二次动态规划图论Word文档格式.docx
- 文档编号:13441447
- 上传时间:2022-10-10
- 格式:DOCX
- 页数:18
- 大小:175.66KB
二次动态规划图论Word文档格式.docx
《二次动态规划图论Word文档格式.docx》由会员分享,可在线阅读,更多相关《二次动态规划图论Word文档格式.docx(18页珍藏版)》请在冰豆网上搜索。
例1:
求解:
二次规划问题
minf(x)=x1-3x2+3x12+4x22-2x1x2
s.t2x1+x2≤2
-x1+4x2≤3
程序:
f=[1;
-3];
H=[6-2;
-28];
A=[21;
-14];
b=[2;
3];
[X,fval,exitflag]=quadprog(H,f,A,b)
结果:
X=
-0.0455
0.3636
fval=
-0.5682
exitflag=
1
例2:
minx12+2x22-2x1x2-4x1-12x2
s.tx1+x2≤2
-x1+2x2≤2
2x1+x2≤3
0≤x1,0≤x2
程序:
H=[2-2;
-24];
f=[-4;
-12];
A=[11;
-12;
21];
2;
lb=zeros(2,1);
[x,fval,exitflag]=quadprog(H,f,A,b,[],[],lb)
结果:
x=
0.6667
1.3333
-16.4444
练习1求解下面二次规划问题
sub.to
解:
则,,
在MATLAB中实现如下:
>
H=[1-1;
-12];
f=[-2;
-6];
A=[11;
-12;
21];
b=[2;
2;
3];
lb=zeros(2,1);
[x,fval,exitflag,output,lambda]=quadprog(H,f,A,b,[],[],lb)
结果为:
x=%最优解
0.6667
1.3333
fval=%最优值
-8.2222
exitflag=%收敛
1
output=
iterations:
3
algorithm:
'
medium-scale:
active-set'
firstorderopt:
[]
cgiterations:
lambda=
lower:
[2x1double]
upper:
eqlin:
[0x1double]
ineqlin:
[3x1double]
lambda.ineqlin
ans=
3.1111
0.4444
0
lambda.lower
说明第1、2个约束条件有效,其余无效。
练习2求二次规划的最优解
maxf(x1,x2)=x1x2+3
sub.tox1+x2-2=0
化成标准形式:
sub.tox1+x2=2
在Matlab中实现如下:
H=[0,-1;
-1,0];
f=[0;
0];
Aeq=[11];
beq=2;
[x,fval,exitflag,output,lambda]=quadprog(H,f,[],[],Aeq,beq)
x=
1.0000
-1.0000
[1x58char]
2 最大最小化模型
基本思想:
在对策论中,我们常遇到这样的问题:
在最不利的条件下,寻求最有利的策略。
在实际问题中也有许多求最大值的最小化问题。
例如急救中心选址问题就是要规划其到所有地点最大距离的最小值。
在投资规划中要确定最大风险的最低限度等等。
为此,对每个x∈R,我们先求诸目标值fi(x)的最大值,然后再求这些最大值中的最小值。
最大最小化问题的数学模型:
求解最大最小化问题的函数为fminimax
调用格式:
x=fminimax(F,x0,)
x=fminimax(F,x0,,A,b)
x=fminimax(F,x0,,A,b,Aeq,beq)
x=fminimax(F,x0,,A,b,Aeq,beq,lb,ub)
x=fminimax(F,x0,,A,b,Aeq,beq,lb,ub,nonlcon)
x=fminimax(F,x0,,A,b,Aeq,beq,lb,ub,nonlcon,options)
x=fminimax(F,x0,,A,b,Aeq,beq,lb,ub,nonlcon,options,P1,P2)
[x,fval]=fminimax(…)
[x,fval,maxfval]=fminimax(…)
[x,fval,maxfval,exitflag,output]=fminimax(…)
[x,fval,maxfval,exitflag,output,lambda]=fminimax(…)
