最优化理论——(一)绪论1 模型与实例

1.形成和发展

  • 公元前500年古希腊在讨论建筑美学中就已发现长方形长与宽的最佳比例为1.618,成为环境分割比
    满足 全部:大部=大部:小部
  • 在微积分出现以前,已有许多学者开始研究数学方法最优化问题
    如阿基米德证明:给定周长,圆所包围的面积为最大,这就是欧洲古代城堡几乎都建成圆形的原因
  • 古典最优化方法
    17世纪,牛顿和莱布尼茨在他们所创建的微积分中,提出函数的极值问题。
  • 近代最优化方法
    第二次世界大战前后,形成了近代最优化方法:以苏联Л.В.康托罗维奇 和美国G.B.丹齐克为代表的线性规划;以美国库恩和塔克尔为代表的非线性规划;以美国R.贝尔曼为代表的动态规划;以苏联Л.С.庞特里亚金为 代表的极大值原理等。

2.经典极值问题的一个实例

把一个半径为1的实心金属球融化后,铸成一个实心圆柱体,问圆柱体取什么尺寸才能使它的表面积最小?
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

3.最优化问题的模型与分类

1.以向量为变量的实向量值函数最优化问题的一般形式
在这里插入图片描述
2.根据实际问题的不同要求, 最优化模型有不同的形式, 但 经过适当的变换都可以转换成上述一般的形式。
在这里插入图片描述
3.约束最优化问题分类
在这里插入图片描述
4.无约束最优化问题
在这里插入图片描述
5.无约束最优化问题是最优化的基础

  • 很多实际的最优化问题本身就是无约束最优化问题。
  • 许多约束最优化方法都是通过变换把约束最优化问 题转换成无约束最优化问题后, 用适当的无约束优化方 法求解。

6.最优化的分类

  • 按所包含方程式的特性分
    • 线性规划:目标函数和约束条件均为线性函数的最优化问题, 即都是一次函数;
    • 非线性规划:目标函数和约束条件中有一个或一个以上非线性函数的最优化问题;
  • 按目标函数的个数分
    • 单目标最优化问题:只有一个目标函数的最优化问题;
    • 多目标最优化问题:含有多个目标函数的最优化问题;
  • 根据决策变量的取值分
    • 如果决策变量所在的可行集合是连续的,比如平面、区 间等,就称为连续优化
    • 如果决策变量在离散集合上取值,那么相应的优化问题就称为离散优化。 最常见的离散优化问题就是整数规划,它的决策变量的取值在整数集上。 离散最优化问题的求解较之连续最优化问题的求解难度更大, 本书只介绍连续最优化的理论与方法.;

4.最优化问题举例

1.运输问题
在这里插入图片描述
2.设施问题
在这里插入图片描述
3.指派问题
在这里插入图片描述

5.最优化方法解决问题一般步骤

  • 提出需要进行最优化的问题,开始收集有关资料和数据;
  • 建立求解最优化问题的有关数学模型,确定变量,列出目标函数和 有关约束条件;
  • 分析模型,选择合适的最优化方法;
  • 求解方程。一般通过编制程序在电子计算机上求得最优解;
  • 最优解的验证和实施。
    在这里插入图片描述
  • 1
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“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

打赏作者

TUTOU程序猿

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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