优化模型实训优秀培训书.ppt

最优化概论 当今，“优化”无疑是一个热门词。做宏观经济规划要优化资源配置，搞企业经营管理要优化生产计划，作新产品设计要优化性能成本比。就是在人们的日常生活中，优化的要求也比比皆是，消费时，如何花尽可能少的钱办尽可能多的事，出行时，如何走最短的路程到达目的地，等等。总而言之，在经济如此发展，竞争如此剧烈，资源日渐紧张的今天，人们做任何事，无不望求事半功倍之术，以求或提效、或增收、或节约等等之目标。 一、最优化概念 所有类似的这种课题统称为最优化问题，研究解决这些问题的科学一般就总称之为最优化理论和方法 另外也可用学术味更浓的名称：“运筹学”。由于最优化问题背景十分广泛，涉及的知识不尽相同，学科分枝很多，因此这个学科名下到底包含哪些分枝，其说法也不一致。 比较公认的是：“规划论”（包括线性和非线性规划、整数规划、动态规划、多目标规划和随机规划等），“组合最优化”，“对策论”及“最优控制”等等。 数学建模竞赛中的优化问题 2000B 钢管订购和运输问题—二次规划 2001B 公交车优化调度 2001C 基金使用的最优策略-----线性规划 2002B 彩票中的数学 2003B 露天矿生产的车辆安排问题 2004A 奥运会临时超市网点设计问题 2004D 公务员招聘工作中录用方案—多目标规划 2005B DVD在线租赁 2006A 出版社的资源配置问题 2007A 乘公交，看奥运 2008B 高等教育学费探讨 2009B 眼科病床的合理安排 数学建模竞赛中的优化问题 2002B，彩票中的数学—约束非线性规划 从数学上来看，所谓最优化问题可以概括为这样一种数学模型：给定一个“函数”，F(X)，以及“自变量”X应满足的一定条件，求X为怎样的值时，F(X)取得其最大值或最小值。通常，称F(X)为“目标函数”，X应满足的条件为“约束条件”。约束条件一般用一个集合D表示为：X∈D。 求目标函数F(X)在约束条件X∈D下的最小值或最大值问题，就是一般最优问题的数学模型． 二、最优化问题的一般形式 三、最优化问题分类 三、最优化问题分类(续） 三、最优化问题分类(续） 四、求解最优化问题的方法 五、构造数值优化算法的一般过程 　六、最优化方法的基本结构 七、搜索算法结构框图 八、最优化方法解决问题的步骤 （1）确定变量，写出目标函数和有关约束条件，建立数学模型。 （2）分析模型，搞清它属于运筹学哪一分枝，选择合适的最优化方法； （3）编程求解；尽量利用现有的数学软件或最优化软件，比如 Matlab，Mathematica， Lindo， Lingo等，来计算。 （4）最优解的验证和实施。 九、MATLAB优化工具箱简介 1 . 功能 （1）求解无约束条件非线性极小值； （2）求解约束条件下非线性极小值，包括目标逼近问题、极大-极小值问题和半无限极小值问题； （3）求解二次规划和线性规划问题； （4）非线性最小二乘逼近和曲线拟合； （5）非线性系统的方程求解； （6）约束条件下的线性最小二乘优化； （7）求解复杂结构的大规模优化问题。 2. 常用函数： 3. Options选项说明 输入参数中可以用options，用于所有函数，其中包括有一下参数。 （1）Display：结果显示方式，off不显示，iter显示每次迭代的信息，final为最终结果，notify只有当求解不收敛的时候才显示结果。 （2）MaxFunEvals：允许函数计算的最大次数，取值为正整数。 （3）MaxIter：允许迭代的最大次数，正整数。 （4）TolFun：函数值（计算结果）精度，正整数。 （5）TolX：自变量的精度，正整数。 而且可以用函数optimset创建和修改。 线性规划问题及其MATLAB解法 1. 线性规划的一般形式 线性规划问题及其MATLAB解法 2. 线性规划的matlab解法 线性规划问题及其MATLAB解法 整数线性规划(ILP)及其lindo解法 多目标规划及其求解方法 多目标规划的一般形式 求解多目标规划的方法 1、降维法 ， 即把多目标 化为比较容易求解的单目标或双目标，如主要目标法、线性加权法、极大极小法、理想点法等； 2、分层序列法，即把目标按其重要性给出一个序列，每次都在前一目标最优解集内求下一个目标最优解，直到求出共同的最优解。 3、层次分析法，是由美国运筹学家沙旦于70年代提出的，这是一种定性与定量相结合的多目标决策与分析方法，对于目标结构复杂且缺乏必要的数据的情况更为实用。 在Matlab的优化工具箱中，fgoalattain函数用于解决此类问题。其数学模型形式为： min γ F(x)-weight ·γ≤goal c(x) ≤0 非线性不等式约束 c