最优化方法教案(1)

合集下载
  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. 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. 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

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>。

相关文档
最新文档