第三讲 多变量最优化.ppt

* 多 变 量 最 优 化 例：竞争性产品生产中的利润最大化 一家彩电制造商计划推出两种新产品：一种19英寸液晶平板电视机，制造商建议零售价为339美元；另一种21英寸液晶平板电视机，零售价为399美元。公司付出的成本为19英寸彩电每台195美元，21英寸彩电每台225美元，还要加上400000美元的固定成本。 在竞争的销售市场中，每年售出的彩电数量会影响彩电的平均售价。据估计，对每种类型的彩电，每多售出一台，平均销售价格会下降1美分。而且19英寸彩电的销售会影响21英寸彩电的销售，反之亦然。据估计，每售出一台21英寸彩电，19英寸彩电的平均售价会下降0.3美分，而每售出一台19英寸彩电，21英寸彩电的平均售价会下降0.4美分。 问题是：每种彩电应该各生产多少台？ 变量： x=19英寸彩电的售出数量（每年） y=21英寸彩电的售出数量（每年） p=19英寸彩电的销售价格（美元） q=21英寸彩电的销售价格（美元） R=彩电销售的收入（美元/年） C=生产彩电的成本（美元） P=彩电销售的利润（美元/年） 提出问题： 假设： 目标：最大化利润函数P 解得全局极大值点 建立模型： 求解模型： 选择建模方法 无约束多变量最优化问题 回答问题： 这家公司可以通过生成4735台19英寸彩电和7043台21英寸彩电来获得最大利润，每年获得的净利润为553641美元，每台19英寸彩电的平均售价为270.52美元，每台21英寸彩电的平均售价为309.63美元。生产的总支出为2908000美元，相应的利润率为19%。因此建议这家公司应该实行推出新产品的计划。 计算机代数系统--matlab [x, y] = meshgrid(0:400:10000, 0:400:10000); z = (339 - 0.01*x - 0.003*y).*x + (399 - 0.004*x - 0.01*y).*y - (400000 + 195*x + 225*y); mesh(x, y, z) syms x y z = (339 - 0.01*x - 0.003*y).*x + (399 - 0.004*x - 0.01*y).*y - (400000 + 195*x + 225*y); dzdx = diff(z, x) dzdy = diff(z, y) s = solve(‘-1/50*x + 144 - 7/1000*y = 0, -7/1000*x - 1/50*y + 174 = 0, x, y) subs(z, {x, y}, [s.x, s.y]) 灵敏性分析 在向公司报告结论之前，应对我们关于彩电市场和生产过程所做的假设进行灵敏性分析，以保证结果具有稳健性。 对19英寸彩电的价格弹性系数a的灵敏性进行分析. 我们主要关心的是决策变量x和y的值，因为公司要据此来确定生产量。 求偏导数并令其为零，可解得 可画出x和y关于a的曲线图. 19英寸彩电的价格弹性系数a的提高，会导致19英寸彩电的最优生产量x的下降，及21英寸彩电的最优生产量y的提高。而且，图中显示x比y对于a更敏感。 计算可得，在a=0.01时，有 如果将19英寸彩电的价格弹性系数提高10%，则我们应将19英寸彩电的生产量缩小11%，21英寸彩电的生产量扩大2.7%. 计算可得，在a=0.01时，有 考虑y对于a的灵敏性。 因此，19英寸彩电的价格弹性系数提高10%，会使利润下降4%. syms a z = (339 - a*x - 0.003*y).*x + (399 - 0.004*x - 0.01*y).*y - (400000 + 195*x + 225*y) dzdx = diff(z, x) dzdy = diff(z, y) s = solve(-2*a*x + 144 - 7/1000*y = 0, -7/1000*x - 1/50*y + 174 = 0, x, y) dxda = diff(s.x, a) sxa = dxda * a / s.x a = 0.01 eval(sxa) Matlab 优化函数 function y = tvsell(x) y = -(339 - 0.01*x(1) - 0.003*x(2)) * x(1) - (399 - 0.004*x(1) - 0.01*x(2)) * x(2) + (400000 + 195*x(1) + 225*x(2)); 1） 建立目标函数的m-文件 2）求解 x0 = [0, 0]; [x, yval] = fminunc(‘tvsell’, x0) 无约束多变量函数极小 fminunc 如果在求极值时使用函数的梯度，则在目标函数的m-文