现代优化技术-靳志宏第2讲：现代优化技术基础之数学基础.ppt

分枝定界法：现实中的问题 运筹学基础 分枝操作： 黒点表示背包无法容纳 （非可行解） 每一步都分 两种情形考虑 背走极小熊 放弃极小熊 背走小熊 背走中熊 背走大熊 决策点 放弃小熊 放弃中熊 放弃大熊 分枝定界法：现实中的问题 运筹学基础 定界操作： 上界与下界值的利用 下界值及其作用：因为背包問題是极大值問題，任一可行解都是其下界值．（例如，仅仅背走小熊时背包完全可以容纳, 因而是可行解．小熊的价值为19万元, 故其现时点的下界为19）． 上界值及其作用: 有必要导入背包问题的松弛问题 分枝定界法：现实中的问题 运筹学基础 背包問題的松弛问题： 取而代之为线性制約 （线性松弛） 线性松弛问题的最优解可能不是整数． ＜可以解释为将物品分解后背走也行＞ 背包問題的线性松弛問題可以用贪婪算法求得最优解． （即根据単位重量的价值 vi/si大小順序装包） 分枝定界法：现实中的问题 运筹学基础 线性松弛问题的最优解 = 背包问题的上界值 単位重量 的价值 8 6.333 5.75 5.6 xi 1 1 0.5 0 以此顺序装包 最优値=16+19+23/2=46.5 分枝定界法：现实中的问题 运筹学基础 分枝定界法的 探索原理： 如某一探索时点的上界（如放弃极小熊时为42万） 小于某一个可行解（背走大熊和极小熊时的44万）时，从该点以后没有必要再探索下去. 分枝定界法：现实中的问题 运筹学基础 分枝定界法的探索效率： 2. 取决于分枝方法（分枝原则） 例如，以熊的重量从小到大的顺序分枝． 其他的分枝方法有: 以熊的重量从大到小的顺序; 以熊的价值从大到小的顺序; 以（价值÷重量）从大到小的顺序． 取决于下界及上界的强度　- 松弛问题的上界（最小化问题是下界）- 近似解法所取得的下界（最小化问题是上界） 的及早获取 3. 取决于分枝点的选取顺序(分枝子问题优先原则) 　　如从具有较大上界的点开始分枝 （该点下存在较好解的可能性大） 分枝定界法：理论升华 运筹学基础 分枝定界法：理论升华 运筹学基础 分枝定界法：理论升华 运筹学基础 分枝定界法：理论升华 运筹学基础 分枝定界法：理论升华 运筹学基础 分枝定界法：理论升华 运筹学基础 分枝定界法：理论升华 运筹学基础 分枝定界法：理论升华 运筹学基础 分枝定界法：理论升华 运筹学基础 分枝定界法：理论升华 运筹学基础 分枝定界法总结： 动态规划法：现实中的问题 运筹学基础 小熊有4种 每种有大量库存． 满足背包的重量制約条件 的前提下，带走尽可能高 价值的物品！ 动态规划法：现实问题 运筹学基础 背包的重量上限θ，使θ分别以0,1,…,7的順序計算． 物品的种类集合N={极小，小，中，大} 物品种类 i 的重量 si，其价值 vi 重量上限为θ时的最优値 （现时点背包内价值的合計）f (θ) 对于函数 f (θ)，以下的等式成立（Bellman方程式） 重量上限θ的最优値 上限为θーsi时的最优値 物品i 的价值 动态规划法：现实中的问题 运筹学基础 整数背包问题的动态规划法 动态规划法：现实中的问题 运筹学基础 最优解的最短路图 各点表示可能的θ值的状態．某一状態（点）和别的状態（点）之间的连线为枝 枝上的数字表示状态之间变化所增加的背包内物品的价值． 下图为状态从0至7的最短路图解． 动态规划法：现实中的问题 运筹学基础 仅以背包的重量θ来表现状態有缺陷:内装的物品种类及数量无法表现！ 内装的物品 1..k 種时的最优値 f(k ,θ) Bellman方程式 内装物品为 k个, 且 重量上限θ时的最优値 带上第 k 个物品时的 背包中物品的价值合計 没有带上第k个物品时的背包中物品的价值合計 动态规划法：现实中的问题 运筹学基础 双参数表述的动态规划过程 动态规划法：现实中的问题 运筹学基础 最优解 的网络图 动态规划法：理论升华 运筹学基础 动态规划法：理论升华 运筹学基础 设想节点数增加的情形？ Q A 现代优化技术 第2讲：现代优化技术基础之数学基础 第2讲：主要内容 高等数学 基础 运筹学 基础 高等数学基础 集合、排列与组合 凸集、凸函数 凸组合、凸规划 …… 运筹学基础 穷举法、分枝定界法、 动态规划法、 …… 高等数学基础 基本概念 高等数学基础 基本概念 高等数学基础 基本概念 高等数学基础 基本概念 凸组合 凸组合性质 高等数学基础 基本概念 高等数学基础 基本概念 高等数学基础 基本概念 高等