单目标函数最优化.doc

单目标函数最优化 1基本概念 设计变量（决策变量）：在设计过程中进行选择并最终必须确定的各项独立参数。 最优化设计的维数：决策变量的数目称为最优化设计的维数，比如：1维、2维、3维设计问题。 设计空间：在最优化设计中由各决策变量的坐标轴所描述的空间称为设计空间。 当决策变量数目大于3时，n维空间又称为超越空间。 注意：设计空间中的一个点（一组决策变量的值）就是一种设计方案。 目标函数：用决策变量表示的、反应所设计问题性能的函数表达式。 注意：最优化设计的过程就是选择合理的决策变量，使目标函数达到最优或找出目标函数的最小值（或最大值）的过程。 单目标函数最优化问题：目标函数只有一个。 多目标函数最优化问题：目标函数（性能指标）有多个。 无约束优化、约束优化 线性规划（Linear Programming，简记为LP）：目标函数和约束条件都是自变量（包括决策变量和非决策变量）的线性函数。 非线性规划（Nonlinear Programming，简记为NP）：如果目标函数和约束函数中至少有一个是自变量的非线性函数，这种规划问题就称为非线性规划问题。 2单目标函数最优化问题 exa: （生产计划问题）某企业计划生产甲、乙两种产品，这两种产品均需在A、B、C三种不同设备上加工。每单位产品所耗用的设备工时、单位产品利润及各设备在某计划期内的工时限额如表1。试问应如何安排生产计划，才能使企业获得最大利润。 表1 设备 单位产品耗工时 甲乙工时限额A116B128C026单位利润34数学模型（优化模型）的建立 决策变量：计划期内甲、乙两种产品的产量，分别用、表示，其取值均为非负； 目标函数：计划期内两种产品的总利润，用表示，即 问题：总利润最大，即 约束条件：、受到工时限额的约束，即 同时，甲、乙产品的产量为非负的，应有 ， 综上，该问题的数学模型（优化模型）为 (1) 其中，“”为“subject to”（受约束于）的缩写。 模型求解 方法：线性规划的图解法 图解法适用条件：2维优化问题（几何含义：XOY二维坐标系），即只有两个决策变量。 解 ①可行域图形的确定 LP模型所有约束条件构成的公共部分。称为可行域图形。 因为，可行域在第一象限。第一个约束条件表示半平面，此半平面是以直线为边界的在其左下方第一象限部分。类似地，可求出其余约束条件表示的半平面部分(见图1)。图中的凸多边形OABCD即为该例的可行域图形。 图1 凸多边形（包括其边界）上的每一点，都是本例LP模型的一个可行解。因此凸多边形区域OABCD是该LP模型的可行解的集合，称为可行域，可行域中使目标函数达到最大（或最小）的点为最优点，最优点对应的坐标即为LP的最优解，相应的函数值称为最优值。 ②目标函数的等值线与最优点的确定 考虑本例的目标函数 它代表以为参数，-3/4为斜率的一簇平行线。 由小到大给赋值，如令等可得到一组平行线（见图1），而位于同一直线上的点，具有相同的目标函数值，因而称其为等值线。垂直于这组平行线画一直线，取值沿此直线递增的方向，即为直线簇 的法线方向（如图1），其为值增加最快的方向。 沿法线方向平行移动直线，当移动到B点时，值在可行域上达到最大，从而B为最优点。求出B点坐标，解 得，，最优值为。 故本例的最优生产方案为：日产甲产品4件，乙产品2件，每天可得最大利润20千元。 图解法求解工具：AutoCAD; MATLAB AutoCAD步骤： 设置极限（limits）:（-10，-10），（10，10） 设置栅格间距：0.5 打开栅格； 绘制可行域图形(由各个约束条件对应直线构成的闭合凸多边形)； 绘制目标函数对应直线（等值线）； 沿目标函数法线方向平移目标函数等值线（offset）； 确定最优解，利用目标捕捉工具获取最优解对应点坐标（id）。 MATLAB： 函数：linprog函数（具体参见该函数语法手册） 求解问题：最小化问题minf(x)，约束条件为A*x=b 格式：x=linprog(f,A,b,[],[],lb),lb为向量X（x1,x2）的下限 实例中目标函数（1）需转换为等效的最小化形式： 首先输入下列系数： f=[-3;-4]; A=[1 1;1 2;0 2]; b=[6;8;6] lb=[0;0] 然后调用linprog函数： x=linprog(f,A,b,[],[],lb)