第1章 高等数学规划预备知识

第1章 高等数学规划预备知识

ID:14286443

大小:699.00 KB

页数:12页

时间:2018-07-27

第1章  高等数学规划预备知识_第1页
第1章  高等数学规划预备知识_第2页
第1章  高等数学规划预备知识_第3页
第1章  高等数学规划预备知识_第4页
第1章  高等数学规划预备知识_第5页
资源描述:

《第1章 高等数学规划预备知识》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第1章预备知识§1.1基本概念与术语1.1.1数学规划问题举例例1食谱(配食)问题l假设市场上有n种不同的食物,第j种食物每个单位的销售价为。l人体在正常生命活动过程中需要m种基本的营养成分。为了保证人体的健康,一个人每天至少需要摄入第i种营养成分个单位。l第j种食物的每个单位包含第i种营养成分个单位。食谱(配食)问题就是要求在满足人体基本营养需求的前提下,寻找最经济的配食方案(食谱)。建立食谱的数学模型引入决策变量:食谱中第i种食物的单位数量s.t.例2选址与运输问题l假设某大型建筑公司有m个项目在不同的地点同时开工建设.记工地的位置分别为.l第i个工地对某种建筑材料的日用量是已知的

2、(比如水泥的日用量(单位:t)为).l该公司准备分别在和两个地点建造临时料场,并且保证临时料场对材料的日储量(单位:t)分别为和.如何为该公司确定临时料场的位置,并且制订每天的材料供应计划,使建筑材料的总体运输负担最小?建立选址与运输问题的数学模型引入决策变量:位置变量,从临时料场向各工地运送的材料数量.12s.t.例3生产计划问题l某企业向客户提供一种机器,第1季度末需要交货台,第2季度末需要交货台,第3季度末需要交货台.l该企业最大生产能力是每季度生产b台.l若用x表示该企业在某季度生产的机器台数,则生产费用(单位:元)可以用函数来描述.l企业需为每台机器在每个季度多支付p元的存储

3、费.l假设在第一个季度开始时无存货,不允许缺货.如何制订生产计划,确定在每个季度应该生产多少台机器,才能既履行交货合同,又使企业总体费用最少?建立生产计划的数学模型决策变量:用表示企业在第i个季度生产的机器数量.合同规定的总数量:每个季度生产数量要求:每个季度生产数量不大于最大生产能力b,不少于该季度末的交货量与该季度初的库存量之差.第j个季度初库存量:(=0)变量隐含要求:,并且取整数.企业总费用:所有季度生产与存储费用之和s.t.(Z表示所有整数的集合)1.1.2数学规划问题的模型与分类l形成一个最优化问题的数学模型12n首先需要辨识目标,确定优化标准,即待研究系统的性能定量描述,

4、如成本、数量、利润、时间、能量等;n其次用合适的决策变量描述系统的特征量,并将目标表示成决策变量的函数(目标函数,objectivefunction);n此外需确定变量所受的范围限制,由若干个函数的等式或者不等式来定义(约束函数,constraintfunctions).l最优化问题指在决策变量所受限制范围内,对相关的目标函数进行极小化或者极大化.s.t.满足约束条件的点称为可行点(feasiblepoint),所有可行点的集合称为可行域(feasibleregion),记为S.-当,无约束优化问题;否则,约束优化问题.-和都是线性函数,为线性规划(linearprogramming,

5、LP);否则为非线性规划(nonlinearprogramming,NLP).-所有变量取整数,称为整数规划(integerprogramming);允许一部分变量取整数,另一部分变量取实数,为混合整数规划(mixedintegerprogramming,MIP).-从一个连通无限集合(可行域)中寻找最优解,称为连续优化(continuousoptimization)问题;从一个有限的集合或者离散的集合中寻找最优解,称为组合优化(combinatorialoptimization),或者离散优化(discreteoptimization).-存在多个目标,即目标函数取一个向量值函数,称

6、多目标规划(multi-objectiveprogramming),或多目标优化.-最优化问题中出现的参数是完全确定的,称为确定型优化(deterministicoptimization)问题;否则称为非确定型优化(uncertainoptimization)问题,包括了随机规划(stochasticprogramming)、模糊规划(fuzzyprogramming)等特殊情形.1.1.3最优解的概念定义:设为目标函数,为可行域,,若对每个,成立,则称为在上的全局极小点。定义:设为目标函数,为可行域,若存在的邻域,使得对每个成立,则称为在上的局部极小点。l全局极小点也是局部极小点,而

7、局部极小点不一定是全局极小点.l大多数的优化算法通常只是寻找局部最优解.l对于某些特殊情形,如凸规划,局部极小点也是全局极小点.12§1.2多元函数分析1.2.1梯度及Hesse矩阵函数在x处的梯度为n维列向量:函数在x处的Hesse矩阵为矩阵:二次函数A是n阶对称矩阵,b是n维列向量,c是常数.梯度:Hesse矩阵:对向量值函数,每个分量为n元实值函数.h在点x的Jacobi矩阵为该矩阵称为h在x的导数,记作或,其中例向量值函数在任一点的Ja

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。