最优化问题的数学模型Word文档下载推荐.docx
- 文档编号:19643513
- 上传时间:2023-01-08
- 格式:DOCX
- 页数:13
- 大小:246.75KB
最优化问题的数学模型Word文档下载推荐.docx
《最优化问题的数学模型Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《最优化问题的数学模型Word文档下载推荐.docx(13页珍藏版)》请在冰豆网上搜索。
个无盖的箱子,试确定如何裁剪可以使做成的箱子具有最大的容积。
解:
设裁去的4个小方块的边长为x,则做成的箱子的容积为
f(x)=x(3—2x)^2
于是,上述问题可描述为
求变量x
使函数f(x)=x(3—2x)^2极大化
这样就把该设计问题转化成为一个求函数f(x)最大值的数学问题。
其中,I是待定的求解参数,称为设计变量;
函数f(x)代表设计目标,称为目标函数。
由于目标函数是设计变量的三次函数,并且不存在任何限制条件,故称此类问题为非线性无约束最优化问题。
根据一元函数的极值条件,令f′(x)=0,解得x=0.5,f(x)=2.0,记作x*=0.5,f(x)=2.0,称为原设计问题的最优解。
例1—2某工厂生产甲、乙两种产品,生产每种产品所需的材料、工时、用电量和可以获得的利润,以及每天能够提供的材料、工时、用电量见表1—1,试确定该厂两种产品每天的生产计划,以使得每天获得的利润最大。
这是一个简单的生产计划问题,可归结为在满足各项生产条件的基础上,合理安排两种产品每天的生产量,以使利润最大化的最优化设计问题。
设每天生产甲产品x1件,乙产品x2件,每天获得的利润用函数f(x1,x2)表示,即
第二章最优化设计的数学基础
2.1向量与矩阵
第23页
2.2方向导数与梯度
第三章一维搜索(线性搜索)
第1章知,下降迭代算法中在搜索方向s,上寻求最优步长ak时通常采用一维搜索,亦称线性搜索。
一维搜索是构成非线性最优化算法的基本算法,因为多元函数的迭代求解都可归结为在一系列逐步产生的下降方向上的一维搜索。
一维搜索的数值迭代算法可分两步进行。
首先确定一个包含极小点的初始区间,然后采用逐步缩小区间或反复插值逼近的方法求得满足一定精度要求的最优步长和极小点。
3.1确定初始区间
设f(x)在考察区间内为一单谷函数,即区间内只存在一个极小点。
这样在极小点的左侧,函数单调下降;
在极小点的右侧,函数单调上升。
若已知该区间内的相邻3个点x1<
x2<
x3及其对应的函数值f(x1),f(x2)和f(x3),便可以通过比较这3个函数值的大小估计出极小点所在的方位,如图3—1所示。
第39页
小点的区间。
可见,在某一方向上按一定方式逐次产生一系列探测出点,并比较这些探测点上函数值的大小,就可以找出函数值呈“大一小一大”变化的3个相邻点。
其中两边的两个点所确定的闭区间内必定包含着极小点,这样的闭区间称为初始区间,记作[a,b]。
这种寻找初始区间的方法可归结为以下计算步骤:
第四章无约束最优化方法
求解无约束最优化问题
minf(X) (4—1)
的数值迭代解法,称为无约束最优化方法。
无约束最优化方法是构成约束最优化方法的基础算法。
如前所述,求解无约束最优化问题的下降迭代解法具有统一的迭代格式,其基本的问题是选择搜索方向和在这些方向上进行一维搜索。
由于构成搜索方向的方式可以不同,从而形成了各种不同的无约束最优化算法。
根据搜索方向的不同构成方式,可将无约束最优化方法分为导数法(亦称解析法)和模式法(亦称直接法)两大类。
