Lec1--一些优化问题介绍-精选课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《Lec1--一些优化问题介绍-精选课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 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:
- Lec1 一些 优化 问题 介绍 精选 课件
- 资源描述:
-
1、一些优化问题介绍一些优化问题介绍2023-1-1 最优化是工程技术、经济管理、科学研究、最优化是工程技术、经济管理、科学研究、社会生活中经常遇到的问题社会生活中经常遇到的问题,如如:结构设计、资源结构设计、资源分配、生产计划、运输方案分配、生产计划、运输方案优化模型和算法的重要意优化模型和算法的重要意义义解决优化问题的手段:解决优化问题的手段:1 1)经验积累,主观判断;经验积累,主观判断;2)作试验,比优劣;)作试验,比优劣;3)建立数学模型,求解)建立数学模型,求解最优策略最优策略最优化最优化:在一定条件下在一定条件下,寻求使目标最大寻求使目标最大(小小)的决策的决策 2023-1-1优化
2、问题三要素:优化问题三要素:决策变量决策变量;目标函数目标函数;约束条件约束条件约约束束条条件件决策变量决策变量优化问题的一般形式优化问题的一般形式njiDxljxgmixhtsxf,.,1,0)(,.,1,0)(.)(min 无约束优化无约束优化(没有约束没有约束)与约束优化与约束优化(有约束有约束)可行解(只满足约束)与最优解可行解(只满足约束)与最优解(取到最优值取到最优值)目标函数目标函数2023-1-1局部最优解与整体最优解局部最优解与整体最优解 局部最优解局部最优解(Local Optimal Solution,如如 x1)整体最优解整体最优解(Global Optimal Sol
3、ution,如如 x2)x*f(x)x1x2o2023-1-1连连续续优优化化离离散散优优化化整数规划整数规划(IP)决策变量决策变量(全部或部分全部或部分)为整数为整数 整数整数线性线性规划规划(ILP),整数,整数非线性非线性规划规划(INLP)纯整数规划纯整数规划(PIP),混合整数规划混合整数规划(MIP)一般整数规划,一般整数规划,0-1(整数)规划(整数)规划优化模型的简单分类优化模型的简单分类线性规划线性规划(LP):目标和约束均为线性函数目标和约束均为线性函数非线性规划非线性规划(NLP):目标或约束中存在非线性函数目标或约束中存在非线性函数 二次规划二次规划(QP):目标为二
4、次函数、约束为线性目标为二次函数、约束为线性2023-1-1单目标优化模型:单目标优化模型:多目标优化多目标优化模型模型:光滑优化模型:光滑优化模型:非光滑优化模型:非光滑优化模型:仅一个目标仅一个目标多个目标多个目标目标函数、约束条件函数目标函数、约束条件函数全部都可微全部都可微否则否则凸优化模型凸优化模型非凸优化模型非凸优化模型2023-1-1优化模型的简单分类和求解难度 优化线性规划非线性规划二次规划连续优化整数规划 问题求解的难度增加 2023-1-1单目标优化问题单目标优化问题光滑优化问题光滑优化问题多目标优化问题多目标优化问题非光滑优化问题非光滑优化问题问题求解的难度增加 凸优化问
5、题凸优化问题非凸优化问题非凸优化问题2023-1-1线性规划(线性规划(LP):目标和约束均为线性函数目标和约束均为线性函数0,2122112222212111212111nmnmnmmnnnnxxxbxaxaxabxaxaxabxaxaxa)(或)(或)(或目目标标函函数数约约束束条条件件nnxcxcxcz2211minmax)(或2023-1-1简写形式:简写形式:),(),(),(或)(或njxmibxaxczjinjjijnjjj1 01 minmax112023-1-1 例例1:某企业计划生产:某企业计划生产、两种产品。这两两种产品。这两种产品都要分别在种产品都要分别在A、B、C、D
6、四种不同设备上加四种不同设备上加工。生产每件产品工。生产每件产品需占用各设备分别为需占用各设备分别为2、1、4、0h,生产每件产品,生产每件产品,需占用各设备分别为,需占用各设备分别为2、2、0、4h。已知各设备计划期内用于生产这两种产品。已知各设备计划期内用于生产这两种产品的能力分别为的能力分别为12、8、16、12h,又知每生产一件,又知每生产一件产品产品企业能获得企业能获得2元利润,每生产一件产品元利润,每生产一件产品企企业能获得业能获得3元利润,问企业应安排生产两种产品各元利润,问企业应安排生产两种产品各多少件,使总的利润收入为最大。多少件,使总的利润收入为最大。2023-1-1产品
7、产品计划期内生产能力A2212B128C4016D0412利润23MAX2023-1-1分析分析-生产产品生产产品的件数的件数-生产产品生产产品的件数的件数1x2x2023-1-1需满足条件:需满足条件:实现目的:实现目的:0,12 4 16 482122221212121xxxxxxxxmax 3221xxz2023-1-1Lingo程序程序max=2*x1+3*x2;2*x1+2*x212;x1+2*x28;4*x116;4*x212;2023-1-1结果:结果:Global optimal solution found.Objective value:14.00000 Total sol
