离散变量优化问题.pptxVIP

会计学;一般的优化方法只能求得连续变量的最优解。 工程实际中存在大量混合设计变量问题。 混合设计变量包含：连续设计变量、整型设计变量和离散设计变量。; 求离散问题的最优解，传统的方法是先用连续变量优化设计方法求连续变量的最优解，然后圆整到离散值上。 弊病：可能得不到可行最优解，或所得的解不是离散最优解。; 离散变量优化难点：不存在指导搜索过程的最优性条件。 直接方法：枚举法（enumeration）。可行点过多时，计算量大。 减少计算量：随机思想（stochastic ideas）、启发式原则（heuristic rules）。 两种基本方法： （隐式）枚举法：如，分枝定界法（the branch and bound algorithm）； 随机或进化方法：如，模拟退火算法、遗传算法等。;§9.3 分枝定界法（the branch and bound algorithm）;分枝定界法基本思想： 设有最大化的整型优化问题A，相应有松弛问题B，从解松弛问题B开始，若其最优解不符合A的整数条件，那么B的最优目标函数必是A的最优目标函数 的上界，记作 ；而A的任意可行解的目标函数值将是 的一个下界，记作 。 分枝定界法就是将B的可行域分成子区域(称为分枝)的方法，逐步减小 ，增大 ，最终求到 。;（1）分枝 在松弛问题B的最优解中任选一个不符合整数条件的变量 ,其值为 ,以 表示小于 的最大整数。构造两个约束条件 ;（2）定界 以每个后继问题为一分枝标明求解结果,在解的结果中,找出最优目标函数值最大者作为新的上界.从已符合整数条件的各分支中,找出目标函数值为最大者作为新的下界,若无,则下界为0. （3）比较与剪枝 各分支的最优目标函数中若有小于 ，则剪掉这枝；若大于 且不符合整数条件，则重复前两步，直到找到最优解。;分枝定界法计算过程：;;例：用分枝定界法求解整型优化问题（用图解法计算）：;求出松弛问题最优解：;第12页/共46页;先将（LP）划分为（LP1）和（LP2）,取 。; 现在只要求出（LP1）和（LP2）的最优解即可。;第15页/共46页; 先求（LP1）,如图所示。; 先求（LP1）,如图所示。;第18页/共46页;求（LP2）,如图所示。;∵Z (2)Z(1) =16 ， ∴原问题可能有比（16）更大的最优解； 但 x2 不是整数，故利用 x2 ≤3 ， x2 ≥4 加入条件。; 现在只要求出（LP21）和（LP22）的最优解即可。;第22页/共46页;先求（LP21）,如图所示。;求（LP22），如图所示。 无可行解，不再分枝。;LP21取得最优解： 且有 x1＝2.4不是整数，可继续分枝，令 x1≤2， x1 ≥3。; 现在只要求出（LP211）和（LP222）的最优解即可。;先求（LP211）;先求（LP211）;求（LP212）;第30页/共46页;找到最优解;（1） 若分枝后得到整数解，则这枝不必再分枝； （2） 若分枝后得到非整数解, 如果比整数解更好，则这枝继续分枝； （3） 若分枝后得到非整数解, 如果比整数解更差，则这枝不必再分枝。;§9.3 离散变量优化——组合形法; 以复合形法为基础发展而来，使之能在离散空间中直接搜索离散点，从而满足求解离散变量优化问题的需要。 基本思想：通过对初始复合形调优迭代．使新的组合形不断向最优点移动和收缩，直至满足一定的终止条件为止。 下面分五个部分介绍离散变量组合形法： （1）初始离散组合形的产生 （2）离散一维搜索 （3）约束条件处理 （4）组合形的调整 （5）收敛准则;§9.3.1 初始离散组合形的产生;§9.3.2 离散一维搜索;§9.3.2 离散一维搜索（续）;§9.3.3 约束条件的处理;§9.3.4 辅助功能和终止准则;§9.3.4 辅助功能和终止准则（续）;§9.3.5 离散变量组合形算法基本步骤;第42页/共46页;第43页/共46页;第44页/共46页;THE END