第6讲非线性规划ppt课件_第1页
第6讲非线性规划ppt课件_第2页
第6讲非线性规划ppt课件_第3页
第6讲非线性规划ppt课件_第4页
第6讲非线性规划ppt课件_第5页
已阅读5页,还剩39页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、数学建模与数学实验数学建模与数学实验后勤工程学院数学教研室非线性规划非线性规划 实验目的实验目的实验内容实验内容2、掌握用数学软件求解优化问题。、掌握用数学软件求解优化问题。1、直观了解非线性规划的基本内容。、直观了解非线性规划的基本内容。1 1、非线性规划的基本理论。、非线性规划的基本理论。4 4、实验作业。、实验作业。2、用数学软件求解非线性规划。、用数学软件求解非线性规划。3、钢管订购及运输优化模型、钢管订购及运输优化模型非线性规划非线性规划 返回返回 定义定义 如果目标函数或约束条件中至少有一个是非线性函数如果目标函数或约束条件中至少有一个是非线性函数时的最优化问题就叫做非线性规划问题

2、时的最优化问题就叫做非线性规划问题非现性规划的基本概念非现性规划的基本概念 一般形式一般形式: : (1 1) 其中其中 , 是定义在是定义在 En En 上的实值函上的实值函数,简记数,简记: : Xfmin .,.,2 , 1 0 m;1,2,., 0. . ljXhiXgtsjinTnExxxX,21jihgf,1nj1ni1nE :h ,E :g ,E :EEEf 其它情况其它情况: : 求目标函数的最大值或约束条件为小于等于零求目标函数的最大值或约束条件为小于等于零的情况,都可通过取其相反数化为上述一般形式的情况,都可通过取其相反数化为上述一般形式 定义定义1 1 把满足问题把满足问

3、题1 1中条件的解中条件的解 称为可行解称为可行解或可行点),所有可行点的集合称为可行集或可行或可行点),所有可行点的集合称为可行集或可行域)记为域)记为D D即即 问题问题(1)(1)可简记可简记为为 njiEXXhXgXD, 0, 0|)(nEX XfDXmin定义定义2 2 对于问题对于问题(1)(1),设,设 ,若存在,若存在 , ,使得对一切使得对一切 ,且,且 ,都有,都有 ,则称,则称X X* *是是f(X)f(X)在在D D上的上的局部极小值点局部最优解)特别地当局部极小值点局部最优解)特别地当 时,假时,假设设 ,则称,则称X X* *是是f(X)f(X)在在D D上的严格局

4、部极小值点严格局上的严格局部极小值点严格局部最优解)部最优解)DX *0DX *XX*XX XfXf* XfXf*定义定义3 3 对于问题对于问题(1),(1),设设 , ,对任意的对任意的 , ,都有都有 则称则称X X* *是是f(X)f(X)在在D D上的全局极小值点全局最优解)特别地当上的全局极小值点全局最优解)特别地当 时,假设时,假设 ,则称,则称X X* *是是f(X)f(X)在在D D上的严格全局极小上的严格全局极小值点严格全局最优解)值点严格全局最优解)DX *DX XfXf*XX XfXf* 返回返回非线性规划的基本解法非线性规划的基本解法 返回返回 罚函数法罚函数法 罚函

5、数法基本思想是通过构造罚函数把约束问题转化为一系列无约束最优化问题,进而用无约束最优化方法去求解这类方法称为序列无约束最小化方法简称为SUMT法 其一为SUMT外点法,其二为SUMT内点法 )2( , 0min,1212ljjmiiXhMXgMXfMXT可设:)3( ,min 1MXTnEX)转化为无约束问题:将问题( 其中T(X,M)称为罚函数,M称为罚因子,带M的项称为罚项,这里的罚函数只对不满足约束条件的点实行惩罚:当 时,满足各 ,故罚项=0,不受惩罚当 时,必有 的约束条件,故罚项0,要受惩罚DX 0, 0XhXgiiDX 00XhXgii或SUTMSUTM外点法外点法 ) 1 (

