数学建模学习-1

数学建模学习-1

基于2020年A题相关论文

在阅读了A题相关的国赛论文后，大部分都使用了一维热传导方程来对问题进行求解。

一维热传导方程：∂ t∂ u = a∂ x2∂ 2u

• u = u(x,t) ，
• a = cρλ ，
  • λ 表示介质的热传导率，
  • c 表示介质的比热，
  • ρ 表示质的密度。

如何基于三对角矩阵求解热传导方程?

关于这一点可以查看下面的这篇博客：
[第三类边界条件热传导方程及基于三对角矩阵的数值计算MATLAB实现（2020A）_slandarer的博客-CSDN博客](https://blog.csdn.net/slandarer/article/details/119782113#:~:text=热传导在一维的各向同性介质里的传播可用以下方程表达： ∂ t∂ u %3D a∂ x2∂ 2u,cρλ ， λ 表示介质的热传导率， c 表示介质的比热， ρ 表示介质的密度。)

单目标优化模型

单目标优化问题（Single-Objective Optimization Problem）：指的是所评测目标只有一个，只需要根据具体的满足函数条件，求得最值

优化问题的三要素：
（1) 决策变量
所变：可以改变的量，可以优化的量，通过变量的改变，获得更好的结果。 它可以i理解为控制变量，或者是一些决定性的参数。

（2）目标函数
所求：评价是否向着好的方向发展，用来评测的标准

（3）约束
所满足，所限定：先决条件，它限定了决策变量的具体的设置范围一个定义域限定。

优化问题分类

• 数量：

***单目标优化***问题；多目标优化有多个评测函数的存在，而且使用不同的评测函数的解，也是不同的。也即是说：多目标优化问题中，同时存在多个最大化或是最小化的目标函数，并且，这些目标函数并不是相互独立的，也不是相互和谐融洽的，他们之间会存在或多或少的冲突，使得不能同时满足所有的目标函数。

• 变量性质：

数值优化问题：决策变量的取值往往是连续的，通常是一段连续定义域上的连续函数的函数求得最值的问题

***组合优化问题*：**决策变量是离散的。 组合优化问题是对离散变量按照一定评价标准的排序，筛选或分类。

组合问题首先有解的集合，但是怎样优化是重点。

算法

1 传统算法

优化调度问题早期求解方法大多基于线性规划、非线性规划和动态规划(DynamicProgramming，DP)等方法。

• 线性规划最早于1947年由Dantzig提出，优点是计算简便、所求结果为全局最优解，缺点是要求模型目标和约束均为线性表达式，这也大大限制了其在实际优化调度问题中的应用。
• 邹鹰等采用约束非线性规划问题的可变容差法对水库防洪优化调度模型进行了求解。
  • 动态规划将复杂优化问题分解成多阶段的子问题进行求解，是求解复杂非线性优化问题的一种有效方法，其最大的优势在于求解结果为该离散精度下的全局最优解。
  • 是水库优化调度领域内理论最成熟、应用最广泛的优化方法之一，为适应求解更复杂的优化调度问题，DP有诸多改进方法，主要包括增量动态规划(IncrementalDynamicProgramming，IDP)、逐次渐进动态规划(DynamicProgrammingSuccessive Approximations，DPSA)、离散微分动态规划(DiscreteDifferentialDynamic Programming，DDDP)和逐次优化方法(ProgressiveOptimizationAlgorithm，POA)等。
  • 随着优化调度问题规模变大，决策变量离散点数增加，动态规划类方法会面临“维数灾”问题，这限制了其在大规模水库优化调度和风光水多能互补系统优化调度中的应用。

2 启发式算法

随着计算机技术的进步，一类基于生物进化或自然现象的启发式算法得到了极大的发展，这类算法求解效率高、对目标函数和约束条件适应性强，可有效解决DP面临的“维数灾”难题。

最早应用于求解优化调度的算法有遗传算法(Genetic Algorithm，GA)、粒子群算法(ParticleSwarmOptimizationAlgorithm，PSO)和差分进化算法(DifferentialEvolutionaryAlgorithm，DE)等。

一方面，研究学者不断对GA、PSO和DE等经典进化算法进行改进以适应求解更复杂的优化调度问题; 另一方面，许多新的进化算法不断被提出或改进，并应用于优化调度问题求解，主要包括:

• 黑洞算法(BlackHole，BH)、
• 和声搜索优化算法(HarmonySearch，HS)、
• 化学反应优化算法(ChemicalReactionOptimization，CRO)、
• 共生生物搜索算法(SymbioticOrganismsSearch，SOS)、
• 引力搜索算法(GravitationalSearchAlgorithm，GSA)、
• 飞蛾扑火优化算法(Moth-flameOptimization，MFO)、
• 等

目前，针对优化调度单目标求解算法，研究热点主要集中在提出或改进具有更好收敛性能的算法上，具体表现在收敛速度和收敛精度两方面。

3 其他相关算法

多目标优化：NSGA-II算法、多目标粒子群算法、优化工具箱及实战案例分析

数学建模——常考优化类模型总结 - 知乎 (zhihu.com)

差分法

差分法应用在处理区间问题时比较多。一个数列要在很多不确定的区间内加上相同的一个数，如果直接在原数列上操作是非常复杂且耗时的，差分法就是先将数列拆分，构造一个拆分的新数列，在这个新数列上进行我们想要的操作之后，在将这个数列合并起来即可。

定义

对于已知有n个元素得离线数列d，我们可以建立记录它与每项与前一项得差值得差分数组f；显然，f[1] = d[1] - 0 = d[1]; 对于整数 i∈[2,n]，我们让f[i]=d[i]-d[i-1]。将对d的一些操作转移至f数列，最终合并f得到d的一种操作，叫做差分法。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Qb33n61j-1687792397527)(https://linhaiyi-1.oss-cn-beijing.aliyuncs.com/%E5%9B%BE%E5%BA%8A/20201223214525561.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-SegE2WNw-1687792397529)(https://linhaiyi-1.oss-cn-beijing.aliyuncs.com/%E5%9B%BE%E5%BA%8A/20201223195210964.png)]