《工程最优化技术》第二章.pptVIP

第二章 线性规划 min f(x) s.t. ☆ 在模型 中 当f(x), g i(x), (i=1,…l ), hj(x), (j=1,…m)均为线性函数时，称为线性规划问题 LP 二维问题的图解法 线性规划的基本定理 单纯形法 大M法 要点：基本定理、顶点、标准形式、典范形式、基本可行解、 价值系数、最优性准则、单纯形表格法 §2.1 建立LP问题数学模型的实例 （1）确定自变量 建模的三个步骤 （2）把问题的约束表示成等式或不等式 （3）写出目标函数 ☆ 研究重要性 （1）一些 NLP 问题可简化为 LP 问题求解 （2）是开发一些较复杂 NLP 算法的基础 （3）是所有最优化方法中最常用的技术 ( 占47％；科学计算中，LP的计算时间占1/4） ☆ 1939年苏联数学家提出并解决了一个线性规划问题 ☆ 1947年美国数学家提出了单纯形法后，LP的理论和算法趋于成熟 例2.1.1 确定职工编制问题 某厂每日8小时的产量不低于1800件。为了进行质量控制，计划聘请两种不同水平的检验员。一级检验员的标准是：速度 25件/小时，正确率 98％，计时工资 4元/小时；二级检验员的标准是：速度 15件/小时，正确率 95％，计时工资 3元/小时。检验员每错验一次，工厂要损失2元。现可供厂方聘请的检验员人数为一级8人和二级10人。为使总检验费用最省，该工厂应聘一级和二级检验员各多少名？ 分析：设应聘一级检验员x1 ，二级检验员x2 约束一：可聘两级检验员人数 x1?8 x2?10 约束二：每日产量要求 8(25)x1+8(15)x2?1800 5x1+3x2 ? 45 目标函数 一级检验员每小时费用 4＋25 (0.02) (2)=5元/小时 二级检验员每小时费用 3＋15 (0.05) (2)=4.5元/小时 f(x) = 8(5x1+4.5x2) = 40 x1+36x2 min f(x)=40x1+36x2 s.t. 5x1+3x2 ?45 x1≤8 x2≤10 x1, x2 ≥0 数学模型 隐含的 约束条件 §2.2 二维问题的图解法 图解步骤 （1）在x10x2坐标平面上画出可行域； （2）作目标函数的等高线 (为一组平行的直线)， 根据等高线函数值的变化规律及目标函数的要 求，确定等高线的移动方向，按此方向移动 等高线，使其达到可行域的极限点（最优点）； （3）根据最优点的位置，联立求解对应的约束方程， 求出最优点坐标； （4）将最优点坐标代入目标函数，求出最优值。 A B C D P19 例： max f(x)=4x1+3x2 s.t. 3x1+4x2≤12 3x1+3x2≤10 4x1+2x2≤8 x1, x2 ≥0 0 x1 x2 3 4 3x1+4x2=12 3x1+3x2=10 4x1+2x2=8 f =7 52/15 f =52/5 最优点(x1* =4/5, x2*=12/5) f *=52/5 A B C D 例： max f(x)=4x1+2x2 s.t. 3x1+4x2≤12 3x1+3x2≤10 4x1+2x2≤8 x1, x2 ≥0 0 x1 x2 3x1+4x