第1章最优化问题总论.doc

第一章 最优化问题总论 无论做任何一件事，人们总希望以最少的代价取得最大的效益，也就是力求最好，这就是优化问题．最优化就是在一切可能的方案中选择一个最好的方案以达到最优目标的学科．例如，从甲地到乙地有公路、水路、铁路、航空四种走法，如果我们追求的目标是省钱，那么只要比较一下这四种走法的票价，从中选择最便宜的那一种走法就达到目标．这是最简单的最优化问题，实际优化问题一般都比较复杂． 概括地说，凡是追求最优目标的数学问题都属于最优化问题．作为最优化问题，一般要有三个要素：第一是目标；第二是方案；第三是限制条件．而且目标应是方案的“函数”．如果方案与时间无关，则该问题属于静态最优化问题；否则称为动态最优化问题． §1.1 最优化问题数学模型 最简单的最优化问题实际上在高等数学中已遇到，这就是所谓函数极值，我们习惯上又称之为经典极值问题． 例1.1 对边长为a的正方形铁板，在四个角处剪去相等的正方形以制成方形无盖水槽，问如何剪法使水槽的容积最大？ 解 设剪去的正方形边长为x，由题意易知，与此相应的水槽容积为 ． 令 ， 得两个驻点：． 第一个驻点不合实际，这是因为剪去4个边长为的正方形相当于将铁板全部剪去．现在来判断第二个驻点是否为极大点． ∵ ， ， ∴ 是极大点． 因此，每个角剪去边长为的正方形可使所制成的水槽容积最大． 例1.2 求侧面积为常数，体积最大的长方体体积． 解 设长方体的长、宽、高分别为体积为，则依题意知体积为 ， 条件为 ． 由拉格朗日乘数法，考虑函数 ， 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　 由题意可知应是正数，由此，将上面三个等式分别乘以并利用条件，得到 比较以上三式可得 ， 从而．又侧面积固定的长方体的最大体积客观存在，因此侧面积固定的长方体中以正方体体积最大，其最大值为． 例1.3 某单位拟建一排四间的停车房，平面位置如图1.1所示．由于资金及材料的限制，围墙和隔墙的总长度不能超过40m，为使车房面积最大，应如何选择长、宽尺寸？ 解 设四间停车房长为，宽为．由题意可知面积为 ， 且变量，应满足 ， ． 即求 ， 以上三个例子，虽然简单，但是它代表了三种类型的最优化问题． 第一个例子代表无约束极值问题： 一般可表示为或．这里，是定义在上的可微函数． 求极值的方法是从如下含有个未知数的非线性方程组 中解出驻点，然后判定或验证这些驻点是不是极值点． 第二个例子代表具有等式约束的极值问题： 一般可表示为 该问题的求解通常采用拉格朗日乘数法，即把这个问题转化为求 的无约束极值问题． 第三个例子代表具有不等式约束的极值问题． 下面具体分析上述三种类型的最优化问题中按经典极值问题解法可能出现不能解决的情况： （1）当变量个数增加且方程组又是非线性，求解此方程组只有在相当特殊情况下才能人工解出．正因为如此，通常高等数学中的求极值问题的变量个数一般不超过三个． （2）当限制条件出现不等式，无论变量数多少，按经典极值方法求解根本无法解决． 直到本世纪50年代，最优化理论的建立以及电子计算机的迅速发展，才为求解各种最优化问题提供了雄厚的基础和有效手段．不过最优化方法作为一门崭新的应用学科，有关理论和方法还没有完善，有许多问题还有待解决，目前正处于迅速发展之中． 最优化问题的数学模型包含三个要素：变量（又称设计变量）、目标函数、约束条件． 一、变量 一个优化设计方案是用一组设计参数的最优组合来表示的．这些设计参数可概括地划分为两类：一类是可以根据客观规律、具体条件、已有数据等预先给定的参数，统称为常量；另一类是在优化过程中经过逐步调整，最后达到最优值的独立参数，称为变量．优化问题的目的就是使各变量达到最优组合．变量的个数称为优化问题的维数．例如有个变量的优化问题就是在维空间中寻优．维空间中的点就代表优化问题中的一个方案．当变量为连续量时，称为连续变量；若变量只能在离散量中取值，称为离散变量． 二、目标函数 反映变量间相互关系的数学表达式称为目标函数．其值的大小可以用来评价优化方案的好坏．按照规范化的形式，一般把优化问题归结为求目标函数的极小化问题，换句话说，目标函数值越小，优化方案越好．对于某些追求目标函数极大的问题，可以转化成求其负值最小的问题，即 ． 因此在本书的叙述中，一律把优化问题描述为目标函数的极小化问题，其一般形式为 ． 如果优化问题只有一个目标函数，称为单目标函数，如果优化问题同时追求多个目标，则该问题的目标函数称为多目标函数． 多目标优化问题的目标函数通常表示为 ， 其中．这时的目标函数在目标空间中是一个维矢量，所以又称之为矢量优化问题（一般用min加一个前缀“”来表示矢量极小化）． 三、约束条件 变量间本身应该遵循的限制