数学实验课件：最优化方法实验.pptxVIP

最优化方法实验;最优化是应用数学的一个分支，主要指在一定条件限制下，选取某种研究方案使目标达到最优的一种方法．最优化问题在当今的军事、工程、管理等领域有着极其广泛的应用，根据不同表现特征和标准可分为无约束和有约束、线性和非线性、单目标和多目标优化问题等．

建立一个优化问题的数学模型，应明确三个基本要素：

决策变量

约束条件

目标函数;一个向量满足约束条件，称为可行解或可行点，所有可行点的集合称为可行区域，达到目标函数值最值的可行解称为该优化问题的最优解，相应的目标函数值称为最优目标函数值，简称最优值.最值有最大值和最小值两种．

本章主要介绍利用MATLAB求解线性规划、二次规划和无约束规划，展现数学知识和方法在现实中的应用．;;10.1线性规划;线性规划（Linearprogramming,简称LP），是运筹学中研究较早、发展较快、应用广泛、方法较成熟的一个重要分支，它是辅助人们进行科学管理的一种数学方法．研究线性约束条件下线性目标函数的极值问题的数学理论和方法．

MATLAB解决线性规划问题的标准形式为：

其中c、x、b、beq、lb、ub均为列向量；A、Aeq为矩阵，求z的最大值就是求–z的最小值．;在MATLAB中利用函数linprog来解决这类问题.函数linprog的调用格式如下：

X=linprog(f,A,b)

[X,fval,exitflag,output,lamnda]=linprog(f,A,b,Aeq,Beq,LB,UB,X0,options)

这里，X是问题的解向量，f是由目标函数的系数构成的向量，A是一个矩阵，b是一个向量，A，b和变量x={x1,x2,…,xn}一起，表示了线性规划中不等式约束条件，A，b是系数矩阵和右端向量.Aeq和Beq表示了线性规划中等式约束条件中的系数矩阵和右端向量.LB和UB是约束变量的下界和上界向量，X0是给定的变量的初始值，options为控制规划过程的参数系列.返回值中fval是优化结束后得到的目标函数值.exitflag=0表示优化结果已经超过了函数的估计值或者已声明的最大迭代次数；exitflag0表示优化过程中变量收敛于解X，exitflag0表示不收敛.output有3个分量，iterations表示优化过程的迭代次数，cgiterations表示PCG迭代次数，algorithm表示优化所采用的运算规则.lambda有4个分量，ineqlin是线性不等式约束条件，eqlin是线性等式约束条件，upper是变量的上界约束条件，lower是变量的下界约束条件.它们的返回值分别表示相应的约束条件在约束条件在优化过程中是否有效．;例10.1求解线性规划问题：

解MATLAB命令如下：

clear

f=-[5,4,6];

A=[1,-2,1;3,2,4;3,2,0];

b=[20,42,30];

LB=[0;0;0];

[X,fval]=linprog(f,A,b,[],[],LB);例10.2求解线性规划问题：

解先将最大值问题转化为标准形式：;MATLAB命令如下：

c=[-2,-3,5];

A=[-2,5,-1];

b=-10;

Aeq=[111];

beq=7;

x0=[000];

[x,fval]=linprog(c,A,b,Aeq,beq,x0)

运行结果为：

Optimalsolutionfound.

x=

6.4286

0.5714

0

fval=

-14.5714

可知，当x1=6.4286，x2=0.5714，x3=0时，得到最大值z=14.5714．;例10.3某工厂生产A，B两种产品，所用原料均为甲、乙、丙三种，生产一件产品所需原料和所获利润以及库存原料情况如表10-1所示.

在该厂只有表中所列库存原料的情况下，如何安排A，B两种产品的生产数量可以获得最大利润？;解设生产A产品x1件，生产B产品x2件，z为所获利润，我们将问题归结为如下的线性规划问题：

转换成最小值问题

;接着写出MATLAB程序如下：

clear

f=-[7000,10000];

A=[8,6;4,8;4,6];

b=[380,300,220];

[X,fval]=linprog(f,A,b)

运行结果为：

Optimalsolutionfound.

X=

40.0000

10.0000

fval=