最优化方法部分课后习题解答(1-7)

最优化方法部分课后习题解答(1-7)
最优化方法部分课后习题解答(1-7)

最优化方法部分课后习题解答

习题一

1.一直优化问题的数学模型为:

22121

122123142min ()(3)(4)5()02

()50..()0()0

f x x x

g x x x g x x x s t g x x g x x =?+??

=??≥???=??+≥??=≥?=≥??试用图解法求出:

(1)无约束最优点,并求出最优值。(2)约束最优点,并求出其最优值。

(3)如果加一个等式约束,其约束最优解是什么?

12()0h x x x =?=解:(1)在无约束条件下,的可行域在整个平面上,不难看出,当=(3,4)()f x 120x x *

x 时,取最小值,即,最优点为=(3,4):且最优值为:=0

()f x *

x *

()f x (2)在约束条件下,的可行域为图中阴影部分所示,此时,求该问题的最优点就是()f x 在约束集合即可行域中找一点,使其落在半径最小的同心圆上,显然,从图示中可12(,)x x 以看出,当时,所在的圆的半径最小。*

155

(

,)44

x =()f x 其中:点为和的交点,令求解得到:1()g x 2()g x 1122125()02

()50g x x x g x x x ?=??=???=??+=?12

154

54

x x ?=????=??即最优点为:最优值为:=*

155(

,)44x =*()f x 65

8

(3).若增加一个等式约束,则由图可知,可行域为空集,即此时最优解不存在。2.一个矩形无盖油箱的外部总面积限定为S,怎样设计可使油箱的容量最大?试列出这个优化问题的数学模型,并回答这属于几维的优化问题.解:列出这个优化问题的数学模型为:

该优化问题属于三维的优化问题。123

122313123max ()220..00

f x x x x x x x x x x S x s t x x =++≤??>??

>??>?

3

2

1

23

s

x y z v??

=====??

??

习题二

3.计算一般二次函数的梯度。

1

()

2

T T

f x X AX b X c

=++

解:设:则:

1212

(),(,,...),(,,...)

T T

ij n n n n

A a b b b b X x x x

×

===

,将它对变量球偏导数得:

111

1

()

2

n n n

ij i j i i

i j i

f x a x x b x c

===

=++

∑∑∑(1,2,...)

i

x i n

=

==

1

2

3

()

()

()

()

f x

x

f x

f x

x

f x

x

??

?

??

?

??

??

?

?=??

?

??

??

?

??

?

??

111

11

222

11

11

11

22

11

22

11

22

n n

j j i i

j i

n n

j j i i

j i

n n

nj j in i n

j i

a x a x b

a x a x b

a x a x b

==

==

==

??

++

??

??

??

++

??

??

??

??

??

++

??

??

∑∑

∑∑

∑∑

?

11

11

1

22

112

3

1

1

11

22

n n

j j i i

j i

n n

j j i i

j i

n

n

in i

nj j

i

j

a x a x

b

a x a x

b

b

a x

a x

==

==

=

=

????

????

????

????

??

????

??

++

????

??

????

????

????

????

????

??

??

∑∑

∑∑

?

?

=

1

()

2

T

AX A X b

++

5.求下列函数的梯度和Hesse矩阵

(1)解:

222

12313

()234

f x x x x x x

=++?2

2 0 -4

()0 4 0

4 0 6

f x

??

??

?=??

??

???

(2)解:

12

2

12

()3x x

f x x x e

=+

121212

121212

2

2212

2

2

21211

6+

()

6+ 6+

x x x x x x

x x x x x x

x e x e x x e

f x

x e x x e x x e

??

+

?=??

??

+

??

6.判断下列函数是凸函数,凹函数,还是既不凸也不凹函数:

(1)22

121212

(,)23

f x x x x x x

=?++

解:不是半正定,即非凸,然后判断-,经验证:不是半2()

f x

?()

f x()

f x2(())

f x

??

正定,由此可知:非凸非凹。

()

f x

(2)22

1211221

(,)24356

f x x x x x x x

=?+??

解:半正定,故为凸函数。

2()

f x

?()

f x

(3)22212312312

(,,)234f x x x x x x x x =+??解:不是半正定,即非凸,然后判断-,经验证:不是半2()f x ?()f x ()f x 2(())f x ??正定,由此可知:非凸非凹。

()f x 7.设约束优化问题的数学模型为:

22112211222

21212min ()4410()20..()220

f x x x x x

g x x x s t g x x x x x =++?+=?+≥??=???+≥?试用K-T 条件判别点是否为最优点。

[]1,1T

x =?解:对于点,=0,,点满足约束条件,故点是可行解。[]1,1T

x =?1()g x 2()0g x ≥X 且是起作用约束,,,,由条件下的1()g x {}1I =2()2f x ???=?

????11()1g x ??

?=?????

()0i g x ?≥K-T 条件得:,得到,点满足K-T 条

()()0,0i i i i I

f x

g x λλ∈??

?=≥∑12λ=[]1,1T

x =?件。又因正定,故为严格凸函数,该最优化问题是凸规划问题,由

2()f x ?()f x 是K-T 点,所以也是该问题的全局最优点。

[]*1,1T x =?[]*1,1T

x =?8.设约束优化问题:

221211222

312min ()(2)()0

..()0()10

f x x x

g x x s t g x x g x x x =?+?=?≤?=?≤??=?++≤?它的当前迭代点为,试用K-T 条件判定它是不是约束最优解。

[]1,0T

k x =解:对于点,点是可行点,[]1,0T

k x =123()10,()0,()0k k k g x g x g x =?≤==[]1,0T

k x =且起作用的约束条件是,,,,23(),()g x g x {}2,3I =k 2()0f x ????=?

???2k 0g ()1x ??

?=?????

,由约束条件为时的K-T 条件得,应有:

3k 2g ()1x ??

?=????

()0i g x ≤解得:,所以为K-T 点。

()()0,0i i i i I f x g x λλ∈?+?=≥∑2311

λλ=??=?[]1,0T

k x =

现判断该问题是否为凸规划问题,因正定,故为凸函数,为2()f x ?()f x 12(),()g x g x 线性函数,亦为凸函数,半正定,所以为凸函数,所以该优化问题为凸23g ()x ?3g ()x 规划问题,即点是该问题的约束最优解。

[]1,0T

k x =习题三

1.对于下列线性规划问题找出所有基解,指出哪些是基可行解,并确定出最优解。

(1)123

1234123516max ()321236984210

..30

0,(1,2...6)j f x x x x x x x x x x x x s t x x x j =+++++=??

+?+=??

?=??≥=?

解:令12345612 3 6 3 0 0 8 1 -4 0 2 0 (,,,,,)

3 0 0 0 0 -1A P P P P P P ????

==??????

(1)基解不是基可行解,1167

(0,

,,0,0,0)36

x =?(2)基解不是基可行解,

2(0,10,0,7,0,0)x =(3)基解是基可行解,且,3(0,3,0,0,3.5,0)x =()3f x =(4)基解不是基可行解,4721

(,4,0,0,0,

44

x =?(5)基解不是基可行解,

55(0,0,,8,0,0)2

x =?(6)基解是基可行解,且,63(0,0,,0,16,0)2

x =()3f x =(7)基解不是基可行解,

71(1,0,,0,0,3)2

x =?(8)基解是基可行解,且,

8(0,0,0,3,5,0)x =()0f x =(9)基解不是基可行解。

9515

(,0,0,2,0,

)44x =?(10)基解是基可行解,且。

1039(,0,0,0,4,)44x =9

()4f x =(11)基解不是基可行解。

11167

(0,,,0,0,0)36

x =?(12)基解不是基可行解。

12(0,10,0,7,0,0)x =?(13)基解是基可行解,且。

137(0,3,0,0,,0)2

x =()3f x =

(14)基解不是基可行解。

145(0,0,,8,0,0)2

x =?(15)基解是基可行解,且。153(0,0,,0,8,0)2

x =()3f x =(16)基解是基可行解,且。16(0,0,0,3,5,0)x =()3f x =2.用单纯形法求解下列线性规划问题:

(1)12

121212

max ()105349

..528,0f x x x x x s t x x x x =++≤??

+≤??≥?解:将现行规划问题化为标准形式如下:

12341231241234

min(())10500349..528,,,0f x x x x x x x x s t x x x x x x x ?=??++++=??++=??≥?作初始单纯形表,并按单纯形表步骤进行迭代,如下:

此时,均为正,目标函数已不能再减小,于是得到最优解为:j σ*3(1,,0,0)2

x =目标函数值为:*()17.5

f x =3.分别用单纯形法中的大M 法和两阶段法求解下列线性规划问题:

B C B

X b

-10

1

x -5

2

x 0

3

x 0

4

x i

θ03x 93410304

x 8[5]201 1.60-10-50003x 4.20[2.8]1-0.6 1.5-101

x 1.610.400.24

160-10

2

-52x 1.501514314?

