优化模型二：其它数学规划模型 数学建模课件.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 由于a是任意给定的风险度，到底怎样给定没有一个准则，不同的投资者有不同的风险度。 对不同的风险度的处理：从a=0开始，以步长Δa＝0.001进行循环搜索，编制程序进行计算。 xxghexm1.m a=0; while(1.1-a)1 c =[-0.05 -0.27 -0.19 -0.185 -0.185]; Aeq=[1 1.01 1.02 1.045 1.065]; Beq=[1 ]; A=[0 0.025 0 0 0;0 0 0.015 0 0;0 0 0 0.055 0;0 0 0 0 0.026]; B=[a; a; a; a]; Lb=[ 0; 0; 0; 0; 0];Ub=[]; [x,val]=linprog(c,A,B,Aeq,Beq,Lb,Ub); a x=x’ Q=-val plot(a,Q,’r.’) axis([0 0.1 0 0.5]) hold on a=a+0.001; end xlabel(‘a’);ylabel(‘Q’); 部分结果 风险度a 收益Q x0 x1 x2 x3 x4 0 0.0500 0.999999987624 0.0000000029948 0.000000005476 0.000000001615 0.000000002427 0.0020 0.1011 0.66 0.08 0.13 0.036 0.077 0.0060 0.2019 0 0.24 0.4 0.11 0.22 0.0100 0.2190 0 0.40 0.58 0 0 0.0160 0.2387 0 0.64 0.35 0 0 0.0200 0.2518 0 0.18 0.80 0 0 0.0250 0.2673 0 0.99 0 0 0 … … … … … … … 0.099 0.2673 0 0.99 0 0 0 结果 图形 风险大，收益也大； 当投资越分散时，投资者承担的风险越小，这与题意一致。即：冒险的投资者会出现集中投资的情况，而保守的投资者则尽量分散投资。 结果分析 上图曲线上的任一点都表示该风险水平最大可能收益和该收益要求的最小风险。对于不同风险的承受能力，选择该风险水平下的最优投资组合。 在a=0.006附近有一个转折点，在这一点左边时，风险增加很少时，利润增长的很快；在这一点右边时，风险增加很大时，利润增长的很快慢。 所以对于风险和收益没有特殊偏好的投资者来说，应该选择曲线的拐点作为最优投资组合，大约时a=0.006, Q=0.2,所对应的投资方案为： 风险度 收益 x0 x1 x2 x3 x4 0.0060 0.2019 0 0.24 0.4 0.1091 0.2212 * * * * * * * * * * * * * * * * * * * * * * * * * * 建立M文件 wys2.m f= ‘-(3-2*x).^2*x’; [x, fval]=fminbnd(f,0,1.5); xmax=x fmax=-fval xmax = 0.5000 fmax = 2.0000 剪去正方形的边长为0.5m时水槽的容积最大，最大容积为2m3. 多元函数无约束优化问题 min F(X) X为n维变量。 X = fminunc(fun,x0) X = fminsearch(fun,x0) X = fminunc(fun,x0,options) X = fminsearch(fun,x0 ,options) [X , fval]= fminunc(fun,x0) [X, fval] = fminsearch(fun,x0) 例3 求Rosenbrock函数f(x1,x2)=100(x2-x12) 2+(1-x1) 2 的极小值点。 为了获得直观认识，先绘制Rosenbrock函数的三维图像和等高线图。 [x,y]=meshgrid(-2:0.01:2, -1:0.01:3); z=100*(y-x.^2).^2+(1-x).^2; subplot(1,2,1); mesh(x,y,z); title(Rosenbrock Function); subplot(1,2,2); contour(x,y,z,20); drawnow title(Contour of Rosenbrock); hold on plot(-1.2