1优化建模与LINGO.pptVIP

优化模型的简单分类和求解难度 线性规划模型的解的几种情况 非线性规划模型－例1.3：选址问题 选址问题：NLP MATLAB优化工具箱能求解的优化模型 LINDO 公司软件产品简要介绍 LINGO软件的求解过程 建模时需要注意的几个基本问题 LINDO/LINGO软件能求解的模型 优化 线性规划 非线性规划 二次规划 连续优化 整数规划 LINDO LINGO LINGO软件的功能与特点 LINGO模型的优点 集成了线性(非线性) / 连续(整数) 优化功能 具有多点搜索 / 全局优化功能 提供了灵活的编程语言(矩阵生成器)，可方便地输入模型 提供与其他数据文件的接口 提供与其他编程语言的接口 LINDO API 可用于自主开发 运行速度较快 优 化 建 模 优化模型与LINDO/LINGO软件 ［原书相关信息］ 谢金星, 薛毅编著, 清华大学出版社, 2005年7月第1版. /~jxie/lindo 第　1　讲　　概 述 1. 优化模型的基本概念 2. 优化问题的建模实例 3. LINDO/LINGO 软件简介 最优化是工程技术、经济管理、科学研究、社会生活中经常遇到的问题, 如: 优化模型和算法的重要意义 结构设计 资源分配 生产计划 运输方案 解决优化问题的手段 经验积累，主观判断 作试验，比优劣 建立数学模型，求解最优策略 最优化: 在一定条件下，寻求使目标最大(小)的决策 优化问题三要素：决策变量；目标函数；约束条件 约束条件 决策变量 优化问题的一般形式 无约束优化(没有约束)与约束优化(有约束) 可行解（只满足约束）与最优解(取到最优值) 目标函数 局部最优解与整体最优解 局部最优解 (Local Optimal Solution, 如 x1 ) 整体最优解 (Global Optimal Solution, 如 x2 ) x * f(x) x1 x2 o 优化模型的 简单分类 线性规划(LP) 目标和约束均为线性函数 非线性规划(NLP) 目标或约束中存在非线性函数 二次规划(QP) 目标为二次函数、约束为线性 整数规划(IP) 决策变量(全部或部分)为整数 整数线性规划(ILP)，整数非线性规划(INLP) 纯整数规划(PIP), 混合整数规划(MIP) 一般整数规划，0-1（整数）规划 连续优化 离散优化 数学规划 优化 线性规划 非线性规划 二次规划 连续优化 整数规划 问题求解的难度增加 1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 50桶牛奶 时间480小时 至多加工100公斤A1 制订生产计划，使每天获利最大 35元可买到1桶牛奶，买吗？若买，每天最多买多少? 可聘用临时工人，付出的工资最多是每小时几元? A1的获利增加到 30元/公斤，应否改变生产计划？ 每天： 线性规划模型－例1.1: 奶制品生产计划 2. 优化问题的建模实例 1桶牛奶 3公斤A1 12小时 8小时 4公斤A2 或 获利24元/公斤 获利16元/公斤 x1桶牛奶生产A1 x2桶牛奶生产A2 获利 24×3x1 获利 16×4 x2 原料供应 劳动时间 加工能力 决策变量 目标函数 每天获利 约束条件 非负约束 线性规划模型(LP) 时间480小时 至多加工100公斤A1 50桶牛奶 每天 模型求解 图解法 x1 x2 0 A B C D l1 l2 l3 l4 l5 约束条件 目标函数 Z=0 Z=2400 Z=3600 z=c (常数) ~等值线 c 在B(20,30)点得到最优解 目标函数和约束条件是线性函数 可行域为直线段围成的凸多边形 目标函数的等值线为直线 最优解一定在凸多边形的某个顶点取得。 求解LP的基本思想 思路：从可行域的某一顶点开始，只需在有限多个顶点中一个一个找下去，一定能得到最优解。 LP的约束和目标函数均为线性函数 2维 可行域 线段组成的凸多边形 目标函数 等值线为直线 最优解 凸多边形的某个顶点 n维 超平面组成的凸多面体 等值线是超平面 凸多面体的某个顶点 LP的通常解法是单纯形法(G. B. Dantzig, 1947) 内点算法(Interior point method) 　20世纪80年代人们提出的一类新的算法——内点算法 　也是迭代法，但不再从可行域的一个顶点转换到另一个顶点，而是直接从可行域的内部逼近最优解。 LP其他算法 有效集(Active Set)方法 LP是QP的特例（只需令所有二次项为零即可） 可以用QP的