利用目标函数的一阶导数和二阶导数信息构造搜索方向的方法称为导数法,如下面将要介绍的梯度法、牛顿法、变尺度法和共轭梯度法。
由于导数是函数变化串的具体描述,因此导数法的收敛性和收敛速度都比较好。
目前较为实用的最优化算法程序大都采用这类方法。
模式法是通过几个已知点上函数值的比较构造搜索方向的一类算法,如鲍威尔法。
由于构成搜索方向的信息仅仅是几个有限点上的函数值,因此难以得到较为理想的搜索方向。
这种方法一般迭代次数较多,收敛速度较慢,故通常使用得较少。
下面介绍几种经典的无约束最优化方法。
目前常用的最优化算法大都是以它们为基础发展起来的。
4.1梯度法(最速下降法)
梯度法是一种古老的无约束最优化方法,它的迭代方向是由迭代点的负梯度构成的。
由于负梯度方向是函数值下降得最快的方向,故此法也称为最速下降法。
第52页
式(4—3)表明,相邻两迭代点的梯度是彼此正交的。
也就是说,在梯度法的迭代过程中,相邻的搜索方向相互垂直。
这意味着用梯度法迭代时,向极小点逼近的路径是一条曲折的阶梯形路线,而且越接近极小点,阶梯越小,前进速度越慢,如图4—1所示。
梯度法的这一迭代特点是由梯度的性质决定的,因为梯度是函数在一点邻域内局部变化率的数学描述。
沿一点的负梯度方向前进时,在该点邻域内函数下降得最快,但是离开该邻域后,函数就不一定继续下降得快,甚至不再下降。
这就是说,以负梯度作为搜索方向,从局部看每一步都可使函数值获得较快的下降,但从全局看却走了很多弯路,故梯度法的计算速度较慢。
可以证明,梯度法只具有线性收敛速度。
从图4—1可以看出,在梯度法的迭代过程中,离极小点较远时,一次迭代得到的函数
第53页
第五章线性规划方法
目标函数和约束函数都是线性函数的最优化问题称为线性规划问题,对应的算法称为线性规划算法。
由第1章例l—2的图解过程可知,线性规划问题的可行域是一种封的凸多边形或凸多面体,它的最优解一般位于可行域的某一顶点上,而可行域的顶点是有限的。
因此,线性规划问题相对于非线性最优化问题比较简单,其算法也最为成熟。
生产计划、经济管理、系统工程等领域的问题一般属于线性规划问题,因此线性规划算法在些领域得到广泛应用。
同时,线性规划算法也是构成更复杂的非线性约束最优化算法,如可行方向算法和序列二次规划算法的一种基础算法。
本章介绍线性规划算法的基本概念和常用的单纯形算法。
5.1线性规划问题的一般形式
线性规划问题的数学模型同样由设计变量、目标函数和约束条件组成,除目标函数和约束函数都是设计变量的线性函数外,约束条件一般包括一组等式约束和一组设计变量的非负性约束两部分。
其一般形式如下:
q
也可写成如下求和的形式:
第80页
A称系数矩阵;
AX=B称约束方程,xi≥0称变量非负约束。
一般情况下,应有m<
n。
因为只有当m<
n时约束方程才有许多组解,线性规划问题的目的就是要从这许多组解中找到使目标函数取得最小值的最优解。
在线性规划问题的数学模型中,除变量非负约束是不等式约束外,其他约束条件均应是等式约束。
如果实际问题中还有其他不等式约束条件存在,则要在这些不等式约束条件中分别引入一个非负变量,使不等式变为等式,使问题的数学模型变成线性规划问题的一般形式。
这种新加入的非负变量称为松弛变量。
如例1—2,在其数学模型中引入3个新的松弛变量x3,x4和x5,就可将原数学模型转化成为如下线性规划问题的一般形式:
5.2线性规划问题的解
线性规划问题的约束条件包括约束方程和变量非负约束两部分,对应的解也分基本解、基本可行解和最优解3种。
只满足约束方程的解称为基本解;
同时满足约束方程和
第81页
第六章约束最优化方法
约束最优化方法是用来求解如下非线性约束最优化问题的数值迭代算法:
这种约束问题的最优解,不仅与目标函数有关,而且受约束条件的限制,因此其求解方法比无约束问题要复杂得多。
求解约束最优化问题的关键在于如何处理各种约束条件。
根据处理约束条件的不同方式,其求解方法分为直接法和间接法两类。
在迭代过程中逐点考察约束,并使迭代点始终局限于可行域之内的算法称为直接法,如可行方向法等。
把约束条件引入目标函数,使约束最优化问题转化为无约束最优化问题求解,或者将非线性问题转化为相对简单的二次规划问题或线性规划问题求解的算法称为间接法,如惩罚函数法、乘子法和序列二次规划法等。
6.1可行方向法
可行方向法是求解如下不等式约束问题:
第99页
以上两式称为下降可行条件。
满足式(6—3)的方向称为可行方向,满足式(6—4)的方向称为下降方向,同时满足这两个条件的方向称为下降可行方向。
可以断定,从可行域内的任意初始点出发,只要始终沿着下降可行方向进行考虑约束限制的一维搜索和迭代运算,就能保证迭代点逐步逼近约束最优化问题的最优点。
6.1.1下降可行方向
由前可知,函数在一点的梯度方向是函数在该点函数值上升得最快的方向,与梯度成锐角的方向是函数值上升的方向,与梯度成钝角的方向是函数值下降的方向。
因此,函数在点X^k的下降方向就是满足以下关系的方向S:
可行方向则是那些指向可行域内的方向。
当点Xt位于可行域内时,从该点出发的任意方向s上都必然存在满足式(6—3)的可行点,因此所有方向都是可行方向,如图6—1(a)所示。
第七章智能最优化方法
随着仿生学、遗传学和人工智能科学的发展,从20世纪70年代以来,科学家相继将遗传学、神经网络科学的原理和方法应用到最优化领域,形成了一系列新的最优化方法,如遗传算法、神经网络算法、蚁群算法等。
这些算法不需要构造精确的数学搜索方向,不需要进行繁杂的一维搜索,而是通过大量简单的信息传播和演变方法来得到问题的最优解。
这些算法具有全局性、自适应、离散化等特点,故统称智能最优化算法。
本章简单介绍常用的遗传算法和神经网络算法。
7.1遗传算法
遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局最优化概率搜索算法。
最早由美国密执安大学的Holland教授提出,20世纪80年代由Goldberg归纳总结形成了遗传算法的基本框架。
7.1.1生物的遗传与进化
生物从其亲代继承特性或性状的现象称为遗传。
生物在其延续生存的过程中,逐渐适应生存环境,使其品质不断得到改良,这种生命现象称为进化。
构成生物的基本结构和功能单元是细胞,细胞中含有一种称为染色体的微小的丝状化合物。
染色体主要由一种叫做核糖核酸(简称DNA)的物质构成,DNA按一定规则排列的长链称为基因,基因是遗传的基本单位。
生物的所有遗传信息都包含在染色体中,染色体决定了生物的性状。
生物的遗传和
第128页
进化过程都发生在染色体内。
细胞在分裂时,遗传物质DNA通过复制转移到新的细胞中,新细胞就继承了旧细胞的基因。
有性生殖生物在繁殖下一代时,两个同源染色体之间通过交叉而重组,即在两个染色体的某一相同位置处DNA被切断,然后分别交叉组合形成两个新的染色体。
另外,在进行细胞复制时,也可能产生某些差错,从而使DNA发生某种变异,产牲新的染色体。
可见,同源染色体之间的复制、交叉或变异会使基因或染色体发生各种各样的变化,从而使生物呈现新的性状,产生新的物种。
7.1.2基本遗传算法
在遗传算法中,将设计变量x=[x1,x2,…,xn]T用n个同类编码,即
X:
X1,X2,…,Xn表示。
其中每一个x:
