第1章 工程优化PPT.pptVIP

主要内容 第一章 最优化简介 第二章 基本概念和理论基础 第三章 线性规划 第四章 最优化搜索算法结构与一维搜索 第五章 无约束最优化方法 第六章 约束最优化方法 第一章 最优化简介 最优化—寻求最优方案的方法称为最优化方法。 最优方案：从所有可能的方案中选择最合理的一 种以达到最优目标。 最优目标：与工程设计密切相关。如：产值最大、 耗能最小、 速度最快等等。 处理方法：对实际问题建立一个数学模型。 发展过程—运筹学、线性规划、非线性规划、动态规划、组合优化等。 促进最优化发展的主要因素 近代科技与生产发展的需要 计算机技术的飞速发展 参考书目 《最优化理论与方法》袁亚湘等编，科学出版社 《数学规划讲义》马仲蓄等编，人大出版社 《实用线性规划》D.M希梅尔布劳著 《无约束最优化计算方法》邓乃杨等编 基础：高等数学，线性代数 §1 最优化问题的数学模型及分类 共同特点： 求x1 ,x2 ,…,xn 使函数f（ x1 ,x2 ,…,xn） （被称为目标函数或评价函数） 达到极小min； 若求极大max，相当于一个min（-f）。 优化模型的一般形式 min. f ( xi, yj, ?k ) s.t. gh ( xi, yj, ?k ) ? ? ?, ? ? 0 h = 1,2, … ,m 其中： xi 为决策变量（可控制） yj 为已知参数 ?k 为随机因素 f , gh 为（一般或广义）函数 建模举例（略）—— 自看 （一）根据问题的不同特点分类 无约束最优化问题 约束最优化问题 等式约束优化问题 不等式约束优化问题 一般的约束优化问题 以上为标准形式，某些问题可标准化： 1） 2） （二）根据函数类型分类 线性规划：目标函数、约束条件都是线性的 二次规划：目标函数为二次函数，约束条件 中的函数为线性的。 非线性规划：目标函数不是一次or二次的， 或约束条件中的函数不全是线 性的。 （三）根据函数性质分类 动态与静态 随机与确定 单目标与多目标 （四）解法的分类 解析方法:利用函数的分析性质去构造迭代 公式，使之收敛到极值点。 直接方法：按一定的数学原理，用尽量少的 计算量，直接比较函数值的大小。 §2 最优化方法解决问题的工作步骤 1 ）提出问题：目标、约束、决策变量、参数 2 ）建立模型：变量、参数、目标之间的关系 表示 3 ）模型求解：数学方法及其他方法 4 ）解的检验：制定检验准则、讨论与现实的 一致性 5 ）灵敏性分析：参数扰动对解的影响情况 6 ）解的实施：回到实践中 7 ）后评估：考察问题是否得到完满解决 §3 基本概念 1、最优解与极值点 容许解集： Def1:若 使得 ，恒有 称 为问题（p）的最优解or全局极小 值点。记 g.opt.( global optimum),简 记 opt. Def2:若 ，使得 ， 恒有 ， 称 为问题（p）的严格全局极小值点。 Def3:若 ， 使得 ，恒有 称 为问题（p）的局部极小值点。 记 l .opt.(local optimum) Def4:若 ， 恒有 ， 称 为问题（p）的严格局部极小值点。 由以上定义，可得到两个简单定理： Th1：问题（p）的任意全局极小值点必为局部 极小值点。 Th2：若目标f(x)和g(x)都为定义域上的连续 函数，则： （1）问题（p）的容许解集R为闭集。 （2）问题（p）的最优解集R为闭集。 2、向量和子空间投影定理 (1) n维欧氏空间：Rn 点（向量）：x ? Rn, x = (x1 ,x2 ,…,xn)T 分量 xi ? R (实数集) 方向（自由向量）：d ? Rn, d ? 0