第二章优化模型.doc

数学建模内部资料 第二章 优化模型 PAGE \* MERGEFORMAT4 第二章 优化的基本模型 一、优化模型的概念 优化模型主要用来解决决策问题的模型，决策是有目的的选择行为，即是从一系列可选择的方案中选择能达到自己目的的方案。 § 1 优化问题的常用方法 1 . 线性规划 2. 整数规划（0—1规划） 3 . 非线性规划 4. 多目标规划 § 2 运用最优化方法解决最优化问题的一般方法步骤如下： ①前期分析：分析问题，找出要解决的目标，约束条件，并 确立最优化的目标。 ②定义变量，建立最优化问题的数学模型，列出目标函数和约束条件。 ③针对建立的模型，选择合适的求解方法或数学软件。 ④编写程序，利用计算机求解。 ⑤对结果进行分析，讨论诸如：结果的合理性、正确性，算法的收敛性，模型的适用性和通用性，算法效率与误差等。 二、 线性规划 在人们的生产实践中，经常会遇到如何利用现有资源来安排生产，以取得最大经济效益的问题。此类问题构成了运筹学的一个重要分支—数学规划，而线性规划(Linear Programming 简记LP)则是数学规划的一个重要分支。自从1947年G. B. Dantzig 提出求解线性规划的单纯形方法以来，线性规划在理论上趋向成熟，在实用中日益广泛与深入。特别是在计算机能处理成千上万个约束条件和决策变量的线性规划问题之后，线性规划的适用领域更为广泛了，已成为现代管理中经常采用的基本方法之一。 1、线性规划概念 线性规划是研究目标函数与约束条件均为线性的一类优化 问题的数学方法。 2、基本结构 (1)决策变量 ——未知数。它是通过模型计算来确定的决策因素。又分为实际变量——求解的变量和计算变量，计算变量又分松弛变量（上限）和人工变量（下限）。 (2)目标函数——目标的数学表达式。目标函数是求变量的线性函数的极大值和极小值这样一个极值问题。 (3)约束条件——实现目标的制约因素。它包括：客观约束条件、主观约束条件和非负限制 3、转化为线性规划的问题 很多看起来不是线性规划的问题也可以通过变换变成线性规划的问题来解决。如： 例1 规划问题为 其中，和为相应维数的矩阵和向量。 要把上面的问题变换成线性规划问题，只要注意到事实：对任意的，存在满足 ， 事实上，我们只要取，就可以满足上面的条件。 这样，记，，从而我们可以把上面的问题变成 例2 其中。 对于这个问题，如果我们取，这样，上面的问题就变换成 此即我们通常的线性规划问题。 三、基本例题 1、产地与销售点之间的运输最优化模型 计算6个发点8个收点的最小费用运输问题。产销单位运价如下表。 单 位 销地 运 价 产地B1B2B3B4B5B6B7B8产量A16267425960A24953858255A35219743351A47673927143A52395726541A65522814352销量3537223241324338根据上表可以都得到方程： (1)模型的假设： 表示从第个产地到第个销售点的运输量； 表示第个产地的产量； 表示第个销售点的销售量； 表示从第个产地到第个销售点的单位运价； (2)目标函数： (3)约束条件： 利用使用LINGO软件求解，编制程序如下： model: !6发点8收点运输问题; sets: warehouses/wh1..wh6/:capacity; vendors/v1..v8/:demand; links(warehouses,vendors):cost,volume; endsets !目标函数; min=@sum(links:cost*volume); !需求约束; @for(vendors(J): @sum(warehouses(I):volume(I,J))=demand(J)); !产量约束; @for(warehouses(I): @sum(vendors(J):volume(I,J))=capacity(I)); !这里是数据; data: capacity=60 55 51 43 41 52; demand=35 37 22 32 41 32 43 38; cost= 6 2 6 7 4 2 9 5 4 9 5 3 8 5 8 2 5 2 1 9 7 4 3 3 7 6 7 3 9 2 7 1 2 3 9 5 7 2 6 5 5 5 2 2 8 1 4 3; enddata end 然后点击工具条上的按钮 即可。 2、员工分配问题 有机器7台