### 线性规划
线性规划问题是在一组线性约束条件的限制下,求一线性目标函数最大或最小的问题。
常见问题类型
运输问题(产销平衡),指派问题,对偶问题,灵敏度份分析,参数线性规划,投资的收益与风险
### 非线性规划
线性规划与非线性规划的区别
如果线性规划的最优解存在,其最优解只能在其可行域的边界上达到(特别是可行域的顶点上达到);而非线性规划的最优解(如果最优解存在)则可能在其可行域的任意一点达到
可以证明,凸规划的可行域为凸集,其局部最优解即为全局最优解,而且其最优解的集合形成一个凸集。当凸规划的目标函数 ) ( x f 为严格凸函数时,其最优解必定唯一(假定最优解存在)。由此可见,凸规划是一类比较简单而又具有重要理论意义的非线性规划。
求解方法
1.迭代法
(无约束问题)
2.一维搜索
3.Fibonacci 法
4.0.618 法
(无约束问题极值解法)
1.梯度法(最速下降法)
2.Newton 法
3.变尺度法
(约束极值问题)
求解约束极值问题要比求解无约束极值问题困难得多。为了简化其优化工作,可采用以下方法:将约束问题化为无约束问题;将非线性规划问题化为线性规划问题,以及能将复杂问题变换为较简单问题的其它方法。
1.二次规划
2.罚函数法
### 动态规划
动态规划问世以来,在经济管理、生产调度、工程技术和最优控制等方面得到了广泛的应用。例如最短路线、库存管理、资源分配、设备更新、排序、装载等问题,用动态规划方法比用其它方法求解更为方便。
虽然动态规划主要用于求解以时间划分阶段的动态过程的优化问题,但是一些与时间无关的静态规划(如线性规划、非线性规划),只要人为地引进时间因素,把它视为多阶段决策过程,也可以用动态规划方法方便地求解。
应指出,动态规划是求解某类问题的一种方法,是考察问题的一种途径,而不是一种特殊算法(如线性规划是一种算法)。因而,它不象线性规划那样有一个标准的数学表达式和明确定义的一组规则,而必须对具体问题进行具体分析处理。因此,在学习时,除了要对基本概念和方法正确理解外,应以丰富的想象力去建立模型,用创造性的技巧去求解。
动态规划的数学模型:
(i)将过程划分成恰当的阶段。
(ii)正确选择状态变量 ,使它既能描述过程的状态,又满足无后效性,同时确
定允许状态集合 。
(iii)选择决策变量 ,确定允许决策集合
(iv)写出状态转移方程。
(v)确定阶段指标 的形式(阶段指标之和,阶段指标之积,阶段指标之极大或极小等)。
(vi)写出基本方程即最优值函数满足的递归方程,以及端点条件。
动态规划的主要缺点是:
(i)没有统一的标准模型,也没有构造模型的通用方法,甚至还没有判断一个问题能否构造动态规划模型的准则。这样就只能对每类问题进行具体分析,构造具体的模型。对于较复杂的问题在选择状态、决策、确定状态转移规律等方面需要丰富的想象力和灵活的技巧性,这就带来了应用上的局限性。
(ii)用数值方法求解时存在维数灾(curse of dimensionality)。
典型问题
1.最短线路问题
2.生产计划问题
3.资源分配问题
### 排队论模型
排队论(Queuing Theory)也称 随机服务系统理论,就是为解决上述问题而发展的一门学科。它研究的内容有下列三部分:
(i)性态问题,即研究各种排队系统的概率规律性,主要是研究队长分布、等待时间分布和忙期分布等,包括了瞬态和稳态两种情形。
(ii)最优化问题,又分静态最优和动态最优,前者指最优设计。后者指现有排队系统的最优运营。
(iii)排队系统的统计推断,即判断一个给定的排队系统符合于哪种模型,以便根据排队理论进行分析研究。
各种分布符号有:M-负指数分布;D-确定型; Ek-k阶埃尔朗分布;GI-一般相互独立分布;G-一般随机分布等。这里k阶埃尔朗分布是
为相互独立且服从相同指数分布的随机变量时服从自由度为 2k的χ2分布。
例如,M/M/1表示顾客相继到达的间隔时间为负指数分布、服务时间为负指数分布和单个服务台的模型。
D/M/C表示顾客按确定的间隔时间到达、服务时间为负指数分布和C个服务台的模型。
至于其他一些特征,如顾客为无限源或有限源等,可在基本分类的基础上另加说明。
M/M/1排队模型
•到达时间泊松过程(Poisson process);
•服务时间是指数分布(exponentially distributed);
•只有一部服务器(server),遵循先到先服务规则
•队列长度无限制
•可加入队列的人数为无限
### 对策论
对策论亦称竞赛论或博弈论。是研究具有斗争或竞争性质现象的数学理论和方法。
一般认为,它既是现代数学的一个新分支,也是运筹学中的一个重要学科。对策论发展的历史并不长,但由于它所研究的现象与人们的政治、经济、军事活动乃至一般的日常生活等有着密切的联系,并且处理问题的方法又有明显特色。所以日益引起广泛的注意。
在日常生活中,经常看到一些具有相互之间斗争或竞争性质的行为。具有竞争或对抗性质的行为称为 对策行为。在这类行为中。参加斗争或竞争的各方各自具有不同的目标和利益。为了达到各自的目标和利益,各方必须考虑对手的各种可能的行动方案,并力图选取对自己最为有利或最为合理的方案。对策论就是研究对策行为中斗争各方是否存在着最合理的行动方案,以及如何找到这个合理的行动方案的数学理论和方法。
给定一个对策 G ,如何判断它是否具有鞍点呢?为了回答这一问题,先引入下面的极大极小原理。
零和对策 G 具有稳定解的充要条件为 μ+v=0 。
具有稳定解的零和问题是一类特别简单的对策问题,它所对应的赢得矩阵存在鞍点,任一局中人都不可能通过自己单方面的努力来改进结果。然而,在实际遇到的零和对策中更典型的是 0 ≠ + ν μ 的情况。由于赢得矩阵中不存在鞍点,此时在只使用纯策略的范围内,对策问题无解。