6、.,.,2 , 1 0 m;1,2,., 0. . min ljXhiXgtsXfji对一般的非线性规划: 罚函数法的缺点是:每个近似最优解Xk往往不是容许解,而只能近似满足约束,在实际问题中这种结果可能不能使用;在解一系列无约束问题中,计算量太大,特别是随着Mk的增大,可能导致错误1、任意给定初始点X0,取M11,给定允许误差 ,令k=1;2、求无约束极值问题 的最优解,设为Xk=X(Mk),即 ;3、若存在 ,使 ,则取MkM( )令k=k+1返回2),否则,停止迭代得最优解 .计算时也可将收敛性判别准则 改为 . 0MXTnEX,min),(,minkkEXMXTMXTnmii1kiXg

7、10, 1MMk 0, 0min12miiXgMkXX*kiXg SUTM SUTM外点法外点法( (罚函数法罚函数法) )的迭代步骤的迭代步骤) 1 (,.,2 , 10. .min i mXgtsXfi考虑问题: 所有严格内点的集合。是可行域中,设集合00, 2 , 1, 0|DmiXgXDi 为障碍因子为障碍项,或其中称或:构造障碍函数rXgrXgrXgrXfrXIXgrXfrXIrXImiimiimiimii11111 ln1)(),( ln, )(得值问题:)就转化为求一系列极这样问题(kkkDXrXrXI ,min10SUTMSUTM内点法障碍函数法)内点法障碍函数法) 内点法的迭

8、代步骤内点法的迭代步骤(1) 给定允许误差0,取10 , 01r;(2) 求出约束集合D 的一个内点00DX ,令1k;(3) 以01DXk为 初 始 点 , 求 解kDXrXI,min0, 其 中0DX 的最优解,设为 0DrXXkk;(4) 检验是否满足mikiXgr1ln或miikXgr11,满足,停止迭代,kXX *;否则取kkrr 1,令1 kk,返回(3) 近似规划法的基本思想:将问题(3)中的目标函数 和约束条件 近似为线性函数,并对变量的取值范围加以限制,从而得到一个近似线性规划问题,再用单纯形法求解之,把其符合原始条件的最优解作为(3)的解的近似Xf), 1( 0 m);1,

9、.,( 0ljXhiXgji近似规划法近似规划法每得到一个近似解后,都从这点出发,重复以上步骤 这样,通过求解一系列线性规划问题,产生一个由线性规划最优解组成的序列,经验表明,这样的序列往往收敛于非线性规划问题的解。 近似规划法的算法步骤如下(2) 在点kX处,将Xf,XhXgji, 按泰勒级数展开并取一阶近似,得到近似线性规划问题: kTkkXXXfXfXfmin miXXXgXgXgkTkikii, 1 0 lXXXhXhXhkTkjkjj, 1j 0;(1) 给定初始可行点112111,nxxxX,步长限制njj, 11,步长缩小系数1 , 0,允许误差,令 k=1;5) 判断精度: 若

10、njkj, 1 , 则点1kX为近似最优解;否则,令 njkjkj, 1 1,k=k+1,返回步骤(2)(3)在上述近似线性规划问题的基础上增加一组限制步长的线性约束条件因为线性近似通常只在展开点附近近似程度较高,故需要对变量的取值范围加以限制, 所增加的约束条件是: njxxkjkjj, 1 求解该线性规划问题,得到最优解1kX;(4) 检验1kX点对原约束是否可行。若1kX对原约束可行,则转步骤(5);否则,缩小步长限制,令 njkjkj, 1 ,返回步骤(3),重解当前的线性规划问题; 返回返回用MATLAB软件求解,其输入格式如下: 1. x=quadprog(H,C,A,b); 2.

11、 x=quadprog(H,C,A,b,Aeq,beq); 3. x=quadprog(H,C,A,b,Aeq,beq,VLB,VUB); 4. x=quadprog(H,C,A,b, Aeq,beq ,VLB,VUB,X0); 5. x=quadprog(H,C,A,b, Aeq,beq ,VLB,VUB,X0,options); 6. x,fval=quaprog(.); 7. x,fval,exitflag=quaprog(.); 8. x,fval,exitflag,output=quaprog(.);1、二次规划、二次规划标准型为: Min Z= 21XTHX+cTX s.t. AX

