优化建模与LINGO.pptVIP

优化建模与计算 许顺维 优化模型的简单分类和求解难度 线性规划模型的解的几种情况 非线性规划模型(NLP)－例1.3： MATLAB优化工具箱能求解的优化模型 LINDO 公司软件产品简要介绍 建模时需要注意的几个基本问题 优 化 建 模 参考书 《优化建模与LINDO/LINGO软件》 谢金星, 薛毅编著, 清华大学出版社, 2005年7月第1版. /~jxie/lindo 内容提要 1. 优化模型的基本概念 2. 优化问题的建模实例 3. LINDO/LINGO 软件简介 1. 优化模型的基本概念 最优化是工程技术、经济管理、科学研究、社会生活中经常遇到的问题, 如: 优化模型和算法的重要意义 结构设计 资源分配 生产计划 运输方案 解决优化问题的手段 经验积累，主观判断 作试验，比优劣 建立数学模型，求解最优策略 最优化: 在一定条件下，寻求使目标最大(小)的决策 优化问题三要素：决策变量；目标函数；约束条件 约束条件 决策变量 优化问题的一般形式 无约束优化(没有约束)与约束优化(有约束) 可行解（只满足约束）与最优解(取到最优值) 目标函数 局部最优解与整体最优解 局部最优解 (Local Optimal Solution, 如 x1 ) 整体最优解 (Global Optimal Solution, 如 x2 ) x * f(x) x1 x2 o 优化模型的 简单分类 线性规划(LP) 目标和约束均为线性函数 非线性规划(NLP) 目标或约束中存在非线性函数 二次规划(QP) 目标为二次函数、约束为线性 整数规划(IP) 决策变量(全部或部分)为整数 整数线性规划(ILP)，整数非线性规划(INLP) 纯整数规划(PIP), 混合整数规划(MIP) 一般整数规划，0-1（整数）规划 连续优化 离散优化 数学规划 优化 线性规划 非线性规划 二次规划 连续优化 整数规划 问题求解的难度增加 2. 优化模型实例 目标函数 约束条件 例2.1 线性规划模型(LP) 模型求解 图解法 x1 x2 0 A B C D l1 l2 l3 l4 l5 约束条件 目标函数 Z=0 Z=2400 Z=3600 z=c (常数) ~等值线 c 在B(20,30)点得到最优解 目标函数和约束条件是线性函数 可行域为直线段围成的凸多边形 目标函数的等值线为直线 最优解一定在凸多边形的某个顶点取得。 求解LP的基本思想 思路：从可行域的某一顶点开始，只需在有限多个顶点中一个一个找下去，一定能得到最优解。 LP的约束和目标函数均为线性函数 2维 可行域 线段组成的凸多边形 目标函数 等值线为直线 最优解 凸多边形的某个顶点 n维 超平面组成的凸多面体 等值线是超平面 凸多面体的某个顶点 LP的通常解法是单纯形法(G. B. Dantzig, 1947) 内点算法(Interior point method) 　20世纪80年代人们提出的一类新的算法——内点算法 　也是迭代法，但不再从可行域的一个顶点转换到另一个顶点，而是直接从可行域的内部逼近最优解。 LP其他算法 有效集(Active Set)方法 LP是QP的特例（只需令所有二次项为零即可） 可以用QP的算法解QP(如: 有效集方法) 线性规划问题 有可行解(Feasible) 无可行解（Infeasible） 有最优解（Optimal） 无最优解(Unbounded) 目标 98 x1 + 277 x2 － x12 － 0.3 x1 x2 － 2x22 约束 x1 + x2 ≤100 x1 ≤ 2 x2 x1 , x2 ≥ 0 二次规划模型(QP) 若还要求产量为整数，则是整数二次规划模型(IQP) 二次规划模型(QP)-例1.2 决策变量： ci j，(xj,yj)~16维 非线性规划模型 (NLP) 整数规划问题一般形式 整数线性规划(ILP) 目标和约束均为线性函数 整数非线性规划(NLP) 目标或约束中存在非线性函数 整数规划问题的分类 纯(全)整数规划(PIP) 决策变量均为整数 混合整数规划(MIP) 决策变量有整数，也有实数 0-1规划 决策变量只取0或1 取消整数规划中决策变量为整数的限制（松弛），对应的连续优化问题称为原问题的松弛问题 整数规划问题对应的松弛问题 松弛问题 松弛 整数规划问题 最优解 最优解 整数 非整数 整数 舍入 非最优解 基本思想：隐式地枚举一切可行解（“分而治之”） 所谓分枝，就是逐次对解空