-10

1

x 11017?2717.5

514

2514

(1)

1234

123412341234

min ()52362347..223,,,0f x x x x x x x x x s t x x x x x x x x =?+?+++=??+++=??≥?解:(1)大M 法:把原问题化为标准形式,并加入人工变量如下:

1234561234512346123456

min ()52362347..223,,,,,0f x x x x x Mx Mx x x x x x s t x x x x x x x x x x x =?+?++++++=??++++=??≥?作初始单纯形表,并按单纯形表步骤进行迭代,如下:

因为M 是一个很大的正数,此时均为正,

j σ所以,得到最优解:,最优值为*(0,0,1,1,)T x =*()3

f x =?(2)两阶段法

B C B

X b

5

1

x -2

2

x 3

3

x -6

4

x -6

4

x -6

4

x i

θM 5x 7123410 1.75M

6

x 321

1

[2]

01 1.5

-10M

5-3M -2-3M 3-4M -6-6M 00M 5x 1-30[1]01-21-6

4

x 1.5

1

0.50.5100.53

9-M 11+3M

16-M 003M+333x 1-30101-2-6

4

x 1 2.50.501-0.5

1.5

3

29

1

M-6M+15

首先,构造一个仅含人工变量的新的线性规划如下:

1234561234512346123456

min ()00002347..223,,,,,0g x x x x x x x x x x x x s t x x x x x x x x x x x =+++++++++=??++++=??≥?按单纯形法迭代如下:

最优解为:,最优值:*

(0,0,1,1,0,0)x =()0

g x =因人工变量,则原问题的基可行解为:,进入第二阶段计算560x x ==*(0,0,1,1,)T x =如下表所示:

由上表可知,检验数均大于等于0,所以得到最优解:*(0,0,1,1,)T

x =最优值为。

*()3f x =?4.某糖果厂用原料A ,B ,C 加工成三中不同牌号的糖果,甲,乙,丙,已知各种牌号糖果中A,B,C 含量,原料成本,各种原料的每月限用量,三中牌号糖果的单位加工费及售

B C B X b

1

x 0

2

x 0

3

x 0

4

x 1

4

x 1

4

x i

θ15x 7123410 1.7516x 3211[2]01 1.5-10-3-3-4-60015x 1-30[1]01-2104x 1.510.50.5100.53

-140-100303x 1-30101-204

x 1 2.50.501-0.5 1.5

B C B

X b

5

1

x -2

2

x 3

3

x -6

4

x 33x 1-3010-6

4

x 1 2.50.501329100

价如下表所示,问该厂每月应生产这三种牌号糖果各多少千克,使该厂获利最大?试建立这个问题的线性规划数学模型。

解:设表示甲、乙、丙中分别含A 、B 、C 的含量,构造此问题的,,0,1,2,3i i i x y z i ≥=数学规划模型如下:

123123123111222333123123123

12312max ()0.9 1.4 1.90.450.95 1.450.50.450.952000250012000.40.60.60..0.850.150.1500.20.20.80

0.60.60.400.50.5f x x x x y y y z z z x y z x y z x y z x x x s t y y y x x x y y y z z =+++++?++++≤++≤++≤??≤??≥+?≥?+≥+?30.50,,0,1,2,3

i i i z x y z i ??

???

?????

??

≥??≥=?5.求解下列线性规划问题的对偶问题

(1)123

123123123123min ()2242352

373..465,,0

f x x x x x x x x x x s t x x x x x x =++++≥??++≤??

++≤??≥?(2)123

123123123123max ()56322553

..4738,0,0

f x x x x x x x x x x s t x x x x x x =++++=??

?+?≥??

++≤??≥≤?无约束甲

乙丙

原料成本(元/千克)

每月限用量

(千克)A 60

≥%

15

≥%

2.002000B 1.50

2500C 20

≤%60

≤%50

≤% 1.00

1200

加工费0.500.400.30售价

3.40

2.85

2.25

解:(1)由表3.7可得该问题的对偶问题为:

12312312

3123123max ()235232342..57640,,0

g y y y y y y y y y y s t y y y y y y =++++≤??++≤??++≤??≥≤?(2)该问题的对偶问题为:

123123123123123min ()5383452576..233,0,0

g y y y y y y y y y y s t y y y y y y =++?+=??++≥??

?+≤??≤≥?无约束6.用对偶单纯形法求解下列线性规划问题:

(1)123

1323123

min ()4121833..225,,0f x x x x x x s t x x x x x =+++≥??

+≥??≥?解:(1)首先,将“”约束条件两边反号,再加入松弛变量,得:

≥1234513423512345

min ()41218033..225,,,,0f x x x x x x x x x s t x x x x x x x x =++++??+=?????+=???≥?建立初始单纯形表如下图所示,所有。0j σ≥则对应对偶问题解是可行的,则继续迭代:

计算,所以为换出变量,,确定为换入变量。{}min 3,55??=?5x {}min 6,96θ==2x 继续迭代,得到如下单纯形表:

B C B X b

4

1

x 12

2

x 18

3

x 0

4

x 0

5

x 04x -3-10-31005

x -5

0[-2]-2014121800

{}{}43min 33,min 422x x ?=?=换出,,,换入此时,所有,故原问题的最优解为,最优值为:0j σ≥*3[0,,1]2

T x =*()36f x =其对偶问题得到最优解为:,最优值为:。

*[2,6]T x =*()36f x =7.已知线性规划问题

12312312123

min ()26..24,,0f x x x x x x x s t x x x x x =?+++≤???+≤??≥?先用单纯形法求出最优解,再分别就下列情况进行分析:

(1)目标函数中变量的系数分别在什么范围内变化,问题的最优解不变;123,,x x x (2)两个约束条件的右端分别在什么范围内变化,问题的最优解不变。解:将该规划问题化为标准型,引入松弛变量45

,x x 12345123412512345

min ()200,6..24,,,,0f x x x x x x x x x x s t x x x x x x x x =?++++++=???++=??≥?B C B X b

4

1

x 12

2

x 18

3

x 0

4

x 0

5

x 04x -3-10[-3]1002

x -2.5

0110-0.540600

B C B X b

4

1

x 12

2

x 18

3

x 0

4x 0

5

x 03x 1130113

?002

x 1.5

13

?1013

-0.52

2

6

用单纯形法求解,如下表:

由上表可知,所有的检验数均大于等于零,得最优解:,所以原问题的*(0,2,0,4,0)T x =最优解为:,最优值*(0,2,0,)T x =*()2

f x =?(1)。

123132x x x x x x 变量,,中,,为非基变量,为基变量3311

[,),2222

110[0,),c c c c c c c c c c σσ??

=?≥?=+?≥∈+∞=?≥?=+?≥∈+∞111111333333由,所以,当此时最优解不变。

由,当时,,所以,当此时最优解不变。

,最优解不变。

()23,1c ?∈?综上,1

[,)[4,0][0,),2

c c c ∈+∞∈?∈+∞123当,,此时最优解不变。(2)的变化范围

1b ?111

1

1410.5410200.520000b b B b B b ???????????????????

+=+=+?≥?????????????????

???????????得到:,最优解保持不变。

11114042b b b b +?≥??≥?≥,则的变化范围是1122200410.540.50200.520.50B b B b b b ??????????????????+=+=+?≥???????????????????

???????????得到:,最优解保持不变。

2248b b ?≤?≤,则的变化范围是[0,12]习题四

B C B X b

2

1

x -1

2

x 1

3

x 0

4

x 0

5

x i

θ04x 111110605x 1.5-1[2]0012

2-110004x 4 1.5011-0.5-1

2

x 2

-0.51000.51.50100.5

3.用Newton 法求解

3()21

t t t ?=?+用第1题求得的区间,按精度计算。

0.01ε=解:010*******()(0)1,1,()0,0,()()2

t t t h t t t h h ??????===+===≤==因为,则21122121()22,22,()()K=20,=0b=3

t t h t t t ????α=+===≤≠,,反向,因为所以,则搜索区间为取:

t [0,3]∈2()32,()6,(0)20,(3)250t t t ????′′′′′=?==?<=>,0001551,()1,()6,t 110.01666t t t ??′′′====?

