




版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、無約束最優(yōu)化,數(shù)學建模與數(shù)學實驗,實驗?zāi)康?實驗內(nèi)容,2.掌握用數(shù)學軟件包求解無約束最優(yōu)化問題.,1.無約束最優(yōu)化基本算法.,1. 無約束優(yōu)化基本思想及基本算法.,4. 實驗作業(yè).,3. 用MATLAB求解無約束優(yōu)化問題.,2. MATLAB優(yōu)化工具箱簡介.,無約束最優(yōu)化問題,求解無約束最優(yōu)化問題的的基本思想,*無約束最優(yōu)化問題的基本算法,返回,標準形式:,求解無約束最優(yōu)化問題的基本思想,求解的基本思想 ( 以二元函數(shù)為例 ),5,3,1,連續(xù)可微,多局部極小,唯一極小 (全局極小),搜索過程,最優(yōu)點 (1 1) 初始點 (-1 1),-1,1,4.00,-0.79,0.58,3.39,-0.
2、53,0.23,2.60,-0.18,0.00,1.50,0.09,-0.03,0.98,0.37,0.11,0.47,0.59,0.33,0.20,0.80,0.63,0.05,0.95,0.90,0.003,0.99,0.99,1E-4,0.999,0.998,1E-5,0.9997,0.9998,1E-8,返回,無約束優(yōu)化問題的基本算法,最速下降法是一種最基本的算法,它在最優(yōu)化方法中占有重要地位.最速下降法的優(yōu)點是工作量小,存儲變量較少,初始點要求不高;缺點是收斂慢,最速下降法適用于尋優(yōu)過程的前期迭代或作為間插步驟,當接近極值點時,宜選用別種收斂快的算法.,1最速下降法(共軛梯度法)算法
3、步驟:,2牛頓法算法步驟:,如果f是對稱正定矩陣A的二次函數(shù),則用牛頓法,經(jīng)過一次迭代 就可達到最優(yōu)點,如不是二次函數(shù),則牛頓法不能一步達到極值點, 但由于這種函數(shù)在極值點附近和二次函數(shù)很近似,因此牛頓法的收 斂速度還是很快的.,牛頓法的收斂速度雖然較快,但要求黑塞矩陣可逆,要計算二階導(dǎo)數(shù)和逆矩陣,就加大了計算機的計算量和存儲量.,3擬牛頓法,返回,MATLAB優(yōu)化工具箱簡介,1.MATLAB求解優(yōu)化問題的主要函數(shù),2.優(yōu)化函數(shù)的輸入變量,使用優(yōu)化函數(shù)或優(yōu)化工具箱中其他優(yōu)化函數(shù)時, 輸入變量見下表:,3.優(yōu)化函數(shù)的輸出變量見下表:,4控制參數(shù)選項的設(shè)置,(3) MaxIter: 允許進行迭代的
4、最大次數(shù),取值為正整數(shù).,選項中常用的幾個參數(shù)的名稱、含義、取值如下:,(1)陳列: 顯示水平.取值為off時,不顯示輸出; 取值為iter時,顯示每次迭代的信息;取值為final時,顯示最終結(jié)果.默認值為final.,(2)MaxFunEvals: 允許進行函數(shù)評價的最大次數(shù),取值為正整數(shù).,例:opts=optimset(Display, iter, TolFun,1e-8) 該語句創(chuàng)建一個稱為選擇的優(yōu)化選項結(jié)構(gòu),其中顯示參數(shù)設(shè)為iter, TolFun參數(shù)設(shè)為1e-8.,控制參數(shù)選項可以通過函數(shù)optimset創(chuàng)建或修改.命令的格式如下:,(1) options=optimset(opt
5、imfun) 創(chuàng)建一個含有所有參數(shù)名,并與優(yōu)化函數(shù)optimfun相關(guān)的默認值的選項結(jié)構(gòu).,(2)options=optimset(param1,value1,param2,value2,.) 創(chuàng)建一個名稱為選項的優(yōu)化選項參數(shù),其中指定的參數(shù)具有指定值,所有未指定的參數(shù)取默認值.,(3) options= optimset(oldops, param1,value1,param2,value2,.) 創(chuàng)建名稱為oldops的參數(shù)的拷貝,用指定的參數(shù)值修改oldops中相應(yīng)的參數(shù).,返回,用MATLAB解無約束優(yōu)化問題,其中等式(3)、(4)、(5)的右邊可選用(1)或(2)的等式右邊. 函數(shù)f