8、ver iterations:2 Variable Value X1 4.000000 X2 2.0000002023-1-1 例例2:某工厂用三种原料生产三种产品,已知的条件如下表所示,试制订总利润最大的生产计划单位产品所需原单位产品所需原料数量(公斤)料数量(公斤)产品产品Q1产品产品Q2产品产品Q3原料可用量原料可用量(公斤(公斤/日)日)原料原料P12301500原料原料P2024800原料原料P33252000单位产品的利润单位产品的利润(千元)(千元)3542023-1-1决策变量:每天生产三种产品的数量,分别设为目标:每天的生产利润最大 利润函数 受制条件:每天原料的需求量不超过
9、可用量:原料 :原料 :原料 :蕴含约束:产量为非负数 321,xxx 321453xxx1P2P3P15003221 xx8004232 xx2000523321xxx0,321xxx分析2023-1-1得到模型得到模型1231223123123max35423150024800.3252000,0 xxxxxxxstxxxx x x2023-1-1Lingo程序程序max=3*x1+5*x2+4*x3;2*x1+3*x21500;2*x1+4*x2800;3*x1+2*x2+5*x32000;2023-1-1结果:结果:Global optimal solution found.Objec
10、tive value:2280.000 Total solver iterations:1 Variable Value X1 0.000000 X2 200.0000 X3 320.00002023-1-1njiDxljxgmixhtsxf,.,1,0)(,.,1,0)(.)(min非线性规划模型非线性规划模型 nonlinear Programming(NLP)中至少有一个中至少有一个为非线性函数为非线性函数(),()0,()0,1,.,1,.,ijf xh xgxim jl2023-1-1例3:某公司经营两种设备,第一种设备每件售价 30 元,第二种设备每件售价 450 元。据统计,每销
11、售一件第一种设备所需时间平均 0.5 小时,第二种设备是(2+0.25X2)小时,其中 X2 是第二种设备的售数量。已知该公司在这段时间内的总营业时间为 800 小时,试确定使其营业额最大的营业计划。2023-1-1分析分析-是第一种设备的售数量-是第二种设备的售数量1x2x2023-1-1目标函数:目标函数:约束条件:约束条件:1220.5(20.25)800 xx x1230450 maxzxx即即22210.2520.5800 xxx2023-1-1Lingo程序程序max=30*x1+450*x2;0.25*x22+2*x2+0.5*x1100;x1+x2+x3200;bnd(40,x
12、1,100);bnd(0,x1,100);bnd(0,x1,100);2023-1-1结果:结果:Local optimal solution found.Objective value:8590.000 Extended solver steps:5 Total solver iterations:28 Variable Value X1 45.00000 X2 55.00000 X3 100.00002023-1-1二次规划模型二次规划模型(QP):目标为二次函数、约束为线性目标为二次函数、约束为线性 1min2.,1,1,TTTiiTiiq xx Gx r xst a x bi Ela
13、x bi Ill m 其中 是 对称阵Gnn注:(1)若Hesse阵是半正定的,则称为凸二次规划,此问题有时并不比求解线性规划困难(2)对非凸二次规划,可能有多个局部极小点,求解比较困难2023-1-1 例例5(投资组合模型投资组合模型):美国某三种股票(美国某三种股票(A,B,C)12年年(1943-1954)的价格的价格(已经包括了分红在内已经包括了分红在内)每年每年的增长情况如表所示的增长情况如表所示(表中还给出了相应年份的表中还给出了相应年份的500种股票的价格指数的增长情况种股票的价格指数的增长情况)。例如,表中第一个。例如,表中第一个数据数据1.300的含义是股票的含义是股票A在在
14、1943年的年末价值是其年的年末价值是其年初的年初的1.300倍,即收益为倍,即收益为30%,其余数据的含义依,其余数据的含义依次类推。假设你在次类推。假设你在1955年时有一笔资金准备投资这年时有一笔资金准备投资这三种股票,并期望年收益率至少达到三种股票,并期望年收益率至少达到15%,那么你,那么你应该如何投资?当期望的年收益变化时,投资组合应该如何投资?当期望的年收益变化时,投资组合和相应的风险如何变化?和相应的风险如何变化?2023-1-1期望年收益率至少达到期望年收益率至少达到15%,应当如何投资?,应当如何投资?年份股票A股票B股票C股票指数19431.3001.2251.1491.
