最优化方法讲稿.docVIP

第五章 最优化方法 在国民经济各部门和科学技术的各个领域中普遍存在着最优化问题(如工业设计中的参数选择,资源合理分配等等).最优化问题的解就是从所有可能的方案中选出最合理的, 以达到最优目标的方案--最优方案. 搜寻最优方案的方法就是最优化方法. 随着计算机科学的发展和广泛应用, 应用最优化方法解决问题的领域不断扩大, 解决问题的深度不断深化, 最优化的理论和方法也不断得到普及和发展. 近几年的大学生数学建模竞赛题目很多都与最优化问题有关(如飞行管理问题(95A),最优捕鱼策略(96A),节水洗衣机(96B),零件参数设计(97A),投资的收益和风险(98A),钢管订购和运输(2000B)). 这里, 我们主要介绍最典型的优化模型及应用背景、相关的优化理论和最常用的优化算法. 建立最优化问题的数学模型, 首先要确定问题的决策变量, 用n维向量表示, 然后构造模型的目标函数f(X)和决策变量的允许取值范围,称可行域,常用一组不等式来界定, 称为约束条件. 一般地,这类模型可表述成如下形式: (0.1) s.t. (0.2) 只满足(0.2)的解x称可行解, 同时满足(0.1)、（0.2）称为最优解. §1 线性规划 如果(0.1)(0.2)中的目标函数f(x)和约束条件都是线性函数, 该模型称为线性规划.模型为 （LP） 1．1 线性规划模型的标准型: (1) s.t. (2) 其中 线性规划的其他形式可通过形式变换和添加松弛变量而化为标准型. 1．2 求解方法:单纯形方法是通过迭代来求问题（LP）的最优解，在一个基本可行解非最优时，确定一个更优的基本可行解，形成一个使目标函数单调减的基本可行解序列，经有限步即可求得最优解 1．3 模型示例: 例1.1 运输问题:设有m个生产地点可供应物资,其供应量(产量)分别为.有n个销售地点,其需求量分别为, 假设供需平衡既.用表示由运输单位物资的运价, 如何确定一种调运方案才能使总运输费用最小. 用表示由调运物资的数量, 则运输问题的数学模型为: s.t. 1．4 利用MATLAB优化工具箱解线性规划 Matlab求解线性规划的命令为 1) x=linprog(c,A,b,Aeq,beq) x=linprog(c,A,b, Aeq,beq ,vlb,vub) x= linprog(c,A,b, Aeq,beq ,vlb,vub,x0);x0表示初始点 x= lp(c,A,b, Aeq,beq ,vlb,vub,x0,options);x0表示初始点 其中1)用于求解模型 s.t. 2)、3)、4)用于求解 s.t. 例1 求解线性规划问题 s.t. 其中c=[-0.4,-0.28,-0.32,-0.72,-0.64,-0.6] A=[0.01 0.01 0.01 0.03 0.03 0.03 0.02 0 0 0.05 0 0 0 0.02 0 0 0.05 0 0 0 0.03 0 0 0.08] b=[850;700;100;900] vlb=[0;0;0;0;0;0] vub=[] 解 用命令2）l11.m c=[-0.4,-0.28,-0.32,-0.72,-0.64,-0.6]; A=[0.01 0.01 0.01 0.03 0.03 0.03;0.02 0 0 0.05 0 0; 0 0.02 0 0 0.05 0; 0 0 0.03 0 0 0.08]; b=[850;700;100;900]; vlb=[0;0;0;0;0;0]; vub=[]; x=linprog(c,A,b,[],[],vlb,vub) f=c*x 例2 求解线性规划问题 解 用命令3)l12.m c=[6,3,4]; A=[1,1,1;0,1,0]; b=[120;50]; vlb=[30,0,20]; vub=[]; x0=[0;0;0]; Aeq=[1,1,1]; Beq=120; x=lp(c,A,b,Aeq,beq,vlb,vub,x0) z=c*x §2