12、=b beqXAeq VLBXVUB 例例1 min f(x1,x2)=-2x1-6x2+x12-2x1x2+2x221 min f(x1,x2)=-2x1-6x2+x12-2x1x2+2x22 s.t. x1+x22 s.t. x1+x22 -x1+2x22 -x1+2x22 x10, x20 x10, x20 MATLAByouh1)1、写成标准形式: 2、 输入命令: H=1 -1; -1 2; c=-2 ;-6;A=1 1; -1 2;b=2;2; Aeq=;beq=; VLB=0;0;VUB=; x,z=quadprog(H,c,A,b,Aeq,beq,VLB,VUB)3、运算结果为

13、: x =0.6667 1.3333 z = -8.2222212121622 11- 1 ),(minxxxxxxzT212100222 11 1 xxxxs.t. 1. 首先建立M文件fun.m,定义目标函数FX):function f=fun(X);f=F(X);2、一般非线性规划、一般非线性规划标准型为: min F(X) s.t AX=b beqXAeq G(X)0 Ceq(X)=0 VLBXVUB 其中X为n维变元向量,G(X)与Ceq(X)均为非线性函数组成的向量,其它变量的含义与线性规划、二次规划中相同.用Matlab求解上述问题,基本步骤分三步:2. 若约束条件中有非线性约束

14、:G(X)0或Ceq(X)=0,则建立M文件nonlcon.m定义函数G(X)与Ceq(X): function G,Ceq=nonlcon(X) G=. Ceq=. 3. 建立主程序.非线性规划求解的函数是fmincon,命令的基本格式如下: (1) x=fmincon(fun,X0,A,b) (2) x=fmincon(fun,X0,A,b,Aeq,beq) (3) x=fmincon(fun,X0,A,b, Aeq,beq,VLB,VUB) (4) x=fmincon(fun,X0,A,b,Aeq,beq,VLB,VUB,nonlcon)(5)x=fmincon(fun,X0,A,b,A

15、eq,beq,VLB,VUB,nonlcon,options) (6) x,fval= fmincon(.) (7) x,fval,exitflag= fmincon(.) (8)x,fval,exitflag,output= fmincon(.)输出极值点M文件文件迭代的初值参数说明变量上下限注意:注意:1 fmincon函数提供了大型优化算函数提供了大型优化算法和中型优化算法。默认时,若在法和中型优化算法。默认时,若在fun函数中提供了梯度函数中提供了梯度options参参数的数的GradObj设置为设置为on),并且),并且只有上下界存在或只有等式约束,只有上下界存在或只有等式约束,fm

16、incon函数将选择大型算法。当既函数将选择大型算法。当既有等式约束又有梯度约束时,使用中有等式约束又有梯度约束时,使用中型算法。型算法。2 fmincon函数的中型算法使用的函数的中型算法使用的是序列二次规划法。在每一步迭代中是序列二次规划法。在每一步迭代中求解二次规划子问题,并用求解二次规划子问题,并用BFGS法更法更新拉格朗日新拉格朗日Hessian矩阵。矩阵。3 fmincon函数可能会给出局部最函数可能会给出局部最优解,这与初值优解,这与初值X0的选取有关。的选取有关。1、写成标准形式: s.t. 00546322121xxxx2100 xx22212121212minxxxxf22

17、212121212minxxxxf 2x1+3x2 6 s.t x1+4x2 5 x1,x2 0例例22、先建立M-文件 fun3.m: function f=fun3(x); f=-x(1)-2*x(2)+(1/2)*x(1)2+(1/2)*x(2)2MATLAB(youh2)3、再建立主程序youh2.m: x0=1;1; A=2 3 ;1 4; b=6;5; Aeq=;beq=; VLB=0;0; VUB=; x,fval=fmincon(fun3,x0,A,b,Aeq,beq,VLB,VUB)4、运算结果为: x = 0.7647 1.0588 fval = -2.02941先建立M文

