生产运筹--非线性规划的基本概念（PPT 78页）（一）.pptVIP

第五讲 非线性规划的基本概念 非线性规划问题 非线性规划数学模型 非线性规划的图解法 梯度、Hesse矩阵、Jacobi阵 凸函数和凸规划 解非线性规划方法概述 一维最优化 在科学管理和其他领域中，大量应用问题可以归结为线性规划问题，但是，也有另外许多问题，其目标函数和（或）约束条件很难用线性函数表达。如果目标函数和（或）约束条件中包含有自变量的非线性函数，则这样的规划问题就属于非线性规划。 非线性规划是运筹学的重要分支之一。最近30多年来发展很快，不断提出各种算法，而其应用范围也越来越广泛。比如在各种预报、管理科学、最优设计、质量控制、系统控制等领域得到广泛且不短深入的应用。 一般来说，求解非线性规划问题比线性规划问题困难得多。而且，也不象线性规划那样有单纯形法这一通用的方法。非线性规划的各种算法大都有自己特定的使用范围，都有一定的局限性。到目前为止还没有适合于各种问题的一般算法，这是需要深入研究的一个领域。我们只是对一些模型及应用作简单介绍。 非线性规划问题举例 例一：选址问题 设有 个市场，第 个市场位置为 ，它对某种货物的需要 量为 。现计划建立 个仓库，第 个仓库的存储 容量为 试确定仓库的位置，使各仓库对各市场的 运输量与路程乘积之和为最小。 设第 个仓库的位置为 第 个仓库到第 个市场的货物供应量为 则第 个 仓库到第 个市场的距离为 例2. 木梁设计问题 把圆形木材加工成矩形横截面的木梁，要求木梁高度 不超过 ，横截面的惯性矩（高度的平方 宽度）不小 于 ，而且高度介于宽度与4倍宽度之间。问如何确定木 梁尺寸可使木梁成本最小. 2 非线性规划问题的数学模型 3 非线性规划问题的图解法 3 非线性规划问题的图解法 4 梯度、Hesse矩阵、Jacobi阵 (1) 二次函数 几个常用的梯度公式： （3）Hesse矩阵 几个常用Hessian公式： （4）Jacobi矩阵 向量变量值函数： 6 非线性规划方法概述 六、MATLAB 单变量函数求最小值的标准形式为 s.t x = fminbnd(fun,x1,x2,options) % options为指定优化参数选项 [x,fval] = fminbnd(…) % fval为目标函数的最小值 [x,fval,exitflag] = fminbnd(…) %xitflag为终止迭代的条件 [x,fval,exitflag,output] = fminbnd(…) % output为优化信息 说明 若参数exitflag0，表示函数收敛于x，若exitflag=0，表示超过函数估计值或迭代的最大数字，exitflag0表示函数不收敛于x；若参数output=iterations表示迭代次数，output=funccount表示函数赋值次数，output=algorithm表示所使用的算法。 例1 计算下面函数在区间(0，1)内的最小值。 思想 在极小点附近，用二次三项式 四. 抛物线（二次）插值 即“两头大中间小” 如何计算函数 令 x = 3 3 2 2 1 1 2 3 3 2 2 2 2 1 1 1 1 1 1 1 1 2 1 f x f x f x x f x f x f - 抛物线插值算法步骤： 解出 思路： 五. 三次插值法 设 令 则有 求解满足 的极小点 令 而 解方程（3），有两种情况： 由（2）可知 极小点的计算公式： 令 算法步骤： 其它插值算法： 有理插值。 收敛速度：三次插值算法的收敛阶为2。 函数 fminbnd 格式 x = fminbnd(fun,x1,x2) %返回自变量x在区间 上函数fun取最小值时x值，fun为目标函数的表达式字符串或MATLAB自定义函数的函数柄。 函数fminbnd的算法基于黄金分割法和二次插值法，它要求目标函数必须是连续函数，并可能只给出局部最优解。 （2）数值方法的基本思路：迭代 给定初始点x0 根据x0,依次迭代产生点列{xk} {xk}的最后一点为最优解 {xk}有限 {xk}无限 {xk}收敛于最优解 迭代格式 xk xk+1 pk 称pk为第k轮搜索方向，tk为第k轮沿pk方向的步长。 产生tk和pk的不同方法，形成了不同的算法。 定义：特殊搜索方向——下降方向 定义：特殊搜索方向——可行下