在数学建模问题中,优化问题是极为常见的。解决优化问题的方法很多,这里主要谈谈规划类算法。
规划类算法首先要明确三个要素——决策变量,目标函数和约束条件。在论文中一定要明确体现这三个要素。实际问题中,往往涉及到不止一个决策变量,此时目标函数常含有不同变量的乘积形式,如果相乘的变量至多两个,就可以应用二次规划进行求解。
二次规划的标准形式如下,和线性规划类似,都要化成求解最小值。(如果想求最大就乘上 -1,转变为求解最小值)约束条件包括等式约束和不等式约束,其中P、G、A都是矩阵,q、h、b都是列向量。
将初始问题转化为标准二次规划后,就可以调用Cvxopt.solvers.qp(P,q,G,h,A,b)函数进行求解了。
具体实例可以参考这篇博客:python求解二次规划 使用python求解二次规划的问题(IT技术)
值得注意的是,并不是所有的二次规划问题都可以求出全局最优解,很多情况下只能求出一个局部最优。二次规划的基础知识理论(更新中)_CHH3213的博客-CSDN博客