=?≥所以,,继续迭代05=t 6

t =,

00000()491149

,0.01,0.8165()606060t t t t t t t t ??′=?=?=>=≈′′则令,则。

*00.00050.01,0.817,()0.088t t ???=<==≈?**所以t t 4.用黄金分割法求解

min ()(2)

t t t ?=+已知初始单谷区间[a ,b]=[-3,5],按精度计算。0.001ε=解:,

1230.38280.056,350.056 1.944t t =?+×==?+?=,因为,则新的搜索区间为[-3,1.944]:12()0.115136,()7.667136t t ??==12()()t t ??<,212110.056,()0.115136, 1.11392,()0.987592t t t t t ??====?=?,则新的搜索区间为[-3,0.056]:1212,()()t t t t ε???>>继续迭代,因为11221.832608,()0.306764, 1.111392,()0.987592t t t t ??=?=?=?=?,

,因为,所以新的搜索区间为[-1.832608,0.056]:12,t t ε?>继续迭代12()()t t ??>,11221.111292,()0.987592,0.665448,()0.888075t t t t ??=?=?=?=?,,,所以新的搜索区间为[-1.832608,-0.665448]:

12,t t ε?>继续12()()t t ??>

11221.386753,()0.854402, 1.111392,()0.987592t t t t ??=?=?=?=?,因为,所以新的搜索区间为[-1.386753,-0.665448]12,t t ε?>继续12()()t t ??>,

22110.940987,()0.996518, 1.111392,()0.987592t t t t ??=?=?=?=?,,,所以新的搜索区间为[-1.111392,-0.665448]:12,t t ε?>继续12()()t t ??>因为,

11220.940987,()0.996518,0.835799,()0.973038t t t t ??=?=?=?=?,,,所以新的搜索区间为[-1.111392,-0.835799]:12,t t ε?>继续12()()t t ??>因为,

22110.940987,()0.996518, 1.006115,()0.999962t t t t ??=?=?=?=?,,,所以新的搜索区间为[-1.111392,-0.940987]:12,t t ε?>继续12()()t t ??>因为,

11221.046295,()0.997857, 1.006115,()0.999962t t t t ??=?=?=?=?,,,所以新的搜索区间为[-1.046295,-0.940987]:12,t t ε?>继续12()()t t ??>因为,

22110.981215,()0.999647, 1.006115,()0.999962t t t t ??=??=?=?=?,,,所以新的搜索区间为[-1.046295,-0.981215]:12,t t ε?>继续12()()t t ??>因为,

11221.021434,()0.999540, 1.006115,()0.999962t t t t ??=?=?=?=?,,,所以新的搜索区间为[-1.021434,-0.981215]:12,t t ε?>继续12()()t t ??>因为,

22110.996579,()0.999987, 1.006115,()0.999962t t t t ??=?=?=?=?,,所以新的搜索区间为[-1.006115,-0.981215]:12,t t ε?>继续12()()t t ??>因为,

11220.996579,()0.999987,0.990727,()0.999914t t t t ??=?=?=?=?,,,所以新的搜索区间为[-1.006115,-0.990727]:12,t t ε?>继续12()()t t ??<因为,

22120.996579,()0.999987, 1.000237,() 1.00000016t t t t ??=?=?=?=?,,,所以新的搜索区间为[-1.006115,-0.996579]:12,t t ε?>继续12()()t t ??<因为,11221.000237,()0.99999364, 1.000237,() 1.00000016t t t t ??=?=?=?=?,,,所以新的搜索区间为[-1.002472,-0.996579]:

12,t t ε?>继续12()()t t ??>因为

22110.998830,()0.999998505, 1.000237,() 1.00000016t t t t ??=?=?=?=?,,,新的搜索区间为[-1.002472,-0.998830]12,t t ε?>继续12()()t t ??<因为11221.001081,()0.999999075, 1.000237,() 1.00000016t t t t ??=?=?=?=?,

因为,停止迭代。所以:

12t t ε?<。***12

1.000659,()0.99999995652

t t t t ??+=

=?==?5.用抛物线插值法求解

32min ()8273

f x x x x =??+已知初始单谷区间[a ,b]=[b]=[0

0,2],。0.001ε=?解:1200000,2,10.5227,,()0.063()2t t t t t t t t t t ε??===≈?><=?<=取,,新搜索区间为[0,1],120000,1,0.52270.5704,,,

t t t t t t t t ε==≈≈?>>,,所以,新的搜索区间为[0.5227,1],0()0.1588()0.063t t ??=?<=?120.5227,1,

t t ==00000.57040.6146,,,()0.2004()0.1588

t t t t t t t t ε??≈≈?>>=?<=?,所以,新的搜索区间为:[0.5704,1],1200.5704,1,0.614606232,

t t t t ==≈≈,,所以新的搜索区间为:[0.6146,1],000,,()0.2029()0.2004t t t t t t ε???>>=?<=?120000.6146,1,0.62320.6260,,,

t t t t t t t t ε==≈≈?>>,,新的搜索区间为:[0.6232,1],0()0.2032()0.2029t t ??=?<=?120.6232,1,

t t ==00000.62600.6284,,,()0.2034()0.2032

t t t t t t t t ε??≈≈?>>=?<=?,新的搜索区间为[0.6260,1],1200.6260,1,0.62840.6276,

t t t t ==≈≈,,,0t t ε?<∴*()0.6276t t t t ?==是在区间上的近似最优解,。

**()0.2034t ??==?

习题五

1.用最速下降法求解22120min ()25[22]0.01.T f x x x x ε=+==,,,[][][]120000010000111111

211111()2,5020050()4,100,100.07997

24 1.919880.020*******.003() 3.68655

() 3.839760.15,

1.91T

T

T

T T

T T f x x x Hesse A g f x g g g

x x g g Ag f x g f x g g g x x g g Ag ε

?=??=??

??

=?==??????=?=??=?????????????==?=?>=?=、解:矩阵22988 3.89760.073480.480890.0030.150.06913()0.12487200()0

00T

f x

g x x f x ε

???????=?????????????

=>????

===????????

同理继续迭代,最后至,此时最优解,2.用Newton 法求解

221212120min ()60104[0]0.01.

T f x x x x x x x x ε=??++==-,初始点,0,解:

12211

110011**()()[102,42]212133()()12123

32101033()()[8,6]012433()[0,0],()00.01[8,6],

()8

T

T

T T g x f x x x x x G x G x x x G x g x f x f x x f x ??=?=?+??+???

?????=?=????????

?????

??

????????=?=?=??????

????

??????

?=?=≤∴==最优解为3.用修正Newton 法求解

2212120min ()4121[0]0.01.

T f x x x x x x ε=++?++==()()+10,初始点,0,

解:12()()[89,43]T g x f x x x =?=+?010000

98

34t x x t p t ?????=+=??

??????

,1

1

0808()()0410

4G x G x ???

????==????

????????

,[]

0()93T

g x =?,则,令1

00109938()()[,318404T

p G x g x ???????=?==??

???????????

?010000

9834t x x t p t ?????=+=????

????

219999

()161()168

f x t t t f x =

?+?=时,最小111**93

[,()[0,0],

()00.01

8493157

[,,()8416

T T T x f x f x x f x ∴=??=?=≤∴=?=

,4.用共轭梯度法求解22120min 4[1]0.01.T x x x ε+==(),取初始点,1,解:令,[]221112()4,()2,8T

f x x x f x x x =+?=[]

00()2,8T

p f x =??=?[]

10000001212,1818T

x x t p t t t ?????=+=+=???????????

令,2200min[(12)4(18)]min ()t t t ??+?=则

00[()]5206800.130969d

t t t dt

?=?=?=11[0.738062,0.047752]()[1.476124,0.382016]T T

x f x =??=?,则2102

0() 2.324878

0.03418968

()

f x f x λ?=

=

≈?

1100

()p f x p λ∴=??+新搜索方向为 1.4761242 1.5445020.0341890.38201680.108504?????????=+=?????????????

[]2111110.738062 1.544502,0.0477520.108504T

x x t p t t =+=??+因此有1111()00.477127d

f x t p t dt

+=?≈由

21110.738062 1.5445020.477127[0.00,0.007]0.0477520.108504T

x x t p ?????

=+=+=????

?????

因而得下一迭代点,2()00.01f x ?=≤停止迭代**[0,0],()0

T x f x ∴==5.用共轭梯度法求解221212min ()20.01.

f x x x x x ε=+=-,自定初始点,解:,取初始点,[]1221()4,2T

f x x x x x ?=??[]00,1T

x =00()[1,2]T

p f x =??=??[]

100000001,1212T

x x t p t t t ????=+=+=??????????

令2

20000min[2(12)(12)]min ()

t t t t t ?+???=则

00[()]16500.125d

t t t dt

?=?=?=11[0.3125,0.375]()[0.875,0.4375]T T

x f x ∴=??=,2102

0()0.95703125

0.1914065

()

f x f x λ?=

=

≈?1100

()p f x p λ∴=??+新搜索方向为0.87510.6835940.1914060.437520.82012????????=+=???????????????

