数学建模中的目标规划问题
对数学建模中的目标规划问题作梳理。
一、目标规划的分类
- 约束规划与无约束规划(既无不等式约束又无等式约束)
- 线性规划(目标函数与约束函数均为线性函数)与非线性规划
- 整数规划(包括0-1规划)
- 多目标规划(目标函数形如f(x)=[f1(x),f2(x),…,fn(x)]
相关术语:
可行解:满足约束条件的一组决策变量的取值
可行域:全部可行解的集合
最优解:可行域中使目标函数达到最优值的可行解
二、线性规划(Linear Programming,LP)
MATLAB中的标准形式:
minf(x)
s.t.A*x≤b
Aeq*x=beq
lb≤x≤ub
调用格式:[x,fval] = linprog(f,A,b,Aeq,beq,lb,ub)
线性规划详解见:
https://blog.csdn.net/jianwei2016/article/details/76140388?utm_source=debugrun&utm_medium=referral
三、整数规划(Integer Linear Programming,ILP)
MATLAB中的标准形式:
minf(x)
s.t.A*x≤b
Aeq*x=beq
lb≤x≤ub
x1,x2,…,xn部分或全部取整数
调用格式:[x,fval] = intlinprog(f,intcon,A,b,Aeq,beq,lb,ub)
四、无约束非线性规划
求解方法:
-
目标函数连续可微:最速下降法、牛顿法、拟牛顿法、共轭梯度法等
- 目标函数不连续不可微:遗传算法、粒子群算法等
问题类型:
-
一元函数在给定区间上的最小值
模型:minf(x)s.t.x1<x<x2
调用格式:[x,fval] = fminbnd(f,x1,x2)
-
无约束的多元函数的最小值
模型:minf(x)
调用格式:[x,fval] = fminunc(f,x0)
-
无导数法求解无约束的多元函数的最小值
模型:minf(x)
调用格式:[x,fval] = fminsearch(f,x0)
-
遗传算法求解无约束规划问题的最小值
模型:minf(x)s.t.lb≤x≤ub
调用格式:[x,fval] = ga(fitnessfcn,nvars,[],[],[],[],lb,ub)
-
粒子群算法求解无约束规划问题的最小值
模型:minf(x)s.t.lb≤x≤ub
调用格式:[x,fval] = particleswarm(f,nvars,lb,ub)
-
模式搜索算法求解无约束规划问题的最小值
模型:minf(x)s.t.lb≤x≤ub
调用格式:[x,fval] = patternsearch(f,x0,[],[],[],[],lb,ub)
非线性规划
- 二次规划
模型:
minZ=12xTHx+cTx
s.t.A⋅x≤b
Aeq⋅x=beq
lb≤x≤ub
调用格式:[x,fval] = quadprog(H,f,A,b,Aeq,beq,lb,ub)
- 约束的多元函数的最小值
minf(x)
s.t.A⋅x≤b
Aeq⋅x=beq
G(x)≤0
Geq(x)=0
lb≤x≤ub
调用格式:[x,fval] = fmincon(f,x0,A,b,Aeq,beq,lb,ub,nonlcon)
- 遗传算法求解约束规划问题的最小值
minf(x)
s.t.A⋅x≤b
Aeq⋅x=beq
G(x)≤0
Geq(x)=0
lb≤x≤ub
调用格式:[x,fval] = ga(fitnessfcn,nvars,A,b,Aeq,beq,LB,UB,nonlcon)
- 模式搜索算法求解约束规划问题的最小值
minf(x)
s.t.A⋅x≤b
Aeq⋅x=beq
G(x)≤0
Geq(x)=0
lb≤x≤ub
调用格式:[x,fval] = patternsearch(f,x0,A,b,Aeq,beq,lb,ub,nonlcon)
多目标规划
多目标规划问题的解之间通常不能简单地比较好坏,这样的解称为非支配解或Pareto最优解
遗传算法求解多目标规划问题: gamultiobj
运用基于NSGA-II方法的多目标遗传算法
模型:
minF(x)
s.t.A⋅x≤b
Aeq⋅x=beq(LinearConstraints)
G(x)≤0
Geq(x)=0(NonlinearConstraints)
lb≤x≤ub(BoundConstraints)
调用格式:[x,fval] = gamultionj(fitnessfcn,nvars,A,b,Aeq,beq,lb,ub,nonlcon,options)
参考链接:
[1]https://blog.csdn.net/suntengnb/article/details/81699943