管理学中的数学方法.docVIP

引论：数学规划（Mathematical Programming）简介 数学规划研究的是在变量（决策变量decision variables） 满足一些等式和不等式限制的条件下，求函数 （也可为多个，称为目标函数objective function） 的最大值（或最小值）的问题，其中约束条件往往用约束函数 （constraint function） ， ， 来表示。有时也可写成集合约束的形式，令 ， 称为可行集或可行域（feasible region），中的点称为 该数学规划的可行点或可行解（feasible solution）. 上述数学规划常被记为 数学规划的分类： 可行域（决策变量）：无约束优化，约束优化 离散最优化，连续最优化， 整数规划，混合整数规划 函数（目标、约束）性质：线性规划，非线性规划， 二次规划（目标函数是二次函数，约束函数是线性函数） 单目标规划，多目标规划 其他：动态规划，随机优化，模糊优化 例1. 投资问题1 资金10亿，投资于8中证券，期望收益率分别为， 投资最低期望收益率为，证券收益率的协方差矩阵为， 由Markowitz投资组合理论，投资组合（portfolio） 的风险是，于是，使该组合投资风险最小的数学规划模型为： 这是一个二次规划。 例2. 投资问题2 资金10亿，可建8个工厂，分别需投资， 投资时间内的收益分别为，求最佳的投资方案。 决策变量： 决策变量的处理方法：转为整数， 加入约束条件 约束条件： 目标函数： 总收益最大 总利润最大 利润率最大 这是一个整数规划 例3. 仓库选址 个市场，位置分别为， 对某种指定货物的需求量分别为 现在要建个仓库，第个仓库可存储该指定货物个单位， 请确定仓库的位置，使各仓库对各市场的运输量与路程的乘积之和为最小。 决策变量：，仓库的位置 ，仓库到市场的运输量， 目标函数： 其中为仓库到市场的距离 约束条件：仓库容量 市场需求 运输量非负 ， 这是一个非线性规划。 数学规划的标准形式： 定义：给定，若使得对任意的 有，则称为的 最优解（optimal solution），为的最优值，最优解集记为. 无约束优化问题 一、数学基础 1. 维欧式空间 称分量为实数的全体维列向量的集合 为维欧式空间。 向量的坐标 令 称为中的坐标系， 坐标原点为. 由于，故可以将中的向量 视为坐标系中的点，为点在坐标轴上的坐标（）， 这样，我们可以通过坐标定义中的向量之间的运算。 向量的运算 设，，，定义 （1）向量加法： （2）向量减法：令，则 （3）数与向量的乘积： （4）向量的乘法（内积）： 运算性质： （1）加法结合律： （2）加法交换律： （3）乘法（内积）交换律： （4）乘法分配率： 向量的长度 称为中向量的长度（模） Cauchy-Schwarz不等式：若，则 证明：考虑关于实变量的一元二次函数 故其判别式 ， 从而，即 . 练习：利用Cauchy-Schwarz不等式证明三角形不等式： 提示：利用向量长度的定义与向量的运算性质。 向量的夹角 由Cauchy-Schwarz不等式，若， 则，故可令 ， 称为向量的夹角，则有. 为锐角 ，此时称向量互相垂直 为钝角 中点的邻域 若，称为点的邻域。 2. 多元函数的导数：梯度与海赛（Hesse）矩阵 元实值函数 ，， 称向量为 在处的梯度向量（gradient），它可以被理解为多元函数 在处的一阶导数。 称矩阵为 在处的海赛矩阵，它可以被理解为多元函数在处的二阶导数， 也常常被简记为 若的每个分量函数在处都连续，则称在处一阶连续可微。 若的每个分量函数在处都连续，则称在处二阶连续可微。 若在处二阶连续可微，则是对称阵。 例1. 若为实对称阵，，，求 （1）线性函数 （2）二次函数 的梯度和Hesse矩阵。 解：（1） ， 故， （2）令 ， 故 ， 故 从而，. 3. 多元函数的泰勒展开式 一个简单多元复合函数的求导 若函数的偏导数 存在且连续， 单变量函数 具有一阶连续导数，考虑关于的简单多元复合函数 ， 其关于的导数为： 例2．若一阶连续可微，求一元函数 的一阶和二阶导数。 解：令， 则， 故 从而 定理1. 给定函数， （1）若在点的某个邻域内一阶连续可微， 则存在使得 . （2）若在点的某个邻域内二阶连续可微， 则存在使得 . 证明：（2）当时，令， 则在上连续，在内二阶连续可微，且 ， ， 于是，有一元函数的泰勒公式可知存在使得 ， 即 . 类似地，也有： 定理2. 给定函数 （1）若在点的某个邻域内一阶连续