第八章约束优化.pptVIP

KKT条件的几何解释 Q P ?f -?g1 -?g2 ?f -?g1 -?g2 x2 x1 0 最优解在P(3,1)取得 P(3,1)是KKT点 其它点(如Q)均不是 ? (7,3) 二次规划(QP)及有效集方法 当H为对称阵，称二次规划 当H正定时，称凸二次规划 凸二次规划性质： 最优点?KKT点； 局部最优解?全局最优解； 最优解方程 L函数 等式约束 下 的Lagrange乘子法 解二次规划的有效集方法 基本思想：对于不等式约束的二次规划，在某可行点 处将不起作用约束去掉，起作用约束视为等式约束， 通过求解等式约束的二次规划来改进可行点。 若x为(1)的最优解，则它也是(2)的最优解 若x为(1)的可行解，又是(2)的KKT点，且L—乘子非负，则它必是(1)的最优解。 (1) (2) 基本原理 若d*?0，且x*+d*可行则继续;否则确定步长?*( 1)使ap(x*+?*d*)=bp，p?J*，则有效集修正为J*?{p}。 设(1)的可行点为x*，有效集记作J*，用L—乘子法求解: 基本步骤 得d*, ?* 若d*=0, 则x*为(2)最优解; 当? *非负时x*是(1)最优解 若d*=0, 且(? *)q0, q?J* , 则x*不是(1)最优解, 有效集修正为J*\{q} 。 有效集修正 解二次规划的有效集方法 大学数学实验 Mathematical Experiments 实验8 约束优化 优化问题三要素：决策变量；目标函数；约束条件 约束条件 决策变量 优化问题的一般形式 当最优解在可行域边界上取得时 不能用无约束优化方法求解 目标函数 约束优化的分类 线性规划(LP) 目标和约束均为线性函数 非线性规划(NLP) 目标或约束中存在非线性函数 二次规划(QP) 目标为二次函数、约束为线性 整数规划(IP) 决策变量(部分)为整数 整数线性规划(ILP) 整数非线性规划(INLP) 0-1规划　　　整数决策变量只取０或１ 连续优化 离散优化 数学规划(Math. Prog.) 本实验基本内容 2. 基本原理和算法 3. MATLAB实现 1. 问题与模型 NLP LP QP 连续优化 1桶牛奶 3千克A1 12小时 8小时 4千克A2 或 获利12元/千克 获利8元/千克 0.8千克B1 2小时,1.5元 1千克 获利22元/千克 0.75千克B2 2小时,1.5元 1千克 获利16元/千克 制订生产计划，使每天净利润最大 15元可增加1桶牛奶，应否投资？ 50桶牛奶, 480小时 至多100公斤A1 B1，B2的获利经常有10%的波动，对计划有无影响？ 实例1: 奶制品生产销售计划 聘用临时工人增加劳动时间，工资最多每小时几元？ 1桶牛奶 3千克 A1 12小时 8小时 4千克 A2 或 获利12元/千克 获利8元/千克 0.8千克 B1 2小时,1.5元 1千克 获利22元/千克 0.75千克 B2 2小时,1.5元 1千克 获利16元/千克 出售x1 千克 A1, x2 千克 A2， x3千克 B1, x4千克 B2 原料供应 劳动时间 加工能力 决策变量 目标函数 利润 约束条件 非负约束 x5千克 A1加工B1， x6千克 A2加工B2 附加约束 LP 50万元基金用于投资三种股票A、B、C： A每股年期望收益5元(标准差2元)，目前市价20元； B每股年期望收益8元(标准差6元)，目前市价25元； C每股年期望收益10元(标准差10元)，目前市价30元； 股票A、B收益的相关系数为5/24; 股票A、C收益的相关系数为–0.5; 股票B、C收益的相关系数为–0.25。 实例2：投资组合问题 如期望今年得到至少20%的投资回报，应如何投资？ 投资回报率与风险的关系如何？ 假设：1、基金不一定要用完（不用不计利息或贬值） 2、风险通常用收益的方差或标准差衡量 决策变量 x1 、x2和 x3 分别表示投资A、B、C的数量（国内股票通常以“一手”（100股）为最小单位出售，这里以100股为单位，期望收益以百元为单位） 实例2：投资组合问题 A、B、C每手(百股)的收益分别记为S1,S2和S3(百元)： ES1=5, ES2=8, ES3=10， DS1=4, DS2=36, DS3=100， r12=5/24, r13=-0.5，r23=-0.25 总收益 S=x1S1+x2S2+x3S3 ：是一个随机变量 投资风险（总收益的方差）为 实例2：投资组合问题 总期望收益为 Z1=ES= x1ES1+x2ES2+x3E