第一章最优化问题总论..pptVIP

第一章 最优化问题总论 　　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 　　本书只讨论静态最优化问题． §1.1 最优化问题数学模型 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 限制条件为 由拉格朗日乘数法，考虑函数 令 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 　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： 　一般地可表示为　　　　　　　　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： 一般地可表示为 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问题： （1）当变量个数增加且方程组又是非线性，求解此方程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． 　要解决上述问题，直到本世纪50年代最优化理论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．而且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有三个要求：即变 量（又称设计变量）、目标函数、约束条件． 　 一、变量 　 二、目标函数 　 三、约束条件 　 四、带约束条件的优化问题数学模型表示形式 上述三种表示形式中，称为集约束．在所讨论的最优化问题中，集约束是无关紧要的．这是因为一般，不然的话，通常也可用不等式约束表达出来．因此今后一般不再考虑集约束． 满足所有约束的点称为容许点或可行点．容许点的集合称为容许集或可行域．可用 表示． 一般地，对于最优化问题（1.1）的求解，是指在可行域内找一点，使得目标函数在该点取得极小值，即 这样的称为问题（1.1）的最优点，也称极小点，而相应的目标函数值　　称为最优值；　　　合起来，称为最优解，但习惯上，把　本身称为最优解．最优点的各分量和最优值必须是有限数． §1.2 最优化问题的算法 讨论二维最优化问题为 （一）约束集合 　当约束函数为线性时，等式约束在的坐标平面上为一条直线；不等式约束在的坐标平面上为一半平面．当约束函数为非线性时，例如，则等式约束条件：在的坐标平面上为一条曲线（如图所示）． 　当约束函数为非线性时，例如，则不等式约束在的坐标平面上为曲线把坐标平面分成两部分当中的一部分（如图所示）． 　 　　综上所述，当把约束条件中的每一个 等式所确定的曲线，以及每一个不等式所 确定的部分在坐标平面上画出之后，它 们相交的公共部分即为约束集合D． 例1.4 在坐标平面上画出约束集合 解 满足的区域为以原点为圆心，半径为1 的圆；满足的区域为第一象限的扇形（如 图所示）． （二）等高线 我们知道 在三维空间中表示一张曲面． （其中为常数）在三维空间中表示平行于 平面的一个平面，这个平面上任何一点的高度都等于常数 （如图1.5所示）． 现在，在三维空间中曲面 与平面 有一条交线 ．交线在平面上的投影曲线是 ，可见曲线上的点到平面 的高度都等于常数C，也即曲线上的的函数值都具有相同的值．当常数取不同的值时，重复上面的讨论，在平面上得到一族曲线——等高线．不难看出，等高线的形状完全由曲面的形状所决定；反之，由等高线的形状也可以推测出曲面的形状．在以后的讨论中，不必具体画出曲线的图形，