数学建模笔记—— 最大最小化规划模型
最大最小化规划模型
1. 模型原理
在博弈论中有一个经典理论一一最大最小策略( Minimax strategy),是由博弈论奠基人约翰·冯·诺伊曼(John von Neumann)在1928年提出的一种在理性行为基础上做的保守博弈策略:使得博弈者的最小收入最大化的策略。由此衍生出了最大最小算法(Minimax算法),是一种找出失败的最大可能性中的最小值的算法(即最小化对手的最大得益)。在实际问题中也有许多求最大值的最小化问题, 例如急救中心选址问题就是要规划其到所有地点最大距离的最小值,在投资规划中要确定最大风险的最低限度等,为此,对每个 x ∈ R n x\in R^n x∈Rn,我们先求出目标值 f i ( x ) f_i(x) fi(x)的最大值,然后再求这些最大值中的最小值。
最大最小化问题的一般数学模型:
m
i
n
{
m
a
x
[
f
1
(
x
)
]
,
m
a
x
[
f
2
(
x
)
]
,
…
,
m
a
x
[
f
m
(
x
)
]
}
s
.
t
.
{
A
x
≤
b
A
e
q
⋅
x
=
b
e
q
C
(
x
)
≤
0
C
e
q
(
x
)
=
0
V
L
B
≤
X
≤
V
U
B
\begin{aligned}&min\left\{max\Big[f_{1}\Big(x\Big)\Big],max\Big[f_{2}\Big(x\Big)\Big],\ldots,max\Big[f_{m}\Big(x\Big)\Big]\right\}\\&s.t.\begin{cases}Ax\leq b\\Aeq\cdot x=beq\\C\left(x\right)\leq0\\Ceq\left(x\right)=0\\VLB\leq X\leq VUB\end{cases}\end{aligned}
min{max[f1(x)],max[f2(x)],…,max[fm(x)]}s.t.⎩
⎨
⎧Ax≤bAeq⋅x=beqC(x)≤0Ceq(x)=0VLB≤X≤VUB
2. 典型例题
选址问题:
设某城市有某种物品的10个需求点,第 i i i个需求点 P I P_I PI的坐标( a i , b i a_i,b_i ai,bi),道路网与坐标轴平行,彼此正交,现打算建一个该物品的供应中心,且由于受到城市某些条件的限制,该供应中心只能设在 x x x界于[3,8], y y y界于[4,10]的范围之内,问该中心应建在何处为好?
a i a_i ai 1 4 3 5 9 12 6 20 17 8 b i b_{i} bi 2 10 8 18 1 4 5 10 8 9
设供应中心的位置为(x,y),要求它到最远需求点的距离尽可能小,由于道路网与坐标轴平行,彼此正交,故采用沿道路行走计算距离,可知每个需求点
P
i
P_i
Pi到该中心的距离为
∣
x
−
a
i
∣
+
∣
y
−
b
i
∣
|x-a_i|+|y-b_i|
∣x−ai∣+∣y−bi∣,于是模型为:
min
(
x
,
y
)
{
max
i
[
∣
x
−
a
i
∣
+
∣
y
−
b
i
∣
]
}
s
.
t
.
{
3
≤
x
≤
8
4
≤
y
≤
10
\begin{aligned}&\min_{{(x,y)}}\left\{\max_{i}\left[\left|x-a_i\right|+\left|y-b_i\right|\right]\right\}\\ &s.t.\begin{cases}3\leq x\leq8\\4\leq y\leq10\end{cases}\end{aligned}
(x,y)min{imax[∣x−ai∣+∣y−bi∣]}s.t.{3≤x≤84≤y≤10
3. matlab代码求解
f m i n i m a x fminimax fminimax函数: [ x , f v a l ] = f m i n i m a x ( f u n , x 0 , A , b , A e q , b e q , l b , u b , n o n l c o n , o p t i o n ) [x,fval]=fminimax(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,option) [x,fval]=fminimax(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,option)
该函数与非线性规划函数用法基本一致,但注意目标函数需要用函数向量表示
目标函数fun.m
定义如下:
function f = fun(x)
a=[1 4 3 5 9 12 6 20 17 8];
b=[2 10 8 18 1 4 5 10 8 9];
% 函数向量
f=zeros(10,1);
for i=1:10
f(i)=abs(x(1)-a(i))+abs(x(2)-b(i));
end
end
主代码如下:
clc;
clear;
x0=[6,6]; % 给定初始值
lb=[3,4]; % 决策变量的下界
ub=[8,10]; % 决策变量的上界
[x,feval]=fminimax(@fun,x0,[],[],[],[],lb,ub)
max(feval)
输出:
可能存在局部最小值。满足约束。
fminimax 已停止,因为当前搜索方向的大小小于
步长容差值的两倍,并且在约束容差值范围内满足约束。
<停止条件详细信息>
x =
8 8.50000000605316
feval =
13.5000000060532
5.49999999394684
5.50000000605316
12.4999999939468
8.50000000605316
8.50000000605316
5.50000000605316
13.4999999939468
9.50000000605316
0.49999999394684
ans =
13.5000000060532