[经济学]第七章 动态规划3.ppt

动态规则是将一个较复杂的多阶段决策问题分解为若干相互关联的较容易求解的子(单）决策问题。 而每一个子决策问题都有多种选择 当一个子决策问题确定以后，将影响另一个子决策问题 从而影响到整个问题的决策 例1、最小费用问题：某运输公司拟将一批货物从A地运往E地，其间的交通系统网络如下图所示。图上节点表示地点，边表示两地之间的道路，边上的数字表示两地间的运输费用，求运输费用最低的运输路线。 例2、机器负荷分配问题：年初完好机器数为u台，其中有u1台用于高负荷生产，产品的年产量为s1=g(u1)，年终完好机器数为au1(a称完好率, 0a1)，另外有u2台机器用于低负荷生产，产品的年产量为s2=g(u2)，年终完好机器数为bu2(0b1)，试制定一个五年计划，使产品产量最高。 例某运输公司有500辆运输卡车，在超负荷运输(即每天满载行驶500km以上)情况下，年利润为25万元/辆，这时卡车的年损坏率为0.3，在低负荷运输(即每天行驶300KM以下)情况下，年利润为16万元/辆、年损坏率为0.1，现在要求制订一个5年运输计划，问每年年初应如何分配完好车辆在两种不同负荷下运输的卡车数量，使在5年内总利润最大？ 例3、排序问题：有5个零件需要在A、B两台机床上加工，每个零件都必须经过先A后B的加工顺序，加工时间如下表，问应如何安排加工顺序，使总的加工时间最少？ 从第k阶段状态 sk 采用最优策略pk*,n到过程终止时的最佳效益值，称为最优指标函数 记 fk(sk)=Vk,n(sk,pk*,n)=optimumpk,nVk,n(sk,pk,n) 在例1中，每阶段所走的距离为指标函数， 如 V2,4(B1) 表示在第2阶段，状态为B1时，从B1到E的距离 而f2(B1)则表示从B1到E最短距离，本问题所要求的目标是距离之和的最小值，即 f1(A) 一、动态规划求解的思想 逆序法：是从过程的最后一阶段开始，用逆序递推方法求解，逐步求出各阶段各点到终点E的最短路线，最后求得A到E点的最短路线 顺序法：是从过程的第一阶段开始，用顺序递推的方法求解，逐步求出各阶段各点到起点最短路线，最后求得A到E点的最短路线。 (2) k=3 第三阶段 第三阶段有三个初始状态，同样我们无法确定最短路径是经过哪个状态，因此，也要考虑所有的情况 ，若经过C1，则C1到E有两条支路：C1- D1-E 和 C1-D2-E， 对于C1-D1-E，其最短路径应为：从C1-D1的距离d3(C1,D1)，再加上D1-E的最短距离f4(D1),故有 C1-D1-E： d3(C1,D1)+ f4(D1)=9+5=14 C1-D2-E: d3(C1,D2)+ f4(D2)=8+3=11 又因为若全过程最短路径经过C1,，则从C1到终点E应是一切可能路径中最短路径，即： 顺序递推(前向法) 顺序递推是由过程的始点向终点逐段递推，其阶段变量的设置与状态变量的设置次序与逆序法相同，而最优值函数fk(xk+1)表示第 k阶段末的结束状态为xk+1时，从第1阶段到第k阶段所得到的最大收益，因此顺序递推是相对始点而言的收益，故一般选择第k阶段末(即第k+1阶段初的状态)作为第k阶段的状态变量 动态规划用顺序递推(前向法)时的基本方程如下： fk(xk+1)=min[vk(xk+1,uk)+fk-1(xk)],k=1,2,…n 始端条件f0(x1)=0 其状态转换方程为： Xk=T’k(xk+1,uk) 上式中，fk(xk+1)是指第k阶段状态为xk+1时，相对于始点的最优指标函数值 而vk(xk+1,uk)表示第k阶段状态为xk+1取决策为uk时对本阶段的阶段效益值 一般来说，当过程给定终点时，用顺序递推法比较方便，若一个多阶段决策问题，有一个固定的过程始点和一个固定的过程终点，则顺序递推和逆序递推会得到相同的最优结果 用顺序递推法求例1 当k=1时，由基本方程f1(x2)=min[v1(x2,u1)+f0(x1)] 而f0(x1)=0 且x2有三种可能的取值：B1,B2,B3，故有 f1(B1)=min[d(B1,A)+f0(A)]=4 f1(B2)=min[d(B2,A)+f0(A)]=3 f1(B3)= min[d(B3,A)+f0(A)]=11 当k=2时，f2(x3)=min[v2(x3,u2)+f1(x2)] 当x3=C1时，u2有三种取值。故有 d2(C1,B1)+f1(B1) f2(c1)=min{ d2(C1,B2)+f1(B2) }