18、件 fun4.m,定义目标函数: function f=fun4(x); f=exp(x(1) *(4*x(1)2+2*x(2)2+4*x(1)*x(2)+2*x(2)+1);) 12424()(22122211xxxxxexfx x1+x2=0 s.t. 1.5+x1x2 - x1 - x2 0 -x1x2 10 0例例32再建立再建立M文件文件mycon.m定义非线性约束:定义非线性约束: function g,ceq=mycon(x) g=x(1)+x(2);1.5+x(1)*x(2)-x(1)-x(2);-x(1)*x(2)-10;3主程序主程序youh3.m为为:x0=-1;1;A=

19、;b=;Aeq=1 1;beq=0;vlb=;vub=;x,fval=fmincon(fun4,x0,A,b,Aeq,beq,vlb,vub,mycon)MATLAB(youh3)3. 运算结果为: x = -1.2250 1.2250 fval = 1.8951 例4 100 , 50 07 025 . .2min 21222122221121xxxxXgxxXgtsxxXf1先建立先建立M-文件文件fun.m定义目标函数定义目标函数: function f=fun(x); f=-2*x(1)-x(2);2再建立再建立M文件文件mycon2.m定义非线性约束:定义非线性约束: functio

20、n g,ceq=mycon2(x) g=x(1)2+x(2)2-25;x(1)2-x(2)2-7;3. 主程序主程序fxx.m为为: x0=3;2.5; VLB=0 0;VUB=5 10; x,fval,exitflag,output =fmincon(fun,x0,VLB,VUB,mycon2)MATLAB(fxx(fun)4. 运算结果为运算结果为: x = 4.0000 3.0000fval =-11.0000exitflag = 1output = iterations: 4 funcCount: 17 stepsize: 1 algorithm: 1x44 char firstord

21、eropt: cgiterations: 返回返回应用实例:应用实例: 供应与选址供应与选址 某公司有6个建筑工地要开工,每个工地的位置用平面坐标系a,b表示,距离单位:千米 )及水泥日用量d(吨)由下表给出。目前有两个临时料场位于A(5,1),B(2,7),日储量各有20吨。假设从料场到工地之间均有直线道路相连。 (1试制定每天的供应计划,即从A,B两料场分别向各工地运送多少吨水泥,使总的吨千米数最小。 (2为了进一步减少吨千米数,打算舍弃两个临时料场,改建两个新的,日储量各为20吨,问应建在何处,节省的吨千米数有多大?工地位置(a,b)及水泥日用量 d 1 2 3 4 5 6 a 1.25

22、 8.75 0.5 5.75 3 7.25 b 1.25 0.75 4.75 5 6.5 7.25 d 3 5 4 7 6 11 (一)、建立模型(一)、建立模型 记工地的位置为(ai,bi),水泥日用量为di,i=1,6;料场位置为(xj,yj),日储量为ej,j=1,2;从料场j向工地i的运送量为Xij。目标函数为:216122)()(minjiijijijbyaxXf 约束条件为:2 , 1 ,6 , 2 , 1 ,6121jeXidXjiijijij 当用临时料场时决策变量为:Xij,当不用临时料场时决策变量为:Xij,xj,yj。(二使用临时料场的情形(二使用临时料场的情形 使用两个

23、临时料场A(5,1),B(2,7).求从料场j向工地i的运送量为Xij,在各工地用量必须满足和各料场运送量不超过日储量的条件下,使总的吨千米数最小,这是线性规划问题. 线性规划模型为:2161),(minjiijXjiaaf2 , 1 , 6 , 2 , 1 , s.t.6121jeXidXjiijijij其中 22)()(),(ijijbyaxjiaa,i=1,2,6,j=1,2,为常数。 设X11=X1, X21= X 2, X31= X 3, X41= X 4, X51= X 5, X61= X 6X12= X 7, X22= X 8, X32= X 9, X42= X 10, X52=

24、 X 11, X62= X 12 编写程序gying1.mMATLABgying1)计算结果为:计算结果为:x = 3.0000 5.0000 0.0000 7.0000 0.0000 1.0000 0.0000 0.0000 4.0000 0.0000 6.0000 10.0000fval = 136.2275即由料场A、B向6 个工地运料方案为: 1 2 3 4 5 6 料场A 3 5 0 7 0 1 料场B 0 0 4 0 6 10 总的吨千米数为136.2275。 (三改建两个新料场的情形(三改建两个新料场的情形 改建两个新料场,要同时确定料场的位置(xj,yj)和运送量Xij,在同样