F为目标函数;
x0为初值;
A、b为线性不等式约束的矩阵与向量;
Aeq、beq为等式约束的矩阵与向量;
lb、ub为变量x的上、下界向量;
nonlcon为定义非线性不等式约束函数c(x)和等式约束函数ceq(x);
options中设置优化参数。
x返回最优解;
fval返回解x处的目标函数值;
maxfval返回解x处的最大函数值;
exitflag描述计算的退出条件;
output返回包含优化信息的输出参数;
lambda返回包含拉格朗日乘子的参数。
例1求解下列最大最小值问题:
首先编辑M文件ff14.m
functionf=ff14(x)
f
(1)=3*x
(1)^2+2*x
(2)^2-12*x
(1)+35;
f
(2)=5*x
(1)*x
(2)-4*x
(2)+7;
f(3)=x
(1)^2+6*x
(2);
f(4)=4*x
(1)^2+9*x
(2)^2-12*x
(1)*x
(2)+20;
取初值x0=(1,1)调用优化函数
x0=[11];
[x,fval,maxfval]=fminimax(@ff14,x0)
1.76370.5317
23.73319.56216.301023.7331
例2:
选址问题
设某城市有某种物品的10个需求点,第i个需求点Pi的坐标为(ai,bi),道路网与坐标轴平行,彼此正交。
现打算建一个该物品的供应中心,且由于受到城市某些条件的限制,该供应中心只能设在x界于[5,8],y界于[5.8]的范围之内。
问该中心应建在何处为好?
P点的坐标为:
ai
1
4
3
5
9
12
6
20
17
8
bi
2
10
18
建立数学模型:
设供应中心的位置为(x,y),要求它到最远需求点的距离尽可能小,此处采用沿道路行走计算距离,可知每个用户点Pi到该中心的距离为|x-ai|+|y-bi|,于是有:
编程:
首先编辑M文件:
ff15.m
functionf=ff15(x)
a=[1435912620178];
b=[2108181451089];
f
(1)=abs(x
(1)-a
(1))+abs(x
(2)-b
(1));
f
(2)=abs(x
(1)-a
(2))+abs(x
(2)-b
(2));
f(3)=abs(x
(1)-a(3))+abs(x
(2)-b(3));
f(4)=abs(x
(1)-a(4))+abs(x
(2)-b(4));
f(5)=abs(x
(1)-a(5))+abs(x
(2)-b(5));
f(6)=abs(x
(1)-a(6))+abs(x
(2)-b(6));
f(7)=abs(x
(1)-a(7))+abs(x
(2)-b(7));
f(8)=abs(x
(1)-a(8))+abs(x
(2)-b(8));
f(9)=abs(x
(1)-a(9))+abs(x
(2)-b(9));
f(10)=abs(x
(1)-a(10))+abs(x
(2)-b(10));
然后用以下程序计算:
x0=[6;
6];
AA=[-10
10
0-1
01];
bb=[-5;
8;
-5;
8];
[x,fval]=fminimax(@ff15,x0,AA,bb)
8
1365138851491
即:
在坐标为(8,8)处设置供应中心可以使该点到各需求点的最大距离最小,最小的最大距离为14单位。
练习求下列函数最大值的最小化问题
其中:
先建立目标函数文件,并保存为ff16.m:
functionf=ff16(x)
f
(1)=2*x
(1)^2+x
(2)^2-48*x
(1)-40*x
(2)+304;
f
(2)=-x
(1)^2-3*x
(2)^2;
f(3)=x
(1)+3*x
(2)-18;
f(4)=-x
(1)-x
(2);
f(5)=x
(1)+x
(2)-8;
然后,在命令窗口键入命令:
x0=[0.1;
0.1];
%初始值
[x,fval,maxf]=fminimax(@ff16,x0)
4.0000
0.0000-64.0000-2.0000-8.0000-0.0000
maxf=
2.2737e-013
3 动态规划模型
如图所示,给定一个线路网络,两点之间连线上的数字表示两点间距离,试求一条从A到E的路线,使总距离为最短。
Mattlab求解:
首先利用Exc
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 二次 动态 规划