最优化问题
数学规划问题,或着说最优化问题,一般可写成下面的形式:
先看看二维的问题
为了简单起见,我们考虑二维情况,假设
x=(x1,x2)
,则最优化问题变成如下形式:
几何意义非常明显,要求在曲线 g(x1,x2)=c 上找一点,使得函数 f(x1,x2) 取得最大值。因为 f(x1,x2) 是一个曲面,形象一点说,问题就是在山上寻找一条山路的最高点。
聊一聊等高线
求解最优规划问题的关键在于曲面的等高线。我们停下脚步,看看等高线有趣的性质。对于曲面
f(x1,x2)
来说,其等高线可以表示成下面的形式,
两边进行微分,得到,
可以看出, dx1,dx2 之间是有关系的。实际上,微分 dx=(dx1,dx2) 与曲线 f(x1,x2)=c 切线方向一致。如果觉得不好理解的话,可以吧 x1,x2 换成 x,y ,问题就变成一元函数求导,我们知道 dy/dx 表示曲线的切线斜率,当然 (dx,dy) 就与曲线的切线方向相同。于是,我们得到曲面等高线的切线向量,
我们知道,曲面 f(x1,x2) 的梯度可表示为,
于是(4)式可以表示为,
可以看出, 曲面上任意一点,其等高线的切线方向与其梯度方向相互垂直。
约束条件本质上是曲面的等高线
约束条件 g(x1,x2)=c ,实际上就是曲面 g(x1,x2) 的一条等高线。根据前面的结论,它的切线方向与梯度方向垂直。
目标函数的等高线
二元函数的最优规划问题,和寻找山间小路上的最高点的思路是一样。到达山间小路最高点位置后,无论沿山间小路哪个方向走,都是下坡,都会走向较低的等高线,因此,在小路的最高点位置,小路必须与山坡的等高线相切。
同样,我们沿着曲线
g(x1,x2)=c
到达最曲面
f(x1,x2)
最高点,这条小路一定与曲面
f(x1,x2)
在此位置的等高线相切,也就是曲线
g(x1,x2)=c
与曲线
f(x1,x2)=c′
在最大值位置相切。或者从梯度的角度来看,曲面
f(x1,x2),g(x1,x2)
在最大值位置梯度方向是相同的。
换句话讲,如果规划问题在
(x1,x2)
处取得最大值,一定存在常数
λ
使得,
看到这里怎么有些懵圈呢?最优解和常数 c 怎么就没关系了呢?不是说好的
一个具体例子
例1 求下面规划,
解:
由于,
于是,
即,
所以,
代入(9),
即,
代入(10),得,
此时,
■
(未完待续…)