最优化方法教案(1)
- 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)。
第一章 最优化问题与数学预备知识
最优化分支:线性规划,整数规划,几何规划,非线性规划,动态规划。又称规划论。
应用最优化方法解决问题时一般有以下几个特点: 1. 实用性强
2. 采用定量分析的科学手段
3. 计算量大,必须借助于计算机
4. 理论涉及面广
应用领域:工业,农业,交通运输,能源开发,经济计划,企业 管理,军事作战……。
§1.1 最优化问题实例
最优化问题:追求最优目标的数学问题。 经典最优化理论:
(1) 无约束极值问题:),,,(opt 21n x x x f
(),,,(m in
21n x x x f 或),,,(m ax 21n x x x f )
其中,
),,,(21n x x x f 是定义在n 维空间上的可微函数。
解法(求极值点):求驻点,即满足
⎪⎪⎩⎪⎪
⎨
⎧='='='0
),,(0),,(0
),,(1
1121n x n x n x x x f x x f x x f n
并验证这些驻点是否极值点。
(2) 约束极值问题:),,,(opt 21n x x x f
s.t.
)(,,2,1,0),,,(21n l l j x x x h n j <==
解法:采用Lagrange 乘子法,即将问题转化为求Lagrange 函数
)
,,(),,,(),,;,,,(11
21121n j j l
j n l n x x h x x x f x x x L λλλ∑=+=的无约束极值问题。
近代最优化理论的实例:
例1 (生产计划问题) 设某工厂有3种资源B 1,B 2,B 3,数量各为b 1,b 2,b 3,要生产10种产品A 1,…,A 10 。每生产一个单位的A j 需要消耗B i 的量为a ij ,根据合同规定,产品A j 的量不少于d j ,再设A j 的单价为c j 。问如何安排生产计划,才能既完成合同,又使总收入最多?(线性规划问题)
数学模型:设A j 的计划产量为 j x ,z 为总收入。 目标函数: max
10
1
j j j x c z ∑==
约束条件:
⎪⎩⎪⎨⎧=≥=≤∑=10
,,2,1,3,2,1,10
1
j d x i b x a j j
j i j ij
线性规划问题通常采用单纯形法来求解。
例2 (工厂设址问题) 要在m 个不同地点计划修建m 个规模不完全相同的工厂,他们的生产能力分别是m a a a ,,21 (为简便起见,假设生产同一种产品),第i 个工厂的建设费用
m i f i ,,2,1, =。又有n 个零售商店销售这种产品,对
这种产品的需求量分别为n b b b ,,21 ,从第i 个工厂运送一个单位产品到第j 个零售商店的运费为c ij 。试决定应修建哪个工厂,使得既满足零售商店的需求,又使建设工厂和运输的总费用最小。(混合整数规划问题)
数学模型: 设第i 个工厂运往第j 个零售商店的产品数量为x ij (i=1,…,m ;j=1,…,n ),且
m i i y i ,,1,
,0
,1 =⎩⎨⎧=否则个工厂如果修建第
目标函数: min 11∑∑==⎪⎪⎭
⎫
⎝⎛+=m
i n j ij ij i i x c y f z 约束条件:⎪⎪⎪⎪⎩⎪
⎪⎪⎪⎨⎧==≥===≥=≤∑∑==n
j m i x m i y n
j b x m i y a x ij i m i j ij n
j i i ij ,,1;,,1 ,0,,1 ,1 0,,1 ,,,1 ,11 或
整数规划问题通常可用分枝定界法或割平面法来求解。
例3 (投资计划问题) 假设某一个生产部门在一段时间内可用于投资的总金额为a 亿元,可供选择的项目总共有n 个,分别记为1,2,…n 。并且已知对第j 个项目的投资总数为j a 亿元,而收益额总数为j c 亿元。问如何使用资金a 亿元,才能使单位投资获得的收益最大。(非线性规划问题)
数学模型:设n j j x j ,,1 ,
,0
,1 =⎩⎨⎧=否则个项目投资对第 目标函数:
max 1
1
∑∑===
n
j j
j n
j j
j
x
a x
c z
约束条件:
⎪⎩⎪⎨⎧==≤∑=n j x a x a j
n
j j j ,,1 ,1 01
或
非线性规划问题的求解方法很多,是本课的重点。
动态规划是解决“多阶段决策过程”的最优化问题的一种方法,基于“Bellman 最优性原理”,例如:资源分配问题,生产与存储问题。
例4 (多参数曲线拟合问题)已知热敏电阻R 依赖于温度T 的函数关系为
3
21x T x e
x R += (*)
其中,321,,x x x 是待定的参数,通过实验测得T 和R 的15组数据列表如下,如何确定参数321,,x x x ?
建立数学模型:测量点),(i i R T 与曲线)(T R 对应的点产生“偏差”,即
2
15
1
1]
[32
∑=+-=i x T x i i e
x R S
得如下无约束最优化问题:
2
15
1
1]
[)(min 32
∑=+-=i x T x i i e
x R x f
通常采用最小二乘法。
§1.2 最优化问题的数学模型
一、 最优化问题的数学模型 1. 定义1:设向量T 21T 21],,,[ ,],,,[m m b b b a a a ==βα.
若),,2,1( m i b a i i =≤,则记βα≤或αβ≥; 若),,2,1( m i b a i i
=<,则记βα<或α
β>。