25、条件下使总吨千米数最小。这是非线性规划问题。非线性规划模型为:216122)()(minjiijijijbyaxXf2 , 1 , 6 , 2 , 1 , . .6121jeXidXtsjiijijij设 X11=X1, X21= X 2, X31= X 3, X41= X 4, X51= X 5, X61= X 6 X12= X 7, X22= X 8, X32= X 9, X42= X 10, X52= X 11, X62= X 12 x1=X13, y1=X14, x2=X15, y2=X16 (1先编写M文件liaoch.m定义目标函数。MATLABliaoch)(2) 取初值为线性规

26、划的计算结果及临时料场的坐标: x0=3 5 0 7 0 1 0 0 4 0 6 10 5 1 2 7;编写主程序gying2.m.MATLABgying2)(3) 计算结果为:x= 3.0000 5.0000 0.0707 7.0000 0 0.9293 0 0 3.9293 0 6.0000 10.0707 6.3875 4.3943 5.7511 7.1867fval = 105.4626exitflag = 1即两个新料场的坐标分别为(6.3875, 4.3943),(5.7511, 7.1867),由料场 A、B 向 6 个 工地运料方案为: 1 2 3 4 5 6 料场 A 3 5

27、 0.0707 7 0 0.9293 料场 B 0 0 3.9293 0 6 10.0707 总的吨千米数为105.4626。比用临时料场节省约 31 吨千米. (4) 若修改主程序gying2.m, 取初值为上面的计算结果:x0= 3.0000 5.0000 0.0707 7.0000 0 0.9293 0 0 3.9293 0 6.0000 10.0707 6.3875 4.3943 5.7511 7.1867得结果为:x=3.0000 5.0000 0.3094 7.0000 0.0108 0.6798 0 0 3.6906 0 5.9892 10.3202 5.5369 4.9194

28、5.8291 7.2852fval =103.4760exitflag = 1总的吨千米数比上面结果略优. (5) 若再取刚得出的结果为初值, 却计算不出最优解.MATLABgying2)MATLABgying2)(6) 若取初值为: x0=3 5 4 7 1 0 0 0 0 0 5 11 5.6348 4.8687 7.2479 7.7499, 则计算结果为:x=3.0000 5.0000 4.0000 7.0000 1.0000 0 0 0 0 0 5.0000 11.0000 5.6959 4.9285 7.2500 7.7500fval =89.8835exitflag = 1总的吨千

29、米数89.8835比上面结果更好. 通过此例可看出fmincon函数在选取初值上的重要性.MATLABgying2) 返回返回钢管订购及运输优化模型钢管订购及运输优化模型2000年年“网易杯全国大学生数学建模竞赛网易杯全国大学生数学建模竞赛B题题符号说明:符号说明:的距离到:表示结点11.jjjjAAA个结点的钢管数量个工厂运到第:表示从第jixij所需要的钢管数量:表示结点jjAn个结点的最大生产能力:表示第jsj之间的平衡点到:表示结点1jjjAAtjA1jAjt)0(1t个结点的运费和成本个工厂运到第:单位产品从第jiaij是已知的量,是待求的变量,而其中1.,jjijijjijAsna

30、tx20)(1 ()1 ( )2)(1 (2)1 (1 . 0 )(21 ()21(1 . 01.1.1.1.1.1.jjjjjjjjjjjjjjjjjjjjjjtAtAtttAtAtttAtC1、铺设总费用:、铺设总费用:1411.jjjCC2、成本及运输总费用:、成本及运输总费用:71152ijijijaxW总费用总费用=铺设总费用铺设总费用+成本及运输总费用成本及运输总费用=C+W模型的分析与建立模型的分析与建立 015, 2, 7 , 1 00 500,152,3,j . .1.15215271152711411.jjjijjijjiijijijjiijijjjjAtjixxsxnxtsaxCf或建立模型建立模型模型求解模型求解利用利用MATLAB软件包求解得:软件包求解得:钢 厂S1S2S3S4S5S6S7订购量 800 800 10000 101515500总费用1278632 订购量订购量 A2A3A4A5A6A7A8A9A10A11A12A13A14

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论