Lect的ure1_Introduction1.ppt

Formulation 4: Portfolio Management Let r denote the expected return vector and V denote the co-variance matrix for the returns of an investment portfolio, and let x be the investment proportion vector. Then, one management model is: where e is the vector of all ones. This is a quadratic program. Robust Portfolio Management In real applications, r and V may be estimated under various scenarios, say ri and Vi for i=1,2,...,m. This is called quadratically constrained optimization. 把某种货物从m个工厂运到n个商店去，其中每个工厂的库存量为a1,a2,…,am,各商店的需求量为b1,b2,…,bn,从工厂i到商店j的运费（每单位货物）为cij,确定从工厂i到商店j的运输量xij(i=1,…,m,j=1,…,n),使在满足供求的条件下，总的运费最小。 Formulation 5: 运输问题 Formulation 6: 合理下料问题 现要用长7.4米的圆钢截取长2.9米、2.1米和1.5米的材料各100根，应如何下料，才能使用料最省？ 1、各种取料方式 2.9 2.1 1.5 0.9 决策目标：如何取料使所用原料最少 (1) 决策变量：设第 j 种下料方式所用的原料根数为xj (2)目标函数： (3) 约束条件： (4) 非负条件： Formulation 8: Base-Station Location 总 结 目标函数用决策变量的线性（或非线性）函数来表示。按问题的不同，要求目标函数实现最大化和最小化。 最优化问题的共同特征： 每一个问题变量都用一组决策变量（x1, x2, …, xn）表示某一方案，这组决策变量的值代表一个具体方案。 存在一定的约束条件，这些约束条件可以用一组线性（或非线性）等式或线性（或非线性）不等式来表示。 基本概念 可行点（可行解）：在线性规划和非线性规划中，满足约束条件的点． 可行集或可行域S：全体可行点组成的集合． 无约束问题：如果一个问题的可行集是整个空间． 对于一个规划问题，下面三种情况必占其一： (1)S＝Φ，则称该问题无解或不可行； (2)S≠Φ，但目标函数在S上无界，则称该问题无界； (3)S≠Φ且目标函数有有限的最优值，则称该问题有（有限的）最优解． 定义１：设f(x)为目标函数，S为可行域，x0∈S，若对?x∈S,有f(x)≥f(x0),则x0称为极小化问题minf(x)， x∈S的全局最优解． 定义２：设f(x)为目标函数，S为可行域，若存在x0的ε邻域 　　　 使得对?x∈S∩Nε(x0)，有f(x)≥f(x0),则x0称为极小化问题minf(x)， x∈S的局部最优解． 　预备知识　 线性相关与线性无关： 范数 集 合 内点： 补集： 开集： 闭集： 有界集： 紧集： 有界闭集称为紧集 集合的性质： 函数的展开 梯度： Hesse矩阵： Taylor展开 定理： 二次型的正定性 定义： 定理： 二次型的半正定性 定义： 定理： 凸集(convex set) 定义：设x,y为欧式空间En中相异的两个点，则点集 P={λx+(1-λ)y|λ∈R} 称为通过x和y的直线. 定义：设S?En,若对?x(1),x(2)∈S及?λ∈[0,1],都有 λx(1)+(1-λ)x(2)∈S 则称S为凸集. 设x(1),x(2)，…,x(k)∈S,称 λ1x(1)+λ2x(2)+…+λkx(k) (其中λ1+λ2+…+λk=1)为x(1),x(2),…,x(k)的凸组合. H={x|pTx＝a} 超平面(hyper-plane) H-={x|pTx≤a} （闭）半空间 L={x|x=x(0)+λd,λ≥0} 射线 凸集的性质 设S1和S２为En中的两个凸集，β是实数，则 (1) βS1 ={βx|x∈S1} (2) S1∩S2 (3) S1+S２={x(1)+x(2