=2111x x t p =+因而得下一迭代点[]110.31250.683594,0.3750.820312T

t t ???,1111()00.456927d

f x t p t dt

+=?=由

则停止迭代

222[0.000,0.000]()[0,0],

()00.01T T x f x f x =?=?=≤,则=,综上所述,原问题的最优解,最优值为*x 2[0,0]T x =*[0,0]T x =*()0

f x =6.用DFP 法求解22

120min ()456[8]0.01.

T f x x x x ε=?+?==()(),初始点,9,6、解:取[]

01280,

,()840,21202T

H I A g x x x ??

===??????

[][]

008,19,24,6T

T

x g ==第一步迭代得:[][]114.86154,8.21538, 1.10768,4.43076T T

x g ==?用DFP 法第二次迭代:010[ 3.13846,0.78462]T

s x x =?=??010[25.10768, 1.56924]T

y g g =?=??则,

000000

1000000

T T T T s s H y y H H H s y y H y =+?因:0080.03071,

T s y =00000632.85811

T T y H y y y ==,009.84993 2.462502.462500.61563T s s ??=????009.84993 2.462502.462500.61563T

s s ??=??

??

1100.123080.030770.996110.062260.126970.03149010.030770.007700.062260.003900.03149 1.0038H ?????????

∴=+?=?????????????????

则搜索方向111[0.28017,4.48248]T

p H g =?=?

从出发沿进行直线搜索,即:

1x 1p []

111 4.861540.28017,8.21538 4.48248T

x x tp t t =+=?+由

,得11()0d

f x tp dt

+=0.48674t =?所以,由于,所以是极小211[5.000,6.000]T x x tp =+≈2()[0,0]T g x =2[5,6]T x =点。

习题六

1.用外点罚函数法求解:

12

211221min ()()0..()0

f x x x

g x x x s t g x x =+?=?+≥?

=≥?解:利用外点罚函数法构造增广目标函数,如下:

2221212112

[()]()

(,)()x x x x x x D F x x x x D μμ?++?++?=?

+∈?对于的情况:

x D ?由

得:120,0F F x x ??==??2111(),2224(1)x μμμμ???

=????++??

当时,μ→+∞()()0,0x μ?→即:,且()0,0x ?=()0

f x ?=2.用外点罚函数法求解:

22

12

min ()f x x x =+..s t 1()10

g x x =?≤

解:构造增广目标函数:

22

2

1212

2

12

(1)()(,)()

x x x x D F x x x x D μμ?++??=?+∈?对于的情况:

x D ?由得:120,0F F

x x ??==??11222(1)020

x x x μ??=??=?推出:(),01x μμμ???

=?

?+??

当时,。μ→+∞()()1,0x μ?→即:且。

()1,0x ?=()1f x ?=4.用内点罚函数法求解:

312

11221

min ()(1)3

()10..()0

f x x x

g x x s t g x x =++=?≥??

=≥?解:利用内点罚函数法构造如下增广目标函数:

31212111

(,)(1)(31k k F x r x x r x x =++++?由得:12

00F

x F

x ??

=??????=??

?

*()k x x =当时,0k r +→*()(1,0)

k x x →=,∴*x (1,0)*8()3

f x =

《最优化方法》复习题(含答案)

《最优化方法》复习题(含答案)

附录5 《最优化方法》复习题 1、设n n A R ?∈是对称矩阵,,n b R c R ∈∈,求1()2 T T f x x Ax b x c =++在任意点x 处的梯度和Hesse 矩阵. 解 2(),()f x Ax b f x A ?=+?=. 2、设()()t f x td ?=+,其中:n f R R →二阶可导,,,n n x R d R t R ∈∈∈,试求()t ?''. 解 2()(),()()T T t f x td d t d f x td d ??'''=?+=?+. 3、设方向n d R ∈是函数()f x 在点x 处的下降方向,令 ()()()()() T T T T dd f x f x H I d f x f x f x ??=--???, 其中I 为单位矩阵,证明方向()p H f x =-?也是函数()f x 在点x 处的下降方向. 证明 由于方向d 是函数()f x 在点x 处的下降方向,因此()0T f x d ?<,从而 ()()()T T f x p f x H f x ?=-?? ()()()()()()()() T T T T T dd f x f x f x I f x d f x f x f x ??=-?--???? ()()()0T T f x f x f x d =-??+?<, 所以,方向p 是函数()f x 在点x 处的下降方向. 4、n S R ?是凸集的充分必要条件是12122,,,,,,,,m m m x x x S x x x ?≥?∈L L 的一切凸组合都属于S . 证明 充分性显然.下证必要性.设S 是凸集,对m 用归纳法证明.当2m =时,由凸集的定义知结论成立,下面考虑1m k =+时的情形.令1 1k i i i x x λ+==∑, 其中,0,1,2,,1i i x S i k λ∈≥=+L ,且1 1 1k i i λ+==∑.不妨设11k λ+≠(不然1k x x S +=∈, 结论成立),记11 1k i i i k y x λλ=+=-∑ ,有111(1)k k k x y x λλ+++=-+,

北航最优化方法大作业参考

北航最优化方法大作业参考

1 流量工程问题 1.1 问题重述 定义一个有向网络G=(N,E),其中N是节点集,E是弧集。令A是网络G的点弧关联矩阵,即N×E阶矩阵,且第l列与弧里(I,j)对应,仅第i行元素为1,第j行元素为-1,其余元素为0。再令b m=(b m1,…,b mN)T,f m=(f m1,…,f mE)T,则可将等式约束表示成: Af m=b m 本算例为一经典TE算例。算例网络有7个节点和13条弧,每条弧的容量是5个单位。此外有四个需求量均为4个单位的源一目的对,具体的源节点、目的节点信息如图所示。这里为了简单,省区了未用到的弧。此外,弧上的数字表示弧的编号。此时,c=((5,5…,5)1 )T, ×13 根据上述四个约束条件,分别求得四个情况下的最优决策变量x=((x12,x13,…,x75)1× )。 13 图 1 网络拓扑和流量需求

1.2 7节点算例求解 1.2.1 算例1(b1=[4;-4;0;0;0;0;0]T) 转化为线性规划问题: Minimize c T x1 Subject to Ax1=b1 x1>=0 利用Matlab编写对偶单纯形法程序,可求得: 最优解为x1*=[4 0 0 0 0 0 0 0 0 0 0 0 0]T 对应的最优值c T x1=20 1.2.2 算例2(b2=[4;0;-4;0;0;0;0]T) Minimize c T x2 Subject to Ax2=b2 X2>=0 利用Matlab编写对偶单纯形法程序,可求得: 最优解为x2*=[0 4 0 0 0 0 0 0 0 0 0 0 0]T 对应的最优值c T x2=20 1.2.3 算例3(b3=[0;-4;4;0;0;0;0]T) Minimize c T x3 Subject to Ax3=b3 X3>=0 利用Matlab编写对偶单纯形法程序,可求得: 最优解为x3*=[4 0 0 0 4 0 0 0 0 0 0 0 0]T 对应的最优值c T x3=40

最优化方法试题

《最优化方法》试题 一、 填空题 1.设()f x 是凸集n S R ?上的一阶可微函数,则()f x 是S 上的凸函数的一阶充要条件是( ),当n=2时,该充要条件的几何意义是( ); 2.设()f x 是凸集n R 上的二阶可微函数,则()f x 是n R 上的严格凸函数( )(填‘当’或‘当且仅当’)对任意n x R ∈,2()f x ?是 ( )矩阵; 3.已知规划问题22211212121212min 23..255,0z x x x x x x s t x x x x x x ?=+---?--≥-??--≥-≥?,则在点55(,)66T x =处的可行方向集为( ),下降方向集为( )。 二、选择题 1.给定问题222121212min (2)..00f x x s t x x x x ?=-+??-+≤??-≤?? ,则下列各点属于K-T 点的是( ) A) (0,0)T B) (1,1)T C) 1(,22 T D) 11(,)22T 2.下列函数中属于严格凸函数的是( ) A) 211212()2105f x x x x x x =+-+ B) 23122()(0)f x x x x =-< C) 2 222112313()226f x x x x x x x x =+++- D) 123()346f x x x x =+- 三、求下列问题

()22121212121211min 51022 ..2330420 ,0 f x x x x x s t x x x x x x =+---≤+≤≥ 取初始点()0,5T 。 四、考虑约束优化问题 ()221212min 4..3413f x x x s t x x =++≥ 用两种惩罚函数法求解。 五.用牛顿法求解二次函数 222123123123()()()()f x x x x x x x x x x =-++-++++- 的极小值。初始点011,1,22T x ??= ???。 六、证明题 1.对无约束凸规划问题1min ()2 T T f x x Qx c x =+,设从点n x R ∈出发,沿方向n d R ∈ 作最优一维搜索,得到步长t 和新的点y x td =+ ,试证当1T d Q d = 时, 22[() ()]t f x f y =-。 2.设12*** *3(,,)0T x x x x =>是非线性规划问题()112344423min 23..10f x x x x s t x x x =++++=的最优解,试证*x 也 是非线性规划问题 144423* 123min ..23x x x s t x x x f ++++=的最优解,其中****12323f x x x =++。

