x =45y =25⎧⎩⏐⏐⏐⏐⏐⎨⏐⏐⏐⏐⏐时Z min =45；当x =2y =3{时Z max =13.例5.已知实数x 、y 满足不等式组x-y +2≥0x+y -4≥02x-y -5≤0{，求Z=x 2+y 2-10y+25的最小值.解：可行域为：Z=x 2+y 2-10y x 2+（y -5）2√］2求点M （0，5）到点（x ，y ）的距离的平方.过M （0，5）作直线AC 的垂线，易知垂足N 在线段AC 上.∴Z min =MN 2=92.非线性目标函数问题在高考中还经常出现，教学中应给以足够重视.（作者单位云南省建水第一中学）例谈线性规划中目标函数非线性问题的解法文/王云峰82--Copyright©博看网 . All Rights Reserved.。
- 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)。
任一点与原点O连线的斜率 由图观察可知： 2 zmin kOB 5 22 zmax kOA 5 2 22 z 5 5
x 4y 3 0
B(5, 2)
C (1,1)
x -3 -2 -1 0 1 2 3 4 5 6 7 8 9 -1 3x 5 y 25 0 x 1
3 (2) z [ ,3] 25
6 5 4 3 2 1
A(1,
22 ) 5
● M
B(5, 2)
x 4y 3 0
● 3 4 5 6 7 8 9 x -3 -2 -1 0 1 2 Q -1 3x 5 y 25 0 x 1
C (1,1)
三、课堂小结
本节课你收获了什么？
。
四、课后练习
● ● 3 4 5 6 7 8 9 x -3 -2 -1 0 1 2 Q M -1 3x 5 y 25 0 x 1
C (1,1)
y b 探究二：对形如 Z 目标函数的最值 xa
问题3：默写两点间的斜率公式:
k
y2 y1 x2 x1
。
问题4：说出上述目标函数的几何意义: 可行域内的任一点(x,y)与定点M(a,b)的连线的斜率。
x 4 y 3 0 3 x 5 y 25 0 变式：变量 x, y 满足 ； x 1 y z
(1)设 Z
y 5 (2)设 Z ,求 z 的取值范围。 x6
1 (1) z (, ] [1, ) 2
x 3ቤተ መጻሕፍቲ ባይዱ
,求 的取值范围；
y
高二理科数学组
2015年10月15日
非线性目标函数的最值问题
学习目标：
1. 通过实例，能用平面区域表示二元一次不等式组。
2. 借助斜率公式及距离公式，类比体会非线性目标
函数所表示的几何意义。
3. 通过启发、引导、小组讨论探究出目标函数的最
优解。
学习重点：借助斜率公式及距离公式，类比
体会非线性目标函数所表示的几何意义。探究
出利用图解法求非线性目标函数的最优解。
学习难点：通过启发、引导、小组讨论探
究出目标函数的最优解。
学习方法：探究法
学习过程：
一、复习回顾
求线性目标函数的最值的步骤： 画—作—移—求 。
二、新课探究
2 2 z ( x a ) ( y b ) 探究一：对形如 目标函数的最值
2 2 | AB | ( x x ) ( y y ) 1 2 1 2 。 问题1：默写两点间的距离公式:
默写点到直线间的距离公式：
d
| Ax0 By0 C | A2 B 2
。
问题2：说出上述目标函数的几何意义: 可行域内的任一点(x,y)到定点M(a,b)的距离的平方 。
x 4 y 3 0 例1：变量x, y 满足 3x 5 y 25 0 x 1 (1)求可行域内的点( x, y ) 到原点 y 的距离的平方Z的表达式； (2)求Z的取值范围。
y
6 5 4 3 2 1
Zx y
2
2
表示可行域内的点(x,y) 到 定点O(0,0)距离的平方
A(1,
22 ) 5
x 4y 3 0
B(5, 2)
所以，由图观察可知
C (1,1)
zmin | OC |2 12 12 2 zmax | OB |2 52 22 29
Z x2 y 2
6 5 4 3 2 1
A(1,
22 ) 5
x 4y 3 0
B(5, 2)
C (1,1)
x -3 -2 -1 0 1 2 3 4 5 6 7 8 9 -1 3x 5 y 25 0 x 1
解:画出可行域,如图所示
求出交点坐标 A(1,
22 ), B(5, 2), C (1,1) 5
x y 2 0 已知 x y 4 0 求： 2 x y 5 0
(1) Z x2 y 2 10 y 25的最小值
2 y 1 (2) Z 的范围。 x 1
五、课后作业
P 62 例2及活学活用
x 4 y 3 0 例2：变量 x, y , 满足 3 x 5 y 25 0 ; x 1
y x
表示可行域内
(1)求可行域内的点 ( x, y ) 与原点连线的斜率 z 的表达式； y (2)求 z 的取值范围。
(1) z y （2）因为 z x
6 5 4 3 2 1
(1) | PQ |min | 6 4 0 3| 12 42 9 17 17
22 2 1109 ) 5 5
y
(2) | PM |max (6 1) 2 (0
6 5 4 3 2 1
A(1,
22 ) 5
x 4y 3 0
B(5, 2)
| PM |min (6 5) 2 (0 2) 2 5
x -3 -2 -1 0 1 2 3 4 5 6 7 8 9 -1 3x 5 y 25 0 x 1
2 z 29
x 4 y 3 0 变式：设 P( x, y) 满足 3 x 5 y 25 0 ; x 1
(1) Q(3,0) ,求 PQ 的最小值； (2)M (6,0) ,求 PM 的最值。