15、25899719441.1031.2901.2601.19752619451.2161.2161.4191.36436119460.9540.7280.9220.91928719470.9291.1441.1691.05708019481.0561.1070.9651.05501219491.0381.3211.1331.18792519501.0891.3051.7321.31713019511.0901.1951.0211.24016419521.0831.3901.1311.18367519531.0350.9281.0060.99010819541.1761.7151.9081.526
16、2362023-1-1分析分析收收益益不不确确定定 收益的期望值收益的期望值 风险风险 收益的方差收益的方差一种股票收益的均值一种股票收益的均值衡量衡量这种股票的平均收益状况这种股票的平均收益状况一种股票收益的方差一种股票收益的方差衡量衡量这种股票收益的波动幅度这种股票收益的波动幅度两种股票收益的协方差两种股票收益的协方差表示表示他们之间的相关程度他们之间的相关程度方差越大,方差越大,风险越大;风险越大;方差越小,方差越小,风险越小。风险越小。2023-1-1数学期望:数学期望:ER1=0.0890833,ER2=0.213667,ER3=0.234583协方差矩阵:协方差矩阵:COV=假设股
17、票假设股票A、B、C每年的每年的收益率收益率分别为分别为R1,R2和和R3 0.094226810.055426390.013075130.055426390.058391700.0124072101307513.001240721.001080754.02023-1-1年收益率(的数学年收益率(的数学期望)不低于期望)不低于15%15%资金资金 全部用于投全部用于投资这三种股票资这三种股票 决策变量决策变量 x1投资股票投资股票A;x2投资股票投资股票B;x3投资股票投资股票C约束条件约束条件x1,x2,x3 0,x1+x2+x3=1 x1ER1+x2ER2+x3ER3 0.15 31333
18、2233112211332211332211),cov(),cov(2),cov(2),cov(2)()()()(jijijiRRxxRxRxRxRxRxRxRxDRxDRxDRxRxRxDV目标函数目标函数 年投资收益率的方差极小年投资收益率的方差极小 二次规二次规划模型划模型(QP)A占占53%,B占占36%,C占占11%2023-1-1Lingo程序程序MODEL:SETS:YEAR/1.12/;STOCKS/A,B,C/:Mean,X;link(YEAR,STOCKS):R;STST(Stocks,stocks):COV;ENDSETSDATA:TARGET=1.15;!R是原始数据是
19、原始数据;R=1.300 1.225 1.149 1.103 1.290 1.260 1.216 1.216 1.419 0.954 0.728 0.922 0.929 1.144 1.1692023-1-1 1.056 1.107 0.965 1.038 1.321 1.133 1.089 1.305 1.732 1.090 1.195 1.021 1.083 1.390 1.131 1.035 0.928 1.006 1.176 1.715 1.908;ENDDATA!计算均值向量计算均值向量Mean与协方差矩阵与协方差矩阵COV;for(stocks(i):Mean(i)=sum(yea
20、r(j):R(j,i)/size(year);for(stst(i,j):COV(i,j)=sum(year(k):(R(k,i)-mean(i)*(R(k,j)-mean(j)/(size(year)-1);MIN=sum(STST(i,j):COV(i,j)*x(i)*x(j);SUM(STOCKS:X)=1;SUM(stocks:mean*x)=TARGET;END2023-1-1结果:结果:Local optimal solution found.Objective value:0.2241378E-01 Extended solver steps:2 Total solver ite
展开阅读全文