第二部分数学建模优化模型讲义.ppt

数学建模培训 优化模型 主讲: 马泽玲 在实际生活中，特别是在工程技术、经济管理和科学研究领域中存在着很多优化模型，如投资的成本最小、利润最大问题，邮递员的投递路线最短问题，货物的运输调度问题，风险证券投资中的收益最大，风险最小问题等。 优化模型大致的可以分成两大类：无约束优化模型和约束优化模型。无约束优化模型即求一个函数在定义域内的最大值或最小值，这类问题往往可以使用微分的方法得到最终的结论，如一元及多元函数的最值归结为求函数的驻点；约束优化模型即求函数在一些条件约束下的最优解，对于等式约束的问题，可以使用Lagrange乘数法求解，但是在数学建模中得到的优化模型往往不是等式约束问题，而是诸如不等式约束甚至更复杂的数学规划问题， 这些问题需要使用Matlab等科技计算软件才能解决。数学规划问题包括线性规划、整数规划、非线性规划、目标规划、多目标规划以及动态规划等类型的问题。 不管是什么类型的优化问题，在建模过程中需要解决的问题，也是建模的基本步骤为： （1） 确定目标函数（按照模型所需要解决的问题，用数学函数来描述目标） （2） 确定决策变量（目标的实现与那些变量有关，这里有主要变量和次要变量，在建模的初期可以进考虑主要变量对目标的影响，随后可以逐步增加变量的个数） （3） 确定约束条件（这是优化模型建模过程中最重要，也是最难的，在很多情况下，是否能够得到最优解，最优解是否合理，都是取决于约束条件的建立） （4） 模型求解（使用数学工具或数学软件求解） （5） 结果分析（分析结果的合理性、稳定性、敏感程度等） 方法： 直接最优化方法，通常用于无法用数学方程描述的实际问题，这时可设法在数学原理的指导下，通过少量实验，根据实验结果的比较而求其最优解。 间接最优化方法，就是把所研究的问题用数学方程描述出来再利用解析方法求其最优解 第一讲 简单的优化模型 第二讲 数学规划模型 现实世界中普遍存在着优化问题，静态优化问题指最优解是数(不是函数)，建立静态优化模型的关键之一是根据建模目的确定恰当的目标函数，求解静态优化模型一般用微分法 第二讲 规划模型 在建立优化模型时，最主要的是决定目标函数、决策变量和约束条件。简单的优化模型往往是一元或者多元无约束或者等式约束的最优化问题。而在很多实际问题中，所能够提供的决策变量取值受到很多因素的制约，这样就产生了一般的优化模型，统称为数学规划模型。按照数学规划模型的具体特征，可以将数学规划分为： 线性规划模型（目标函数和约束条件都是线性函数的优化问题）； 非线性规划模型（目标函数或者约束条件是非线性的函数）； 为约束条件，记 ?????? 为可行集，因此规划的本质就是在可行集中选择使得目标最优的点。若 则该问题为无条件约束问题，可以用微分法解决（有时仅有关于决策变量的非负约束也可以归结为该类型）；若D中的约束都是等式约束，则可以用乘数法解决。但是在实际问题中，D的结构往往非常复杂，不能使用普通的微分方法解决，这时候必须借助于计算软件。我们的目的主要着重于结合实际的模型介绍建立规划模型的分析方法以及解决这些规划模型的基本方法。 1 从Lindo到Lingo 线性规划是优化方法中最基本，也是最重要的方法，最根本的原因是模型的规范性以及求解的高效率。其最基本的形式如下： LINDO 公司软件产品简要介绍 LINDO和LINGO软件能求解的优化模型 LINDO/LINGO软件的求解过程 当问题比较简单是，利用Lindo可以方便的求解。比如下面的问题 max 2x1+3x2 s.t. x1+x2 ≤ 2 x1-2x2≤1/2 x1,x2非负 按照Lindo的语法，写成 max 2x1+3x2 s.t. x1+x2 ≤ 2 x1-2x2≤1/2 end 使用LINDO的一些注意事项 “”（或“”）号与“=”（或“=”）功能相同 变量与系数间可有空格(甚至回车), 但无运算符 变量名以字母开头，不能超过8个字符 变量名不区分大小写（包括LINDO中的关键字） 目标函数所在行是第一行，第二行起为约束条件 行号(行名)自动产生或