优化建模与相编程.ppt

优化建模 与相关编程;整数规划问题一般形式;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;基本思想：隐式地枚举一切可行解（“分而治之”）;假设A;目标;决策变量： ci j，(xj,yj)~16维;优化建模与LINDO/LINGO软件;内容提要; 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:;优化问题三要素：决策变量；目标函数；约束条件;局部最优解与整体最优解 ;优化模型的 简单分类;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 ;无约束优化; LINDO / LINGO软件使用简介 ;使用LINDO的一些注意事项;变量不能出现在一个约束条件的右端 表达式中不接受括号“( )”和逗号“,”等任何符号, 例: 400(X1+X2)需写为400X1+400X2 表达式应化简，如2X1+3X2- 4X1应写成 -2X1+3X2 缺省假定所有变量非负；可在模型的“END”语句后用“FREE name”将变量name的非负假定取消 可在 “END”后用“SUB” 或“SLB” 设定变量上下界 例如： “sub x1 10”的作用等价于“x1=10” 但用“SUB”和“SLB”表示的上下界约束不计入模型的约束，也不能给出其松紧判断和敏感性分析。 14. “END”后对0-1变量说明：INT n 或 INT name 15. “END”后对整数变量说明：GIN n 或 GIN name;二次规划(QP)问题;状态窗口（LINDO Solver Status） ;选项设置;Report/Statistics;LINGO软件简介;集合的类型;集合元素的隐式列举;运算符的优先级 ;集合循环函数;状态窗口;7个选项卡(可设置80-90个控制参数); 程序与数据分离;需要掌握的几个重要方面;常用优化软件 ;;LINDO 公司软件产品简要介绍 ;;LINGO软件的功能与特点; LP QP NLP IP 全局优化(选) ILP IQP INLP ;建模时需要注意的几个基本问题 ;解决优化问题常用的算法; Mendel遗传学说最重要的是基因遗传原理。它认为遗传以密码方式存在细胞中，并以基因形式包含在染色体内。每个基因有特殊的位置并控制某种特殊性质； 所以，每个基因产生的个体对环境具有某种适应性。基因突变和基因杂交可产生更适??于环境的后代。经过存优去劣的自然淘汰，适应性高的基因结构得以保存下来。 遗传算法GA把问题的解表示成“染色体”，在算法中也即是以二进制编码的串。并且，在执行遗传算法之前，给出一群“染色体”，也即是假设解。然后，把这些 假设解置于问题的“环境”中，并按适者生存的原则，从中选择出较适应环境的“染色体”进行复制，再通过交叉，变异过程产生更适应环境的新一代“染色体” 群。这样，一代一代地进化，最后就会收敛到最适应环境的一个“染色体”上，它就是问题的最优解。 ;模拟退火算法;数学建模的常用算法 ; 4、图论算法。这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备。 ; 8、一些连续离散化方法。很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的。 ;从历年竞赛题来看，常用的方法：;一些小建议;建模时主要用到的工具;其他工具