习题课-最优化.docxVIP

课程结构第一章 线性规划的基本概念及基本原理第二章 线性规划求解的基本方法第六章 非线性规划问题及其数学基础第七章 单变量函数的寻优方法第八章 无约束条件下多变量函数的寻优方法第十一章 动态规划方法简介线性规划解:设生产两种型号机器A、B分别为x1、x2台，则限制条件为 2x1+3x2100（原材料限制） 4x1+2x2 120（工时限制） x1，x20（变量非负限制）要求：总产值最大，max f(x1，x2)= 6x1+4x2求解X = (20 20)fVal = -200线性规划目标取逆（—）求解X = (15.0000 0 3.3333 0)fVal = -113.333进行如下操作，转化为标准型：1）目标函数改为最小化， 2）3）将拆成和4）引入松弛变量和，将3）中的2个不等式变为，5)（单纯形求解）线段设,，是满足n维欧氏空间En中的任意两点，则所有满足条件：的点的集合，称为以，为端点的线段。其它的点称为内点。斐波那契最后一步迭代一步迭代需要2个中间点，其中之一来自上一步迭代.[1/3,1/3,1/3][1/2,1/2]用斐波那契法，求解，初始区间为[2,4]，允许误差ε=0.5。0.5/(4-2) f(n+1)=4用黄金分割法，求解，初始区间为[2,4]，允许误差ε=0.5。☆试用牛顿法求下列函数的极小点。，初始点为（0,0,0）T，并分析计算结果。解答：g = (2x1-2, 8x2, 10x3+10) TG = {2,0,0；0,8,0；0,0,10}G-1 = {1/2,0,0;0,1/8,0;0,0,1/10}x0 =(0,0,0) Tg0=(-2,0,10) Tx1 = x0-G-1g=(1,0,-1)T 1.0000 0.0000 -1.0000fval = -6.0000因此，对于2次函数，牛顿法可以一步求得最优解。☆用FR共轭梯度法求解无约束优化问题，取初始点,迭代2次，并分析求解结果。解答：梯度g=（10(x1-7)，6(x2-7)）T迭代1：g0 = (-20, 12) T,p0 = -g0 = (20, -12) Tx1 = x0 + a1p0 = (5+20a1, 9-12a1) Tf(x1) = f(a1) =5(20a1-2).^2+3(2-12a1).^2 = 5(400a1.^2-80a1+4)+ 3(144a1.^2-48a1+4) = 2432 a1.^2- 544 a1+32f(a1)’=0;a1 = 0.1118;x1 = (7.236, 7.6584)迭代2：g1 = (2.36, 3.9504)b0 = 0.038925p1 = -g1+b0p0= -(2.36, 3.9504) + 0.038925 *(20, -12) =(-1.5815, -4.4175)x2 = x1+a2p1 = (7.236-a2*1.5815, 7.6584-a2*4.4175);f(x2) =f(a2)= 5(0. 236-a2*1.5815).^2+3(0.6584-a2*4.4175).^2 = 5*(22.^2+ 0.055696 – a2* 0.746468)+3(0 192.^2-5.816964a2)=71.04863a2.^2-21.183232a2+1(a2)’=0a2 =0.14908x2 = (7 6.9998391)根据最有性条件，最优解为（7,7），因此，2次迭代，即可求得最优解。C1-D1 = 6AB2B1C3C2C1D1C4D3D2E2E1E3GF2F13 5 38 6 78 3 6 1 3 5 5 5 3 3 3 2 1 2 2 4 8 3 3 4 6 6 2 阐述3种一维搜索采用的主要方法。阐述3 种用于无约束最优化问题中的主要方法。迭代寻优算法的基本思想及常用终止迭代的准则。证明：设为一阶连续可微的凸函数，且，则为的全局极小点。