数学中常见的maxmin,min max

数学中常见的maxmin,min max

 

1、数学中公式(1)与公式(2)含义是不同的

 

(1)

 

(2)

 

    公式(1)的直接理解,先找出每个班里的身高最高的同学,再由这些同学中挑出身高最低的;同理,公式(2)的直接理解,先找出每个班里的身高最低的同学,再由这些同学中挑出身高最高的;

 

2、实例

  假设x定义域为{1.1,  4.2,  -3};y定义域为{10, 2.8, 38, 41} ; f(x,y)取值如下表

                                  

f(x,y)

y=10

y=2.8

y=38

y=41

x=1.1

3

6

4

2

x=4.2

1.1

0.5

0.1

0.9

x=-3

4

0.3

2.3

8.9

 

    对公式(1) :

            x=1.1时,取最大值时,y=2.8,最大值为6;

            x=4.2时,取最大值时,y=10,最大值为1.1;

            x=-3时,取最大值时,y=41,最大值为8.9;

        再求6, 1.1, 8.9中的最小值,最小值为1.1;此时x=4.2,y=10。

 

    对公式(2) :

          x=1.1时,取最小值时,y=41,最小值为2;

          x=4.2时,取最小值时,y=38,最小值为0.1;

          x=-3时,取最小值时,y=2.8,最小值为0.3;

      再求2, 0.1, 0.3中的最大值,最大值为2;此时x=1.1,y=41。

  • 12
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
minmax数学建模是一种优化方法,它旨在寻找一个决策变量的最佳取值,以最小化或最大化一个目标函数。这种建模方法通常用于解决决策问题,例如制定最佳投资组合、资源分配、路径规划等。 在minmax建模,我们首先定义一个目标函数,希望将其最小化或最大化。然后,我们确定一组约束条件,以限制决策变量的取值范围或相关关系。接下来,我们将问题转化为一个数学表达式,通过对决策变量和目标函数进行合理的数学操作来达到最优解。 minmax模型的一种常见形式是线性规划问题。在线性规划,目标函数和约束条件都是线性的,通过线性规划算法可以高效地求解最优解。另一种形式是非线性规划问题,其目标函数或者约束条件包含非线性关系,需要使用更复杂的算法来求解。 minmax数学建模的优点是可以将实际问题转化为数学问题,并确定一个全局最优解。它在实际应用具有广泛的适用性,可以解决各种决策问题。然而,minmax建模也有一些局限性,例如可能存在多个最优解或者求解复杂度较高。 总之,minmax数学建模是一种重要的优化方法,通过将实际问题转化为数学问题,并使用相应求解算法,可以寻找到一个决策变量的最佳取值,从而优化目标函数的结果。它在决策问题具有广泛的应用,并为我们提供了一种有效的问题求解思路。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值