最优化原理大作业

基于粒子群算法的神经网络在电液伺服系统中的应用 摘要:由于人工神经网络在解决具有非线性、不确定性等系统的控制问题上具有极大的潜力,因而在控制领域正引起人们的极大关注,并且已在一些响应较慢的过程控制中获得成功应用。由于电液伺服系统属 于非线性系统,因此本文利用神经网络控制电液伺服系统,并利用粒子群优化算法训练该神经网络的 权值。通过对神经网络的优化实现对电液伺服系统的控制。 关键词:神经网络电液伺服系统粒子群算法优化 近年来,由于神经网络具有大规模并行性、冗余性、容错性、本质的非线性及自组织自学习自适应能力,所以已成功地应用于众多领域。但在具有复杂非线性特性的机电设备的实时控制方面,虽然也有一些神经网络技术的应用研究,但距实用仍有一段距离。电液伺服系统就属于这类设备[1]。 神经网路在用于实时控制时,主要是利用了网络所具有的其输人——输出间的非线性映射能力。它实际上是通过学习来逼近控制对象的动、静态特性。也就是构造实际系统的神经网络模型[2]。本文利用神经网络控制一电液伺服系统,并利用粒子群优化算法训练该神经网络的权值,将结果与BP神经网络控制该系统的结果进行比较。从而得在电液伺服系统中引入神经网络是可行的。 1、粒子群算法 粒子群优化算法(Particle Swarm optimization, PSO)是一种进化计算技术, 由Eberhart博士和kennedy博士发明, 源于对鸟群捕食的行为研究, 粒子群优化算法的基本思想是通过群体中个体之间的协作和信息共享来寻找最优解[3]。算法最初受到飞鸟和鱼类集群活动的规律性启发,利用群体智能建立了一个简化模型,用组织社会行为代替了进化算法的自然选择机制,通过种群间个体协作来实现对问题最优解的搜索[4]。 在找到这两个最优值时, 粒子根据如下的公式来更新自己的速度和新的位置 v[]=v[]+c1*rand()*(pbest[]-present[]) + c2*rand()*(gbest[]-present[]) present[]=persent[]+v[] 式中ω为惯性权重,ω取大值可使算法具有较强的全局搜索能力,ω取小值则算法倾向于局部搜索。一般的做法是将ω初始取0.9并使其随迭代次数的增加而线性递减至0.4,这样就可以先侧重于全局搜索,使搜索空间快速收敛于某一区域,然后采用局部精细搜索以获得高精度的解;c1、c2为两个学习因子,一般取为2;randl和rand2为两个均匀分布在(0,l)之间的随机数;i=1,2,?,m;k=1,2,?,d。另外,粒子在每一维的速度Vi都被一个最大速度Vmax所限制。如果当前粒子的加速度导致它在某一维的速度 超过该维上的最大速度Vmax,则该维的速度被限制为最大速度[5]。 粒子群算法流程如下: (一)初始化粒子群。设群体规模为m,在允许的范围内随机设置粒子的初始位置和速 度。 (二)评价每个粒子的适应值。 (三)调整每一个粒子的位置和速度。 (四)如果达到最大迭代次数genmax或误差达到最初设定数值终止迭代,否则返回(2)。 2、神经网络 神经网络一般由输入层、隐含层、输出层组成。对于输入信号,先向前传播到隐节点,经过节点作用函数后,再把隐节点的输出信息传播到输出节点,最后输出结果。节点的作用函数通常选取S 型函数f(x)=1/(1+e-x)。神经网络算法的学习过程分为正

天津大学《最优化方法》复习题(含答案)

天津大学《最优化方法》复习题(含答案) 第一章 概述(包括凸规划) 一、 判断与填空题 1 )].([arg )(arg min max x f x f n n R x R x -=∈∈ √ 2 {}{} .:)(m in :)(m ax n n R D x x f R D x x f ?∈-=?∈ ? 3 设.:R R D f n →? 若n R x ∈*,对于一切n R x ∈恒有)()(x f x f ≤*,则称*x 为最优化问题)(min x f D x ∈的全局最优解. ? 4 设.:R R D f n →? 若D x ∈*,存在*x 的某邻域)(*x N ε,使得对一切)(*∈x N x ε恒有)()(x f x f <*,则称*x 为最优化问题)(min x f D x ∈的 严格局部最优解. ? 5 给定一个最优化问题,那么它的最优值是一个定值. √ 6 非空集合n R D ?为凸集当且仅当D 中任意两点连线段上任一点属于D . √ 7 非空集合n R D ?为凸集当且仅当D 中任意有限个点的凸组合仍

属于D . √ 8 任意两个凸集的并集为凸集. ? 9 函数R R D f n →?:为凸集D 上的凸函数当且仅当f -为D 上的凹函数. √ 10 设R R D f n →?:为凸集D 上的可微凸函数,D x ∈*. 则对D x ∈?,有).()()()(***-?≤-x x x f x f x f T ? 11 若)(x c 是凹函数,则}0)( {≥∈=x c R x D n 是凸集。 √ 12 设{}k x 为由求解)(min x f D x ∈的算法A 产生的迭代序列,假设算法 A 为下降算法,则对{} ,2,1,0∈?k ,恒有 )()(1k k x f x f ≤+ . 13 算法迭代时的终止准则(写出三种):_____________________________________。 14 凸规划的全体极小点组成的集合是凸集。 √ 15 函数R R D f n →?:在点k x 沿着迭代方向}0{\n k R d ∈进行精确一维线搜索的步长k α,则其搜索公式

最优化方法大作业答案

1.用薄钢板制造一体积5m 3,长度不小于4m ,无上盖的货箱,要求钢板耗量最小。确定货箱的长x 1、宽x 2和高x 3。试列出问题的数学模型。 解:min 32312122x x x x x x z ++= s.t 5321=x x x 41≥x 0,,321≥x x x 2.将下面的线性规划问题表示为标准型并用单纯形法求解 max f=x 1+2x 2+x 3 s .t .2x 1+x 2-x 3≤2 -2x 1+x 2-5x 3≥-6 4x 1+x 2+x 3≤6 x i ≥0 i=1,2,3 解:先化标准形: Min 321x x x z -+= 224321=+-+x x x x 6525321=++-x x x x 646321=+++x x x x 列成表格:

1 2 1 610011460105122001112----- 可见此表已具备1°,2°,3°三个特点,可采用单纯形法。首先从底行中选元素-1,由2/2,6/2,6/4最小者决定选第一行第一列的元素2,标以记号,迭代一次得 1 2 1 2102310401162010021212 11-------- 再从底行中选元素-2/3,和第二列正元素1/2,迭代一次得 1 2 12 32 30 210231040116201002121211- ------ 再从底行中选元素-3,和第二列正元素2,迭代一次得 4 2 3 3 410120280114042001112--- 再迭代一次得 10 2 30 2 10 6 221023 1010213000421021013-- 选取最优解:

最优化计算方法课后习题答案----高等教育出版社。施光燕

习题二包括题目:P36页5(1)(4) 5(4)

习题三 包括题目:P61页1(1)(2); 3; 5; 6; 14;15(1) 1(1)(2)的解如下 3题的解如下

5,6题 14题解如下 14. 设22121212()(6)(233)f x x x x x x x =+++---, 求点在(4,6)T -处的牛顿方向。 解:已知 (1) (4,6)T x =-,由题意得 121212212121212(6)2(233)(3)()2(6)2(233)(3)x x x x x x x f x x x x x x x x +++-----?? ?= ?+++-----?? ∴ (1)1344()56g f x -?? =?= ??? 21212122211212122(3)22(3)(3)2(233)()22(3)(3)2(233)22(3)x x x x x x x f x x x x x x x x +--+--------? ??= ? +--------+--?? ∴ (1)2(1)1656()()564G x f x --?? =?= ?-?? (1)1 1/8007/400()7/4001/200G x --?? = ?--?? ∴ (1)(1)11141/100()574/100d G x g -?? =-= ?-?? 15(1)解如下 15. 用DFP 方法求下列问题的极小点 (1)22 121212min 353x x x x x x ++++ 解:取 (0) (1,1)T x =,0H I =时,DFP 法的第一步与最速下降法相同 2112352()156x x f x x x ++???= ?++??, (0)(1,1)T x =,(0) 10()12f x ???= ??? (1)0.07800.2936x -??= ?-??, (1) 1.3760() 1.1516f x ???= ?-?? 以下作第二次迭代 (1)(0) 1 1.07801.2936x x δ-??=-= ?-??, (1)(0) 18.6240()()13.1516f x f x γ-??=?-?= ?-?? 0110 111011101 T T T T H H H H H γγδδδγγγ=+-