6、minbnd的算法基于黃金分割法和二次插值法,它要求目標函數(shù)必須是連續(xù)函數(shù),并可能只給出局部最優(yōu)解.,常用格式如下: (1)x= fminbnd (fun,x1,x2) (2)x= fminbnd (fun,x1,x2 ,options) (3)x,fval= fminbnd() (4)x,fval,exitflag= fminbnd() (5)x,fval,exitflag,output= fminbnd(),MATLAB(wliti1),主程序為wliti1.m: f=2*exp(-x).*sin(x); fplot(f,0,8); %作圖語句 xmin,ymin=fminbnd (f,
7、0,8) f1=-2*exp(-x).*sin (x); xmax,ymax=fminbnd (f1, 0,8),例2 有邊長為3m的正方形鐵板,在四個角剪去相等的正方形以制成方形無蓋水槽,問如何剪法使水槽的容積最大?,解,先編寫M文件fun0.m如下: function f=fun0(x) f=-(3-2*x).2*x;,主程序為wliti2.m: x,fval=fminbnd(fun0,0,1.5); xmax=x fmax=-fval,運算結(jié)果為: xmax = 0.5000,fmax =2.0000.即剪掉的正方形的邊長為0.5m時水槽的容積最大,最大容積為2m3.,MATLAB(wl
8、iti2),命令格式為: (1)x= fminunc(fun,X0 );或x=fminsearch(fun,X0 ) (2)x= fminunc(fun,X0 ,options); 或x=fminsearch(fun,X0 ,options) (3)x,fval= fminunc(.); 或x,fval= fminsearch(.) (4)x,fval,exitflag= fminunc(.); 或x,fval,exitflag= fminsearch (5)x,fval,exitflag,output= fminunc(.); 或x,fval,exitflag,output= fminsea
9、rch(.),2.多元函數(shù)無約束優(yōu)化問題,標準型為:min,3 fminunc為中型優(yōu)化算法的步長一維搜索提供了兩種算法,由選項中參數(shù)LineSearchType控制: LineSearchType=quadcubic (缺省值),混合的二次和三次多項式插值; LineSearchType=cubicpoly,三次多項式插,使用fminunc和 fminsearch可能會得到局部最優(yōu)解.,說明:,fminsearch是用單純形法尋優(yōu).fminunc算法見以下幾點說明:,1 fminunc為無約束優(yōu)化提供了大型優(yōu)化和中型優(yōu)化算法.由選項中的參數(shù)LargeScale控制: LargeScale=o
10、n (默認值),使用大型算法 LargeScale=off (默認值),使用中型算法,2 fminunc為中型優(yōu)化算法的搜索方向提供了4種算法,由 選項中的參數(shù)HessUpdate控制: HessUpdate=bfgs(默認值),擬牛頓法的BFGS公式; HessUpdate=dfp,擬牛頓法的DFP公式; HessUpdate=steepdesc,最速下降法,例3 min,MATLAB(wliti3),1.編寫M文件 fun1.m: function f = fun1 (x) f = exp(x(1)*(4*x(1)2+2*x(2)2+4*x(1)*x(2)+2*x(2)+1); 2.輸入M
