- 1、本文档共80页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
优化设计-2.doc
第1章 绪论
1.1 最优化问题的提出
“优化”既是一个专业术语,也是一个通俗的词语,这一方面说明优化问题的广泛性;另一方面也说明解决优化问题具有一定的难度,需要有专门的理论和技巧。优化问题来源于求某一设计(广义的设计)的最优结果,用数学观点来说就是求用某一指标或某几个指标描述的设计的最大值或最小值。设计的决策包含优化的过程,其中有通过以往经验判断得出的决策,有通过枚举或多方案比较得出的决策,而经济的做法则是通过对设计建立数学模型,通过解析或数值计算寻找到决策的依据,用以指导设计的实施。例如,某设计的模型可用一元函数f(x)来表示,对其进行最优化设计就是求该一元函数的最大值和最小值。如果一元函数是单调函数,则函数的最大值或最小值会在变量x的边界上取得;如果一元函数是二次多项式,则函数的极值在函数曲线的顶点上取得;如果一元函数是高次多项式,函数曲线有多个极值点,则求函数的最大值或最小值问题就变得复杂起来。对多元函数的极值问题更是如此,需要用到局部或全局优化算法来求解。
线性规划问题是目标函数和限制条件都是线性函数的问题,在生产和生活中很多问题都可抽象为线性规划问题。下面以线性规划举例说明优化设计问题的提出、建模及求解的全过程。
例1
有一名学生,期末有5门功课要考试,可用的复习时间有18h。假定这5门功课分别为数学、英语、计算机基础、画法几何和专业概论。如果不复习直接参加考试,这5门功课预期的考试成绩分别为65分、60分、70分、60分和65分。复习以1h为一单位,每增加1h复习时间,各门功课考试成绩就有可能提高,每复习1h各门功课考试成绩提高的分数分别为3分、4分、5分、4分和6分。问:如何安排各门功课的复习时间可使平均成绩不低于80分,并且数学和英语成绩分别不低于70分和75分?
解:
设分配在数学、英语、计算机基础、画法几何和专业概论这5门功课的复习时间分别为x1,x2,x3,x4,x5,则可列出如下的目标函数和限制条件:
min f(x)=x1+x2+x3+x4+x5
s.t. x1+x2+x3+x4+x5≤18
(3x1+4x2+5x3+4x4+6x5+320)/5≥80
3x1+65≥70
4x2+60≥75
3x1≤35
4x2≤40
5x3≤30
4x4≤40
6x5≤35
x1,x2,x3,x4.x5≥0
根据所给列出的主要方程。但是根据实际情况,各门功课的成绩不能大于100分,各门功课的复习时间不能是负数,因此还需补充这几个限制条件。由此看出,这是一个在满足限制条件(约束条件)的情况下,求最少复习时间的问题。下面用MATLAB优化工具箱求线性规划的函数linprog()来求解此问题。
线性规划问题数学模型
min CTX
s.t. AX≤B
AeqX=Beq
Lb≤X≤Ub
其中:C,X,B,Beq,Lb,Ub为向量;A,Aeq为矩阵。
例2
资源分配问题是线性规划中的一类问题。这里所说的资料其含义广泛,可以使一般的物质资料,也可以是人力资源。资源分配问题可描述为生产若干种产品(广义的产品)需要几种不同的资源,如原料消耗量、设备使用量、人力需要量等。各种资源供应量有一定限制,所生产的产品有不同的利润或花费不同的费用。所求问题是在所消耗资源和资源供给量限制的条件下,求生产不同的产品的数量,使收益最大或费用最低。
某工厂要生产两种规格的电冰箱,分别用Ⅰ和Ⅱ表示。生产电冰箱需要两种原材料A和B,另需设备C,生产两种电冰箱所需原材料、设备台数、资源供给量及两种产品可获得的利润如表所示。问:工厂应分别生产Ⅰ,Ⅱ型电冰箱多少台,才能使工厂获得最多?
资源 Ⅰ Ⅱ 资源限制 设备C 1 1 1200台时 原材料A 2 1 1800kg 原材料B 0 1 1000kg 单位产品获利 220 250 求最大收益 电冰箱Ⅰ用原材料限制 ≤800kg 解:
设生产Ⅰ,Ⅱ型电冰箱的数量分别是x1,x2,则可获得的最大收益为
max f(X)=220x1+250x2, X∈R2
s.t. x1+x2≤1200
2x1+x2≤1800
x2≤1000
x1≤800
x1,x2≥0
通过以上两个例子,我们初步了解了优化设计求解的过程,以及优化设计的“威力”。
例1-2中使用了标准化得优化数学模型,而优化问题数学模型的一般描述为
min(max) f(X)=f(x1,x2,x3,…,xn), X∈Rn
s.t. gu(x) ≤(≥)0, u=1,2,…,l
hv(x)=0,v=1,2,…,m
目标函数和约束条件可以是线性的,也可以、是非线性的。
1.2 最优化问题分类
工程实际问题多种多样,依据不同的分类方法,它们属于不同的类型,相应地有不同的解法。例如根据问题的性质,可将问题分为静态问题、动态问题、确定性问题、随机性
文档评论(0)