(完整版)机械优化设计试卷期末考试及答案

第一、填空题 1.组成优化设计的数学模型的三要素是 设计变量 、目标函数 和 约束条件 。 2.可靠性定量要求的制定,即对定量描述产品可靠性的 参数的选择 及其 指标的确定 。 3.多数产品的故障率随时间的变化规律,都要经过浴盆曲线的 早期故障阶段 、 偶然故障阶段 和 耗损故障阶段 。 4.各种产品的可靠度函数曲线随时间的增加都呈 下降趋势 。 5.建立优化设计数学模型的基本原则是在准确反映 工程实际问题 的基础上力求简洁 。 6.系统的可靠性模型主要包括 串联模型 、 并联模型 、 混联模型 、 储备模型 、 复杂系统模型 等可靠性模型。 7. 函数f(x 1,x 2)=2x 12 +3x 22-4x 1x 2+7在X 0=[2 3]T 点处的梯度为 ,Hession 矩阵为 。 (2.)函数()22121212,45f x x x x x x =+-+在024X ??=????点处的梯度为120-?? ????,海赛矩阵为2442-???? -?? 8.传统机械设计是 确定设计 ;机械可靠性设计则为 概率设计 。 9.串联系统的可靠度将因其组成单元数的增加而 降低 ,且其值要比可靠 度 最低 的那个单元的可靠度还低。 10.与电子产品相比,机械产品的失效主要是 耗损型失效 。 11. 机械可靠性设计 揭示了概率设计的本质。 12. 二元函数在某点处取得极值的充分条件是()00f X ?=必要条件是该点处的海赛矩阵正定。 13.对数正态分布常用于零件的 寿命疲劳强度 等情况。 14.加工尺寸、各种误差、材料的强度、磨损寿命都近似服从 正态分布 。 15.数学规划法的迭代公式是 1k k k k X X d α+=+ ,其核心是 建立搜索方向, 模型求解 两方面的内容。 17.无约束优化问题的关键是 确定搜索方向 。 18.多目标优化问题只有当求得的解是 非劣解 时才有意义,而绝对最优解存在的可能性很小。 19.可靠性设计中的设计变量应具有统计特征,因而认为设计手册中给出的数据

最优化方法大作业答案

武工院你们懂的 1.用薄钢板制造一体积5m 3,长度不小于4m ,无上盖的货箱,要求钢板耗量最小。确定货箱的长x 1、宽x 2和高x 3。试列出问题的数学模型。 解:min 32312122x x x x x x z ++= s.t 5321=x x x 41≥x 0,,321≥x x x 2.将下面的线性规划问题表示为标准型并用单纯形法求解 max f=x 1+2x 2+x 3 s .t .2x 1+x 2-x 3≤2 -2x 1+x 2-5x 3≥-6 4x 1+x 2+x 3≤6 x i ≥0 i=1,2,3 解:先化标准形: Min 321x x x z -+= 224321=+-+x x x x 6525321=++-x x x x 646321=+++x x x x

列成表格: 00001216 100114 60105122001112----- 可见此表已具备1°,2°,3°三个特点,可采用单纯形法。首先从底行中选元素-1,由2/2,6/2,6/4最小者决定选第一行第一列的元素2,标以记号,迭代一次得 0000 1 2 121023 10 40116201002 1 21 211-------- 再从底行中选元素-2/3,和第二列正元素1/2,迭代一次得 1 002 1232 30210231 040116201002121211-- ----- 再从底行中选元素-3,和第二列正元素2,迭代一次得 4002 3 03410120280114042001112--- 再迭代一次得

10 23021 062 21023 1010 213 000421 2 10 13- - 选取最优解: 01=x 42=x 23=x 3. 试用DFP 变尺度法求解下列无约束优化问题。 min f (X )=4(x 1-5)2+(x 2-6)2 取初始点X=(8,9)T ,梯度精度ε=0.01。 解:取I H =0,初始点()T X 9,8= 2221)6()5(4)(-+-=x x x f ??????--=?122408)(21x x x f ???? ??=?624)() 0(x f T x f d )6,24()()0()0(--=-?= )0(0)0()1(d x x α+= T )69,248(00αα--= ])669()5248(4min[)(min 2020)0(0)0(--+--?=+αααd x f )6()63(2)24()2458(8) (00)0(0)0(=-?-+-?--=+ααααd d x df 13077.013017 0≈= α ???? ??=???? ??--?+???? ??=21538.886153.462413077.098)1(x

《最优化方法》复习题(含答案)

x zD 天津大学《最优化方法》复习题(含答案) 第一章 概述(包括凸规划) 判断与填空题 arg max f(x)二 arg min 以儿 “ max(x): x D 二 R n 』=-min(x): x D 二 R n ; 设f : D 5 R n > R.若x : R n ,对于一切R n 恒有f(x”)^f(x),则称x”为 设f : D 5 R n >R.若x ” ? D ,存在x ”的某邻域N ;(x”),使得对一切 x ?N .(x)恒有f(x”)::: f (x),则称x”为最优化问题 min f (x)的严格局部最 优解? 给定一个最优化问题,那么它的最优值是一个定值 ? V 非空集合D R n 为凸集当且仅当 D 中任意两点连线段上任一点属于 D . V 非空集合D R n 为凸集当且仅当D 中任意有限个点的凸组合仍属于 D . V 任意两个凸集的并集为凸集? 函数f:D R n >R 为凸集D 上的凸函数当且仅当 -f 为D 上的凹函数? V 设f : D R n >R 为凸集D 上的可微凸函数,X :D ?则对-D ,有 f (x) - f(x )乞 f (x )T (X —X )? 若c(x)是凹函数,则 D={x^R n C(x)启0}是凸集。 V f(x)的算法A 产生的迭代序列,假设算法 A 为下降算法, 则对-k ? 5,1, 2,…匚恒有 ________________ f(x k1)乞 f(x k ) ______________ ? 算法迭代时的终止准则(写出三种) : ___________________________________________________ 凸规划的全体极小点组成的集合是凸集。 V 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

最优化方法大作业

发动机空燃比控制器 引言:我主要从事自动化相关研究。这里介绍我曾经接触过的发动机空燃比控制器设计中的优化问题。 发动机空燃比控制器设计中的最优化问题 AFR =a f m m && (1) 空燃比由方程(1)定义,在发动机运行过程中如果控制AFR 稳定在14.7可以获 得最好的动力性能和排放性能。如果假设进入气缸的空气流量a m &可以由相关单元检测得到,则可以通过控制进入气缸的燃油流量f m &来实现空燃比的精确控制。由于实际发动机的燃油喷嘴并不是直接对气缸喷燃油,而是通过进气歧管喷燃油,这么做会在进 气歧管壁上液化形成油膜,因此不仅是喷嘴喷出的未液化部分燃油会进入气缸,油膜 蒸发部分燃油也会进入气缸,如方程(2)。这样如何更好的喷射燃油成为了一个问题。 1110101122211ττττ?? ?? -?? ??????????=+????????-????????????-???? ? ??? ?? ????????? ?f f f v X x x u x x X x y =x && (2) 其中12、,==ff fv x m x m &&=f y m &,=fi u m &这里面,表示油膜蒸发量ff m &、fv m &表示为液化部分燃油、fi m &表示喷嘴喷射的燃油,在τf 、τv 、X 都已知的情况下,由现代控制理论知识,根据系统的增广状态空间模型方程(3) 0000001 1 011011114.70ττττ????-?? ??????????=-+-??????????????? ??????????????? ?? ??=?????? f f v v a X X u +q q m y q x x x &&& (3) 其中()0 14.7?t a q = y -m &。由极点配置方法,只要设计控制器方程(4),就可以 使得y 无差的跟踪阶跃输入,那么y 也能较好的跟踪AFR *a m /&。 12-- u =K q K x (4) 这里面的12、K K 确定,可由主导极点概念降维成两个参数12C ,C ,虽然都是最终稳态无差,但是目标是使得瞬态过程中y 和阶跃输入y r 的差异尽可能的小。所以原问