11、文件wliti3.m如下: x0 = -1, 1; x=fminunc(fun1,x0); y=fun1(x),3.運行結(jié)果: x= 0.5000 -1.0000 y = 1.3029e-10,MATLAB (wliti31),MATLAB (wliti32),3.用fminsearch函數(shù)求解,MATLAB (wliti41),輸入命令: f=100*(x(2)-x(1)2)2+(1-x(1)2; x,fval,exitflag,output=fminsearch(f,-1.2 2),運行結(jié)果: x =1.0000 1.0000 fval =1.9151e-010 exitflag = 1
12、output= iterations: 108 funcCount: 202 algorthm: Nelder-Mead simplex direct search ,4.用fminunc 函數(shù),MATLAB (wliti44),(1)建立M文件fun2.m function f=fun2(x) f=100*(x(2)-x(1)2)2+(1-x(1)2,(2)主程序wliti44.m,Rosenbrock函數(shù)不同算法的計算結(jié)果,可以看出,最速下降法的結(jié)果最差.因為最速下降法特別不適合于從一狹長通道到達最優(yōu)解的情況.,例5 產(chǎn)銷量的最佳安排 某廠生產(chǎn)一種產(chǎn)品有甲、乙兩個牌號,討論在產(chǎn)銷平衡的情況
13、下如何確定各自的產(chǎn)量,使總利潤最大.所謂產(chǎn)銷平衡指工廠的產(chǎn)量等于市場上的銷量.,基本假設(shè),1價格與銷量成線性關(guān)系,2成本與產(chǎn)量成負指數(shù)關(guān)系,模型建立,若根據(jù)大量的統(tǒng)計數(shù)據(jù),求出系數(shù)b1=100,a11=1,a12=0.1,b2=280,a21=0.2,a22=2,r1=30,1=0.015, c1=20, r2=100,2=0.02,c2=30,則 問題轉(zhuǎn)化為無約束優(yōu)化問題: 求甲,乙兩個牌號的產(chǎn)量x1,x2,使總利潤z最大.,為簡化模型,先忽略成本,并令a12=0,a21=0,問題轉(zhuǎn)化求 z1 = ( b1 - a11x1 ) x1 + ( b2 - a22x2 ) x2的極值.顯然其解為x1 = b1/2a11 = 50, x2 = b2/2a22 = 70,我們把它作為原問題的初始值.,總利潤為: z(x1,x2)=(p1-q1)x1+(p2-q2)x2,模型求解,1.建立M文件fun.m: function f = fun (x) y1=(100-x(1)- 0.1*x(2)-(30*exp(-0.015*x(1)+20)*x(1); y2=
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 廢棄吊帶改造方案(3篇)
- 重慶智能工程職業(yè)學院《數(shù)學史與數(shù)學思想方法》2023-2024學年第一學期期末試卷
- 最近漢堡活動方案
- 散裝水泥清倉方案(3篇)
- 名酒展架采購方案(3篇)
- 信息管理方案(3篇)
- 景區(qū)建排查方案(3篇)
- 民政養(yǎng)老護理課件
- 環(huán)保生態(tài)教育
- 城區(qū)公園拆除方案(3篇)
- 中國熱射病診斷與治療指南(2025版)
- 公共藝術(shù)裝置項目管理流程
- 2025年下半年佛山市南海區(qū)建筑工程質(zhì)量檢測站招考編外工作人員易考易錯模擬試題(共500題)試卷后附參考答案
- GB/T 45610-2025煤矸石回填塌陷區(qū)復(fù)墾技術(shù)規(guī)程
- 中醫(yī)基礎(chǔ)執(zhí)業(yè)醫(yī)師考試試題及答案
- 2025-2030年中國寫字樓行業(yè)市場深度調(diào)研及前景趨勢與投資研究報告
- 人教版(2024)七年級下冊英語Unit 8 Once upon a Time單元集體備課教案(共5課時)
- 診所托管合同協(xié)議
- 質(zhì)量檢驗(測)技術(shù)服務(wù)企業(yè)數(shù)字化轉(zhuǎn)型與智慧升級戰(zhàn)略研究報告
- 信息必刷卷04(廣東省卷專用)2025年中考數(shù)學(解析版)
- 餐飲服務(wù)與管理課件 菜單的設(shè)計與制作
評論
0/150
提交評論