优化方法建模.pdf

第三章 优化建模与软件求解 • 本讲内容： • 优化建模的发展 • 无约束优化及求解 • 有约束最优化建模及案例 • Lingo软件介绍 • 国赛题欣赏 一、优化建模的发展 最优的思想很早就在人们的头脑中产生了 但是如何将这个思想用数学语言和方法来表达和解决 形成理论来指导工作是从20世纪40年代开始 过去几十年间优化理论与方法发展是十分迅速 优化方法在数学上是一种求极值的方法==应用数学的一个 分支 现在它已经渗透到科学、技术、工程、经济等各个领域 优化建模的发展 实际上人们做任何一件事情，不管是分析问题，还是进行 综合，做出决策，都要用一种标准来衡量一下是否达到了 最优 目标 在科学实验，生产技术改进，工程设计以及生产计划管理 社会经济问题中，人们总是希望采取种种措施，以便在有 限的资源条件下或规定的约束条件下得到最满意的效果 • 在实际生活当中，人们做任何事情，不管是分析问题， 还是进行决策，都要用一种标准衡量一下是否达到了最 优。 （比如基金人投资） • 在各种科学问题、工程问题、生产管理、社会经济问题 中，人们总是希望在有限的资源条件下，用尽可能小的 代价，获得最大的收获。（比如保险） • 以前解决最优化问题的数学方法只限于古典求导方法 和变分法（求无约束极值问题），拉格朗日 （Lagrange）乘数法解决等式约束下的条件极值问题。 • 计算机技术的出现，使得数学家研究出了许多最优化 方法和算法用以解决以前难以解决的问题。 二、无约束优化问题及用MATLAB求解 1. 一元函数无约束优化问题: min f (x ) x1 x x2 常用格式如下： （1）x= fminbnd (fun,x1,x2) （2 ）x= fminbnd (fun,x1,x2 ，options) （3）[x，fval]= fminbnd （…） （4 ）[x，fval ，exitflag]= fminbnd （…） （5）[x，fval ，exitflag ，output]= fminbnd （…） 其中等式（3）、（4 ）、（5）的右边可选用（1）或（2 ） 的等式右边. 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. x x x 例 1 求 = 2 e sin x 在0 8 中的最小值与最大值. 主程序为wliti1.m: f=2*exp(-x).*sin(x); fplot(f,[0,8]); %作图语句 [xmin,ymin]=fminbnd (f, 0,8) f1=-2*exp(-x).*sin (x); [xmax,ymax]=fminbnd (f1, 0,8) 运行结果： xmin = 3.9270 ymin = -0.0279 xmax = 0.7854 ymax = 0.6448 2.多元函数无约束优化问题 标准型为：min F (X ) 命令格式为: （1）x= fminunc （fun,X0 ）；或x=fminsearch （fun,X0 ） （2 ）x= fminunc （fun,X0 ，options）； 或x=fminsearch （fun,X0 ，options） （3）[x，fval]= fminunc （...）； 或[x，fval]= fminsearch （...） （4 ）[x，fval