最优化方法及其应用课后答案

1 2 ( ( 最优化方法部分课后习题解答 1.一直优化问题的数学模型为: 习题一 min f (x ) = (x ? 3)2 + (x ? 4)2 ? g (x ) = x ? x ? 5 ≥ ? 1 1 2 2 ? 试用图解法求出: s .t . ?g 2 (x ) = ?x 1 ? x 2 + 5 ≥ 0 ?g (x ) = x ≥ 0 ? 3 1 ??g 4 (x ) = x 2 ≥ 0 (1) 无约束最优点,并求出最优值。 (2) 约束最优点,并求出其最优值。 (3) 如果加一个等式约束 h (x ) = x 1 ? x 2 = 0 ,其约束最优解是什么? * 解 :(1)在无约束条件下, f (x ) 的可行域在整个 x 1 0x 2 平面上,不难看出,当 x =(3,4) 时, f (x ) 取最小值,即,最优点为 x * =(3,4):且最优值为: f (x * ) =0 (2)在约束条件下, f (x ) 的可行域为图中阴影部分所示,此时,求该问题的最优点就是 在约束集合即可行域中找一点 (x 1 , x 2 ) ,使其落在半径最小的同心圆上,显然,从图示中可 以看出,当 x * = 15 , 5 ) 时, f (x ) 所在的圆的半径最小。 4 4 ?g (x ) = x ? x ? 5 = 0 ? 15 ?x 1 = 其中:点为 g 1 (x ) 和 g 2 (x ) 的交点,令 ? 1 1 2 ? 2 求解得到: ? 4 5 即最优点为 x * = ? ?g 2 (x ) = ?x 1 ? x 2 + 5 = 0 15 , 5 ) :最优值为: f (x * ) = 65 ?x = ?? 2 4 4 4 8 (3).若增加一个等式约束,则由图可知,可行域为空集,即此时最优解不存在。 2.一个矩形无盖油箱的外部总面积限定为 S ,怎样设计可使油箱的容量最大?试列出这个优 化问题的数学模型,并回答这属于几维的优化问题. 解:列出这个优化问题的数学模型为: max f (x ) = x 1x 2 x 3 ?x 1x 2 + 2x 2 x 3 + 2x 1x 3 ≤ S

修订过的最优化方法复习题

《最优化方法》复习题 第一章 引论 一、 判断与填空题 1 )].([arg )(arg m in m ax x f x f n n R x R x -=∈∈ √ 2 {}{}.:)(min :)(max n n R D x x f R D x x f ?∈-=?∈ ? 3 设.:R R D f n →? 若n R x ∈*,对于一切n R x ∈恒有)()(x f x f ≤*,则称*x 为最优化问题 )(min x f D x ∈的全局最优解. ? 4 设.:R R D f n →? 若D x ∈*,存在*x 的某邻域)(*x N ε,使得对一切)(*∈x N x ε恒有)()(x f x f <*,则称*x 为最优化问题)(min x f D x ∈的严格局部最 优解. ? 5 给定一个最优化问题,那么它的最优值是一个定值. √ 6 非空集合n R D ?为凸集当且仅当D 中任意两点连线段上任一点属于D . √ 7 非空集合n R D ?为凸集当且仅当D 中任意有限个点的凸组合仍属于D . √ 8 任意两个凸集的并集为凸集. ? 9 函数R R D f n →?:为凸集D 上的凸函数当且仅当f -为D 上的凹函数. √ 10 设R R D f n →?:为凸集D 上的可微凸函数,D x ∈*. 则对D x ∈?,有).()()()(***-?≤-x x x f x f x f T ? 11 若)(x c 是凹函数,则}0)( {≥∈=x c R x D n 是凸集。 √ 12 设{}k x 为由求解)(min x f D x ∈的算法A 产生的迭代序列,假设算法A 为单调下降算 法,则对{} ,2,1,0∈?k ,恒有 )()(1k k x f x f ≤+ .

最优化方法(试题+答案)

一、 填空题 1 . 若 ()()??? ? ??+???? ?????? ??=212121 312112)(x x x x x x x f ,则 =?)(x f ,=?)(2x f . 2.设f 连续可微且0)(≠?x f ,若向量d 满足 ,则它是f 在x 处的一个下降方向。 3.向量T ) 3,2,1(关于3阶单位方阵的所有线性无关的共轭向量 有 . 4. 设R R f n →:二次可微,则f 在x 处的牛顿方向为 . 5.举出一个具有二次终止性的无约束二次规划算 法: . 6.以下约束优化问题: )(01)(..)(min 212121 ≥-==+-==x x x g x x x h t s x x f 的K-K-T 条件为: . 7.以下约束优化问题: 1 ..)(min 212 2 21=++=x x t s x x x f 的外点罚函数为(取罚参数为μ) . 二、证明题(7分+8分) 1.设1,2,1,:m i R R g n i =→和m m i R R h n i ,1,:1+=→都是线性函数,证明下 面的约束问题: } ,,1{, 0)(},1{, 0)(..)(min 1112 m m E j x h m I i x g t s x x f j i n k k +=∈==∈≥=∑= 是凸规划问题。

2.设R R f →2 :连续可微,n i R a ∈,R h i ∈,m i ,2,1=,考察如下的约束条件问题: } ,1{,0} 2,1{,0..) (min 11m m E i b x a m I i b x a t s x f i T i i T i +=∈=-=∈≥- 设d 是问题 1 ||||,0,0..)(min ≤∈=∈≥?d E i d a I i d a t s d x f T i T i T 的解,求证:d 是f 在x 处的一个可行方向。 三、计算题(每小题12分) 1.取初始点T x )1,1() 0(=.采用精确线性搜索的最速下降法求解下面的无约束优化问题 (迭代2步): 2 2212)(m in x x x f += 2.采用精确搜索的BFGS 算法求解下面的无约束问题: 212 2212 1)(min x x x x x f -+= 3.用有效集法求解下面的二次规划问题: . 0,001..42)(min 21212 12 221≥≥≥+----+=x x x x t s x x x x x f 4.用可行方向算法(Zoutend ij k算法或Frank Wol fe算法)求解下面的问题(初值设为)0,0() 0(=x ,计算到)2(x 即可): . 0,033..22 1)(min 212112 22121≥≥≤+-+-= x x x x t s x x x x x x f

大连理工优化方法大作业MATLAB编程

function [x,dk,k]=fjqx(x,s) flag=0; a=0; b=0; k=0; d=1; while(flag==0) [p,q]=getpq(x,d,s); if (p<0) b=d; d=(d+a)/2; end if(p>=0)&&(q>=0) dk=d; x=x+d*s; flag=1; end k=k+1;

if(p>=0)&&(q<0) a=d; d=min{2*d,(d+b)/2}; end end %定义求函数值的函数fun,当输入为x0=(x1,x2)时,输出为f function f=fun(x) f=(x(2)-x(1)^2)^2+(1-x(1))^2; function gf=gfun(x) gf=[-4*x(1)*(x(2)-x(1)^2)+2*(x(1)-1),2*(x(2)-x(1)^2)]; function [p,q]=getpq(x,d,s) p=fun(x)-fun(x+d*s)+0.20*d*gfun(x)*s'; q=gfun(x+d*s)*s'-0.60*gfun(x)*s'; 结果: x=[0,1]; s=[-1,1]; [x,dk,k]=fjqx(x,s) x =-0.0000 1.0000 dk =1.1102e-016 k =54

function f= fun( X ) %所求问题目标函数 f=X(1)^2-2*X(1)*X(2)+2*X(2)^2+X(3)^2+ X(4)^2- X(2)*X(3)+2*X(1)+3*X(2)-X(3); end function g= gfun( X ) %所求问题目标函数梯度 g=[2*X(1)-2*X(2)+2,-2*X(1)+4*X(2)-X(3)+3,2*X(3)-X(2)-1,2*X(4)]; end function [ x,val,k ] = frcg( fun,gfun,x0 ) %功能:用FR共轭梯度法求无约束问题最小值 %输入:x0是初始点,fun和gfun分别是目标函数和梯度 %输出:x、val分别是最优点和最优值,k是迭代次数 maxk=5000;%最大迭代次数 rho=0.5;sigma=0.4;

