数学建模提高班专题一--规划模型、案例及软件求解(2016-1-18)final

《数学建模提高班专题一--规划模型、案例及软件求解(2016-1-18)final》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、历届竞赛赛题基本解法赛题解法93A非线性交调的频率设计拟合、规划93B足球队排名图论、层次分析、整数规划94A逢山开路图论、插值、动态规划94B锁具装箱问题图论、组合数学95A飞行管理问题非线性规划、线性规划95B天车与冶炼炉的作业调度动态规划、排队论、图论96A最优捕鱼策略微分方程、优化96B节水洗衣机非线性规划历届竞赛赛题基本解法97A零件的参数设计非线性规划97B截断切割的最优排列随机模拟、图论98A一类投资组合问题多目标优化、非线性规划98B灾情巡视的最佳路线图论、组合优化99A自动化车床管理随机优化、计算机模拟99B钻井布

2、局0-1规划、图论00ADNA序列分类模式识别、Fisher判别、人工神经网络00B钢管订购和运输组合优化、运输问题历届竞赛赛题基本解法01A血管三维重建曲线拟合、曲面重建01B工交车调度问题多目标规划02A车灯线光源的优化非线性规划02B彩票问题单目标决策03ASARS的传播微分方程、差分方程03B露天矿生产的车辆安排整数规划、运输问题04A奥运会临时超市网点设计统计分析、数据处理、优化04B电力市场的输电阻塞管理数据拟合、优化历届竞赛赛题基本解法05A长江水质的评价和预测聚类、模糊评判主成分分析、多目标决策05BDVD在线租赁多

3、目标规划06A出版社的资源配置线性规划、多目标规划06B艾滋病疗法评价及疗效预测回归线性规划07A中国人口增长预测问题微分方程、差分方程07B乘公交，看奥运问题图论、0-1规划、动态规划08A数码相机定位问题几何、优化08B高等教育学费标准探讨多元回归、多目标优化规划模型、案例及软件求解一、引言二、线性规划模型及软件求解三、整数规划模型四、多目标规划模型在数模竞赛过程中，规划模型是最常见的一类数学模型.从92-09年全国大学生数模竞赛试题的解题方法统计结果来看，规划模型共出现了18次，占到了近50%，也就是说每两道竞赛题中就有一道涉

4、及到利用规划理论来分析、求解.如何来分配有限资源，从而达到人们期望目标的优化分配数学模型.它在数学建模中处于中心的地位.这类问题一般可以归结为数学规划模型.规划模型的应用极其广泛，其作用已为越来越多的人所重视.一、引言优化问题三要素：决策变量；目标函数；约束条件约束条件决策变量优化问题的一般形式可行解（满足约束）与可行域（可行解的集合）最优解（取到最小／大值的可行解）目标函数约束优化的简单分类线性规划(LP)目标和约束均为线性函数非线性规划(NLP)目标或约束中存在非线性函数二次规划(QP)目标为二次函数、约束为线性整数规划(IP)

5、决策变量(全部或部分)为整数整数线性规划(ILP)，整数非线性规划(INLP)纯整数规划(PIP),混合整数规划(MIP)一般整数规划，0-1（整数）规划连续优化离散优化数学规划建立规划模型的一般步骤1.确定决策变量和目标变量；2.确定目标函数的表达式；3.寻找约束条件。二、线性规划模型的求解Lingo与Lindo求解Matlab求解Lingo与LindoLindo与Lingo都是LINDO系统公司开发的专门用于求解最优化问题的软件包。与Lindo相比，Lingo软件主要具有两大优点：（1）除具有LINDO的全部功能外，还可用于求解

6、非线性规划问题，包括非线性整数规划问题。（2）LINGO包含了内置的建模语言，允许以简练、直观的方式描述较大规模的优化问题，模型中所需的数据可以以一定格式保存在独立的文件中。LINDO和LINGO软件能求解的优化模型LINGOLINDO优化模型线性规划(LP)非线性规划(NLP)二次规划(QP)连续优化整数规划(IP)LINGOLINGO是LinearInteractiveandGeneralOptimizer的缩写，即“交互式的线性和通用优化求解器”。Lingo超强的优化计算能力在很多方面（线性规划、非线性规划、线性整数规划、非线

7、性整数规划、非线性混合规划、二次规划等）比matlab、maple等强得多，Lingo编程简洁明了，数学模型不用做大的改动（或者不用改动）便可以直接采用Lingo语言编程，LPQPNLPIP全局优化(选)ILPIQPINLPLINDO/LINGO软件的求解过程LINDO/LINGO预处理程序线性优化求解程序非线性优化求解程序分枝定界管理程序1.确定常数2.识别类型1.单纯形算法2.内点算法(选)1、顺序线性规划法(SLP)2、广义既约梯度法(GRG)(选)3、多点搜索(Multistart)(选)建模时需要注意的几个基本问题1、尽量

8、使用实数优化，减少整数约束和整数变量2、尽量使用光滑优化，减少非光滑约束的个数如：尽量少使用绝对值、符号函数、多个变量求最大/最小值、四舍五入、取整函数等3、尽量使用线性模型，减少非线性约束和非线性变量的个数（如x/y<5改为x<5y