运筹与优化1-01 概述.ppt

参考书 .陈宝林《最优化理论与算法》 . 解可新等《最优化方法》 . 薛嘉庆《最优化原理与方法》 . 盛昭瀚等《最优化方法基本教程》 . 部分英文教材; Chapter One 概述及预备知识;　　 最优化又称数学规划(Mathematical　Programming),大约在1947年诞生,是运筹学(Operation Research)的一个分支.;1.2　优化分类;按照问题涉及到的变量是否是离散变量进行分类：;附　组合优化问题技术及其应用简介;组合最优化的应用举例 ;3. 决策树模型 .市场风险投资决策 .技术引进决策 .产品推销策略 4．? 分配问题 .分房问题 .有限资源的最佳配置 5．? 网络计划技术 .有效组织实施工程 ;6. 网络流问题 .交通流量最大 .物流运输费用最少 7．? 网络图的其他一些应用问题 .欧拉图 .机关设计问题 .汽车共用问题 .工厂选址问题;组合最优化的应用成功应用领域举例;　　最优化理论与方法目前已渗透到生产、管理、商业、军事和决策等各个方面。;问题描述 　　 设有m种资源B1,…,Bm,它们的可使用量分别为b1,…,bm, 用于生产n种产品A1,…,An,设生产1个产品Aj需消耗资源Bi的单位数为aij，而产品Aj每单位的利润为cj，问如何安排生产活动可使总利润最大？;题设:　为了使总利润最大，要生产Aj的量为xj：;数学模型 ;案例二　工厂（市场）选址问题;引入数学符号： (xi,yi) ：第i个货栈的位置，i=1,2,…m Wij ：第i个货栈供给第j个市场的货物量 i=1,2,…m ，j=1,2,…n dij：第i个货栈到第j个市场的距离;2。每个市场从各货栈得到的货物量等于它的需求量;确立数学模型;最优化问题的一般形式;最优化问题的向量形式;1.4 基本概念;例1　min 4x1+x2 s.t. 2x1+x2-4?0 2x1-x2+4?0 x1,x2 ?0 ;但因x受可行域约束！，不能无限往左下移动，;x1;2.1　向量模（范数）;2.2函数的梯度、海色阵;例;特别地，对线性函数 　　　 f(x)=aTx+b=a1x1+a2x2+…+anxn ;特别地，对二次函数;从而：;2.3　多元函数的Taylor展开式;?d?Rn,d≠0,这个向量也可被看作一个方向;下降方向;定理　梯度方向是函数值变化率最大的方向;同时可见;Section Three 凸分析初步;常见的凸集 空集--(补充定义),整个欧式空间Rn, 超平面-- H={x∈Rn|a1x1+a2x2+…anxn=b} 半空间-- H+={x ∈ Rn|a1x1+a2x2+…anxn≤b}; 凸集的性质 (i)有限个(可以改成无限)凸集的交集为凸集. 即:若Cj(i∈J)是凸集,则它们的交集 C={x|x ∈ Dj, i∈J}是凸集.;例 C1={(x,0)T|x∈R}表示 x 轴上的点, C2={(0,y)T|y∈R},表示 y 轴上的点. 则 C1∩C2表示两个轴的所有点,它不是凸集; C1+C2=R2是凸集;极点;例 D={x∈Rn| ||x||≤a}(a0),则||x||=a上的点均为极点;x;设f:C?Rn?R1,存在一阶偏导,C为凸集,则;设f:C?Rn?R1有二阶连续偏导,C为凸集,则;(i)设f(x)是凸集C上的凸函数,实数k?0,则kf(x)也是C上的凸函数.;凸函数的性质 (iv)设f(x)是定义在凸集C上的凸函数， 则f的局部极小点也是其在C上的全局极小点。;严格凸函数的性质 (v)设f(x)是定义在凸集C上的严格凸函数， 则f的局部极小点也是其在C上的唯一全局极小点。;Section Four 无约束最优化的基本原理;设f有二阶连续偏导数，在x*处▽f(x*)=0,▽2f(x*)正定, 则x*是f的严格局部极小点。;无约束问题的数值方法基本型;无约束问题的数值方法一般格式;下降迭代算法的收敛性;收敛速度-----衡量有效的算法收敛快慢;下降迭代算法常用的终止准则;fk;习 题