都是一个Q位编码符号串,符号串的每一位称为一个遗传基因,基因的所有可能的取值称为等位基因,基因所在的位置称为该基因的基因座。
于是,x就可以看作由nXq个遗传基因组成的染色体,也称个体X。
由m个个体组成一个群体,记作P(t)(t=1,2,…,m)。
最简单的等位基因由。
和1这两个整数组成,相应的染色体或个体就是一个二进制符号串,称为个体的基因型,与之对应的十进制数称为个体的表现型。
对于例1—2的生产计划问题,若以5位二进制数表示一个变量的值,则一个十位二进制代码就代表一个设计方案,称为一个染色体或个体。
当x1=10,x2=20时,对应的个体是010*******,其中的每一位二进制代码就是个体的一个基因。
010*******称为个体的基因型,对应的十进制数1020称为个体的表现型。
与传统优化算法根据目标函数的大小判断解的优劣,并通过迭代运算逐渐向最优解逼近的思想相类似,遗传算法使用适应度这个概念来度量群体中各个个体的优劣程度,并以个体适应度的大小,通过选择运算决定哪些个体被淘汰,哪些个体遗传到下一代。
再经过交叉和变异运算得到性能更加优良的新的个体和群体,从而实现群体的遗传和更新,最终得到最佳的个体,即最优化问题的最优解。
(1)遗传编码
遗传算法的运行不直接对设计变量本身进行操作,而是对表示可行解的个体编码进行选择、交叉和变异等遗传运算,由此达到最优化的目的。
在遗传算法中,把原问题的可行解转化为个体符号串的方法称为编码。
编码是应用遗传算法时要解决的首要问题。
编码除了决定个体染色体排列形式之外,还决定了将个体符号串转化为原问题的可行解的解码方法。
编码方法也影响遗传算子的运算效率。
现有的编码方法可以分为3类,分别是二进制编码、浮点数编码和符号编
第129页
第八章最优化问题的计算机求解
在建立完成工程设计问题的数学模型,并掌握各类最优化算法的原理和迭代运算过程之后,寻找一种可靠实用的最优化软件包,并利用其中的相关语言和函数编制相应的求解程序,在计算机上运算求解,成为工程最优化设计得以实现的关键。
本章介绍大型丁具软件MATLAB相关工具箱的使用,并详细介绍几个典型的工程最优化设计问题的求解全过程。
8.1MATLAB
MATLAB的名称源自MatricsLaboratory,是由MathWorks公司开发的一种面向科学与工程计算的高级语言和解决各类工程问题的大型软件包。
它集科学计算、自动控制、信号处理、神经网络、图像处理等于一体,并以强大的科学计算与完善的可视化功能、演算纸式的编程模式、开放式的扩展型环境,以及30多个不同领域和学科的专业工具箱为特征,成为众多学科进行计算机设计与分析、算法研究和应用开发的首选平台。
MATLAB最初开始于自动控制系统的辅助设计,后来采用了开放型的开发思想,不断吸收各学科领域的实用成果,形成了一套规模大、覆盖面广的专业工具箱,包括信号处理、系统识别、通信仿真、模糊控制、图像处理、神经网络、最优化计算、统计分析等学科内容,被广泛应用于自动控制、机械设计、流体力学和数理统计等工程领域。
工具箱是MATLAB函数的综合程序库,不同的工具箱包含大量相关的库函数。
进行复杂的运算时,只需调用相关的函数就可完成给定的任务。
第151页
8.1.1MATLAB最优化工具箱
最优化工具箱(OptimixationToolbox)是MATLAB30多个工具箱之一,主要用于求解各种工程最优化设计问题。
它有11个专有的最优化函数,常用函数的数学模型和语法见表8—l。
第152页
- 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:
- 优化 问题 数学模型