无约束最优化问题无导数解法文献综述.doc

文献综述 无约束最优化问题无导数解法 前言部分 在科学研究和工程应用中，涉及到各类工程、军事、生产、管理、经济等领域内实用性非常强。最优化方法已成为许多工程技术人员、管理工作者和研究人员的必备工具。 最优化理论与算法是一个重要的数学分支，它所研究的问题是讨论在众多的设计方案中什么样的方案最优以及怎样找出最优方案。这类问题普遍从在在实际生活当中，例如，工业设计中怎么样选择设计参数，使得设计方案满足设计要求，又能降低成本；资源分配中，怎样分配有限资源，才能使得分配方案既能满足各方面的基本要求，又能获得好的经济效益；生产评价安排中，选择怎样的计划方案才能提高产值和利润；原料配比问题中，怎样确定各种成分的比例，才能提高质量，降低成本；建设规划中，怎样安排工厂、机关、学校、商店、医院、住户和其他单位的合理布局，才能方便群众，有利于城市各行各业的发展；农田规划中，怎样安排各种农作物的合理布局才能保持高产稳产，发挥地区的优势；在军事战斗指挥中，怎样确定最佳作战方案，才能有效的歼灭敌人，保存自己的实力，而有利于整场战斗的全局，诸如此类，不胜枚举。最优化这一数学分支，正是为这些问题的解决提供理论基础和求解方法，它是一门应用广泛、实用性很强的学科。 在上面的选题背景中，我们可以看出最优化设计在实际生活中的应用非常的广泛，我们可以通过数值最优化中的基础知识和计算方法来解决实际生活中问题，运用科学的计算方法和网络编程来使我们的工作变得更加效率、科学。下面我们通过以下实例来体会下最优化设计能给我们带哪些方便。 无约束最优化问题的一般数学模型为： , 解这两个问题我们要用到以下无约束优化问题的解法： Powell直接法 轴向搜索法， 黄金分割法 在经济中，我们需要将一些很复杂的问题通过无约束最优化无导数算法来实现，显然，在函数中的是不受约束的，并且是很复杂的，没规律的，不可能求导数的，那么对于这样的问题的解决，我们可以用上面说的方法来解。对于一些从在约束条件的，比如， 我们也可以把它们化成这种形式来计算。 通过目标函数和约束函数结合，我们可以通过求解无约束问题。例如，，我们可以定义函数 其中作为参数为约束条件。然后，我们求解这个无约束，直到约束优化问题解。如果我们使用一个精确函数，可能无约束最小化解。对于等式约束问题， 其中取某个充分小的正常数，就能获得一个精确函数。然而，精确函数通常是不可微，并需要在方法，我们添加在可行域内部时，此项是微不足道的；当趋于边界时，它趋于零。举例来说，如果是只不等式约束，， 其中被称为参数。时在一定条件下可证明这个函数的极小原约束问题的解。同样，通常的策略是递减序列近似极小。在增强拉格朗日方法，我们定义一个函数，所谓的增广拉格朗日函数具有以下的 固定为最优拉格朗日乘子的某个估计和为某个正数，然后找到的一个近似极小化子，这个新的用于更新，可能会降低，并重复这个过程后来我们发现，这种方法避免了以上讨论的在线性约束方法，我们线性化约束拉格朗日函数方法用于解大问题 简单易学，使用方便 MATLAB 被称为“草稿式”语言，这是因为其函数名和表达更接近我们书写计算公式的思维表达方式， 编写MATLAB程序犹如在草稿纸上排列公式与求解问题 因此可以快速地验证工程技术人员的算法。此外MATLAB还是一种解释性语言不需要专门的编译器。 强大的图形技术 MATLAB具有非常强大的以图形化显示矩阵和数组的能力，同时它能给这些图形增加注释并且打印这些图形。MATLAB 的图形技术既包括一些可以方便产生二维、三维科技专业图形的高级绘图函数，又包括一些可以让用户灵活控制图形特点的低级绘图命令。另外，用户还可以利用MATLAB的句柄图形技术创建图形用户界面。 编程效率极高 MATLAB 是一种面向科学和工程计算的高级语言。它以矩阵运算为基础，极少的代码即可实现复杂的功能。 可扩充性强，具有方便的应用程序接口 MATLAB 不仅有着丰富的库函数，在进行复杂的数学运算时可以直接调用而且用户还可以根据需要方便地编写和扩充新的函数库。通过混合编程用户可以方便地在MATLAB环境中调用其他用 Fortran 或者 C 语言编写的代码，也可以在 C 语言或者 Fortran 语言程序中调用MATLAB 计算引擎来执行MATLAB代码。的关系为，合同规定的范围为（吨），计算为多少时，成本最低。 分析：通过题目我们可以得到成本和的关系为，此问题我们可以写成：，其中的搜索区间为，如果给出一个精度，我们就可以运用黄金分割法来计算此问题，解题过程如下： 解： 我们取精度为，那么要达到这个精度要求，区间缩短次数必须满 得