数学建模8-动态规划和目标规划.docVIP

数学建模8-动态规划和目标规划 动态规划 动态规划是求解决策过程最优化的数学方法，主要用于求解以时间划分阶段的动态过程的优化问题。但是一些与时间无关的静态规划（如线性规划、非线性规划），只要人为地引进时间因素，把它视为多阶段决策过程，也可以用动态规划方法方便地求解。 基本概念、基本方程： 阶段 状态 决策 策略 状态转移方程： 指标函数和最优值函数： 最优策略和最优轨线 递归方程： 3．计算方法和逆序解法（此处较为抽象，理解较为困难，建议结合例子去看） 4．动态规划与静态规划的关系：一些静态规划只需要引入阶段变量、状态、决策等就可以用动态规划方法求解（详见书中例4） 5．若干典型问题的动态规划模型： （1）最短路线问题： （2）生产计划问题: 状态定义为每阶段开始时的储存量xk ，决策为每个阶段的产量，记每个阶段的需求量（已知量）为dk ，则状态转移方程为 （3）资源分配问题：详见例5 状态转移方程： 最优值函数： 自有终端条件： （4）具体应用实例：详见例6、例7。 目标规划 实际问题中，衡量方案优劣要考虑多个目标，有主要的，有主要的，也有次要的；有最大值的，也有最小值的；有定量的，也有定性的；有相互补充的，也有相互对立的，这时可用目标规划解决。其求解思路有加权系数法、优先等级法、有效解法等。 基本概念： 正负偏差变量： 绝对（刚性）约束和目标约束 优先因子（优先等级）与权系数：凡要求第一位达到的目标赋予优先因子P1，次位赋予P2……以此类推。 目标规划的目标函数： 一般数学模型： 求解目标规划的解法： 序贯式算法（用LINGO软件求解，有编程模板可以使用，下面以书中例3说明，具体还可以参考书中例6-例8）： model: sets: level/1..3/:p,z,goal; variable/1..2/:x; h_con_num/1..1/:b; s_con_num/1..4/:g,dplus,dminus; h_con(h_con_num,variable):a; s_con(s_con_num,variable):c; obj(level,s_con_num)/1 1,2 2,3 3,3 4/:wplus,wminus; endsets data: ctr=?; goal=? ? 0; b=12; g=1500 0 16 15; a=2 2; c=200 300 2 -1 4 0 0 5; wplus=0 1 3 1; wminus=1 1 3 0; enddata min=@sum(level:p*z); p(ctr)=1; @for(level(i)|i#ne#ctr:p(i)=0); @for(level(i):z(i)=@sum(obj(i,j):wplus(i,j)*dplus(j)+wminus(i,j)* dminus(j))); @for(h_con_num(i):@sum(variable(j):a(i,j)*x(j))b(i)); @for(s_con_num(i):@sum(variable(j):c(i,j)*x(j))+dminus(i)-dplus(i )=g(i)); @for(level(i)|i #lt# @size(level):@bnd(0,z(i),goal(i))); end 多目标规划的MATLAB解法： 以书中例5详细说明如下： a=[-1 -1 0 0 0 0 -1 -1 3 0 2 0 0 3 0 2]; b=[-30 -30 120 48]; c1=[-100 -90 -80 -70]; c2=[0 3 0 2]; [x1,g1]=linprog(c1,a,b,[],[],zeros(4,1)) %求第一个目标函数的目标值 [x2,g2]=linprog(c2,a,b,[],[],zeros(4,1)) %求第二个目标函数的目标值 g3=[g1;g2]; %目标goal的值 [x,fval]=fgoalattain(Fun,rand(4,1),g3,abs(g3),a,b,[],[],zeros(4,1))