《最优化方法》期末试题

作用: ①仿真的过程也是实验的过程,而且还是系统地收集和积累信息的过程。尤其是对一些复杂的随机问题,应用仿真技术是提供所需信息的唯一令人满意的方法。 ②仿真技术有可能对一些难以建立物理模型或数学模型的对象系统,通过仿真模型来顺利地解决预测、分析和评价等系统问题。 ③通过系统仿真,可以把一个复杂的系统化降阶成若干子系统以便于分析,并能指出各子系统之间的各种逻辑关系。 ④通过系统仿真,还能启发新的策略或新思想的产生,或能暴露出在系统中隐藏着的实质性问题。同时,当有新的要素增加到系统中时,仿真可以预先指出系统状态中可能会出现的瓶颈现象或其它的问题。 2.简述两个Wardrop 均衡原理及其适用范围。 答: Wardrop提出的第一原理定义是:在道路的利用者都确切知道网络的交通状态并试图选择最短径路时,网络将会达到平衡状态。在考虑拥挤对行驶时间影响的网络中,当网络达到平衡状态时,每个 OD 对的各条被使用的径路具有相等而且最小的行驶时间;没有被使用的径路的行驶时间大于或等于最小行 驶时间。 Wardrop提出的第二原理是:系统平衡条件下,拥挤的路网上交通流应该按照平均或总的出行成本 最小为依据来分配。 第一原理对应的行为原则是网络出行者各自寻求最小的个人出行成本,而第二原理对应的行为原则是网络的总出行成本最小。 3.系统协调的特点。 答: (1)各子系统之间既涉及合作行为,又涉及到竞争行为。 (2)各子系统之间相互作用构成一个反馈控制系统,通过信息作为“中介”而构成整体 (3)整体系统往往具有多个决策人,构成竞争决策模式。 (4)系统可能存在第三方介入进行协调的可能。 6.对已经建立了概念模型的系统处理方式及其特点、适用范围。答:对系统概念模型有三种解决方式。 1.建立解析模型方式 对简单系统问题,如物流系统库存、城市公交离线调度方案的确定、交通量不大的城市交叉口交通控制等问题,可以运用专业知识建立系统的量化模型(如解析数学模型),然后采用优化方法确定系统解决方案,以满足决策者决策的需要,有关该方面的内容见第四、五章。 在三种方式中,解析模型是最科学的,但仅限于简单交通运输系统问题,或仅是在实际工程中一定的情况下(仅以一定的概率)符合。所以在教科书上很多漂亮的解析模型,无法应用于工程实际中。 2.建立模拟仿真模型方式 对一般复杂系统,如城市轨道交通调度系统、机场调度系统、城市整个交通控制系统等问题,可以对系统概念模型中各个部件等采用变量予以量化表示,并通过系统辨识的方式建立这些变量之间关系的动力学方程组,采用一定的编程语言、仿真技术使其转化为系统仿真模型,通过模拟仿真寻找较满意的优化方案,包括离线和在线均可以,有关该方面的内容见第七章。 模拟仿真模型比解析模型更能反映系统的实际,所以在交通运输系统中被更高层次的所使用,包括

最优化计算方法课后习题答案----高等教育出版社。施光燕

习题二包括题目: P36页 5(1)(4) 5(4) 习题三 包括题目:P61页 1(1)(2); 3; 5; 6; 14;15(1) 1(1)(2)的解如下 3题的解如下

5,6题 14题解如下 14. 设22121212()(6)(233)f x x x x x x x =+++---, 求点在(4,6)T -处的牛顿方向。 解:已知 (1) (4,6)T x =-,由题意得 121212212121212(6)2(233)(3)()2(6)2(233)(3)x x x x x x x f x x x x x x x x +++-----?? ?= ?+++-----?? ∴ (1)1344()56g f x -?? =?= ??? 21212122211212122(3)22(3)(3)2(233)()22(3)(3)2(233)22(3)x x x x x x x f x x x x x x x x +--+--------? ??= ? +--------+--?? ∴ (1)2(1)1656()()564G x f x --?? =?= ?-?? (1)11/8007/400()7/4001/200G x --?? = ?--?? ∴ (1)(1)11141/100()574/100d G x g -?? =-= ?-?? 15(1)解如下 15. 用DFP 方法求下列问题的极小点 (1)22 121212min 353x x x x x x ++++ 解:取 (0) (1,1)T x =,0H I =时,DFP 法的第一步与最速下降法相同 2112352()156x x f x x x ++???= ? ++??, (0)(1,1)T x =,(0) 10()12f x ???= ??? (1)0.07800.2936x -??= ?-??, (1) 1.3760() 1.1516f x ???= ?-?? 以下作第二次迭代 (1)(0)1 1.07801.2936x x δ-??=-= ?-??, (1)(0) 18.6240()()13.1516f x f x γ-?? =?-?= ?-??

预测与决策试卷及答案解析

经济预测与决策 考试形式:闭卷考试时量:150分钟总分:100分 一.单选题1*15=15分 1.经济预测的第一步是()A A.确定预测目的,制定计划 B.搜集审核资料 C.建立预测模型 D.评价预测成果 2.对一年以上五年以下的经济发展前景的预测称为()B A.长期经济预测 B.中期经济预测 C.短期经济预测 D.近期经济预测 3.()回归模型中,因变量与自变量的关系是呈直线型的。C A.多元 B.非线性 C.线性 D.虚拟变量

4.以下哪种检验方法的零假设为:B1=B2=…=Bm=0?B A.r检验 B.F检验 C.t检验 D.DW检验 5.以数年为周期,涨落相间的波浪式起伏变动称为()D A.长期趋势 B.季节变动 C.不规则变动 D.循环变动 6. 一组数据中出现次数最多的变量值,称为()A A.众数 B.中位数 C.算术平均数 D.调和平均数 7. 通过一组专家共同开会讨论,进行信息交流和相互启发,从而诱发专家们发挥其创造性思维,促进他们产生“思维共振”,达到相互补充并产生“组合效应”的预测方法为()A A.头脑风暴法 B.德尔菲法

C.PERT预测法 D.趋势判断预测法 8.()起源于英国生物学家高尔登对人类身高的研究。B A.定性预测法 B.回归分析法 C.马尔科夫预测法 D.判别分析预测法 9.抽样调查的特点不包括()D A.经济性 B.时效性 C.适应性 D.全面性 10.下图是哪种多项式增长曲线()B A.常数多项式 B.一次多项式 C.二次多项式

D.三次多项式 11.根据历年各月的历史资料,逐期计算环比加以平均,求出季节指数进行预测的方法称为()C A.平均数趋势整理法 B.趋势比率法 C.环比法 D.温特斯法 12.经济决策按照目标的性质和行动时间的不同,分为()D A.宏观经济决策和微观经济决策 B.高层、中层和基层决策 C.定性决策和定量决策 D.战术决策和战略决策 13.()是从最好情况出发,带有一定冒险性质,反映了决策者冒进乐观的态度。B A.最大最小决策准则 B.最大最大决策准则 C.最小最小后悔值决策准则 D.等概率决策准则 14.如果某企业规模小,技术装备不良,担负不起较大的经济风险,则该企业应采用()A

最优化大作业

最优化方法大作业 ---------用优化算法求解函数最值问题

摘要 最优化(optimization) 是应用数学的重要研究领域.它是研究在给定约束之下如何寻求某些因素(的量),以使某一(或某些)指标达到最优的一些学科的总称。最优化问题一般包括最小化问题和最大化问题,而最大化问题可以通过简单的转化使之成最最小化问题。最小化问题分为两类,即约束最小化和无约束最小化问题。在此报告中,前两个问题属于无约束最小化问题的求解,报告中分别使用了“牛顿法”和“共轭梯度法”。后两个问题属于有约束最小化问题的求解,报告中分别用“外点法”和“内点法”求解。虽然命名不一样,其实质都是构造“惩罚函数”或者“障碍函数”,通过拉格朗日乘子法将有约束问题转化为无约束问题进行求解。再此报告中,“外点法”和“内点法”分别用了直接求导和调用“牛顿法”来求解无约束优化问题。 在此实验中,用“共轭梯度法”对“牛顿法”所解函数进行求解时出现错误,报告中另取一函数用“共轭梯度法”求解得到正确的结果。此实验中所有的函数其理论值都是显见的,分析计算结果可知程序正确,所求结果误差处于可接受范围内。 报告中对所用到的四种方法在其使用以前都有理论说明,对“外点法”中惩罚函数和“内点法”中障碍函数的选择也有相应的说明,另外,对此次试验中的收获也在报告的三部分给出。 本报告中所用程序代码一律用MATLAB编写。 【关键字】函数最优化牛顿法共轭梯度法内点法外点法 MATLAB

一,问题描述 1, 分别用共轭梯度发法和牛顿法来求解一下优化问题 ()()()()()4 41432243221102510min x x x x x x x x x f -+-+-++= 2, 分别用外点法和内点发求解一下优化问题 ?? ?≥-++0 1.min 212 231x x t s x x 二、问题求解 用牛顿法求解 ()()()()()4 414 322 432 21102510min x x x x x x x x x f -+-+-++= 1.1.1问题分析: 取步长为1而沿着牛顿方向迭代的方法称为牛顿法,在牛顿法中,初始点的取值随意,在以后的每次迭代中,()[] ()k k k k x f x f x x ??-=-+1 21,直到终止条件成立时停止。 1.1.2 问题求解 注:本程序编程语言为MATLAB ,终止条件为()162 110-≤?x f ,初始取值为 [10 10 10 10] M 文件(求解函数)如下: function s=newton1(f,c,eps) %c 是初值,eps 为允许误差值 if nargin==2 eps=; elseif nargin<1 error('') % return end syms x1 x2 x3 x4

相关文档
最新文档