規划模型读书笔记.docVIP

规划：线性规划，非线性规划，整数规划，动态规划，目标规划， 机理分析：微分方程，常微分方程，差分方程 图论 线性规划： 1.运输问题 2.指派问题：0-1规划，求解0-1规划的匈牙利算法（约束方程组的系数矩阵） 模型： s.t. 3.对偶理论和灵敏度分析 灵敏度分析:当这些系数有一个或几个发生变化时，已求得的线性规划问题的最优解会有什么变化；或者这些系数在什么范围内变化时，线性规划问题的最优解或最优基不变。 4.例 投资风险和收益 要使净收益尽可能大，总体风险尽可能小，所以是一个多目标规划， 模型简化： （a）固定风险，最大化收益 在实际投资中，投资者承受风险的程度不一样，若给定风险一个界限a ，使最 大的一个风险，，可找到相应的投资方案。这样把多目标规划变成一个目标的线 性规划。 (b)固定盈利水平，极小化风险 设总盈利水平大于K, (c) 对风险、收益分别赋予权重s（0 s ≤1）和(1? s)，s称为投资偏好系数。 非线性规划 1. 对于一个实际问题，在把它归结成非线性规划问题时，一般要注意如下几点： （i）确定供选方案：首先要收集同问题有关的资料和数据，在全面熟悉问题的基 础上，确认什么是问题的可供选择的方案，并用一组变量来表示它们。 （ii）提出追求目标：经过资料分析，根据实际需要和可能，提出要追求极小化 或极大化的目标。并且，运用各种科学和技术原理，把它表示成数学关系式。 （iii）给出价值标准：在提出要追求的目标之后，要确立所考虑目标的“好”或 “坏”的价值标准，并用某种数量形式来描述它。 （iv）寻求限制条件：由于所追求的目标一般都要在一定的条件下取得极小化或 极大化效果，因此还需要寻找出问题的所有限制条件，这些条件通常用变量之间的一些 不等式或等式来表示。 2. 无约束问题 （a）一维搜索：当用迭代法求函数的极小点时，常常用到一维搜索，即沿某一已知方向求目标函数的极小点。一维搜索的方法很多，常用的有：（1）试探法（“成功—失败”，斐波那契法，0.618 法等）；（2）插值法（抛物线插值法，三次插值法等）；（3）微积分中的求根法（切线法，二分法等）。 （b）二次差值：对极小化问题，当 f (t)在[a,b]上连续时，可以考虑用多项式插值来进行一维搜索。它的基本思想是：在搜索区间中，不断用低次（通常不超过三次）多项式来近 似目标函数，并逐步用插值多项式的极小点来逼近的最优解。 3.约束极值问题 3.1二次规划问题 3.2罚函数法 罚函数法求解非线性规划问题的思想是，利用问题中的约束函数作出适当的罚函 数，由此构造出带参数的增广目标函数，把问题转化为无约束非线性规划问题。 4.例 飞行管理问题 整数规划 1.规划中的变量（部分或全部）限制为整数时，称为整数规划。 2.求解方法分类： （i）分枝定界法—可求纯或混合整数线性规划。 （ii）割平面法—可求纯或混合整数线性规划。 （iii）隐枚举法—求解“0-1”整数规划： ①过滤隐枚举法； ②分枝隐枚举法。 （iv）匈牙利法—解决指派问题（“0-1”规划特殊情形）。 （v）蒙特卡洛法—求解各种类型规划。 3.分枝定界法 4.0-1整数规划 动态规划 1. 虽然动态规划主要用于求解以时间划分阶段的动态过程的优化问题，但是一些与时 间无关的静态规划（如线性规划、非线性规划），只要人为地引进时间因素，把它视为 多阶段决策过程，也可以用动态规划方法方便地求解。 2.包含要素：阶段，状态，决策，策略，状态转移方程，指标函数和最优值函数，最优策略和最优轨线，递归方程。 3.建模步骤： （i）将过程划分成恰当的阶段。 （ii）正确选择状态变量，使它既能描述过程的状态，又满足无后效性，同时确 定允许状态集合。 （iii）选择决策变量，确定允许决策集合， （iv）写出状态转移方程。 （v）确定阶段指标，及指标函数的形式（阶段指标之和，阶段指标之积，阶段指标之极大或极小等）。 （vi）写出基本方程即最优值函数满足的递归方程，以及端点条件。 4.逆序解法框图 图的左边部分是函数序列的递推计算，可输出全过程最优值，如果需要还可以输出后部子过程最优值函数序列和最优决策序列。 图的右边部分是最优状态和最优决策序列的正向计算， 可输出最优策略和最优轨线 多目标规划 1. 求解思路 （1）加权系数法 为每一目标赋一个权系数，把多目标模型转化成单一目标的模型。但困难是要确 定合理的权系数，以反映不同目标之间的重要程度。 （2）优先等级法 将各目标按其重要程度不同的优先等级，转化为单目标模型。 （3）有效解法 寻