最优化理论——（一）绪论1 模型与实例

1.形成和发展

• 公元前500年古希腊在讨论建筑美学中就已发现长方形长与宽的最佳比例为1.618，成为环境分割比
  满足 全部：大部=大部：小部
• 在微积分出现以前，已有许多学者开始研究数学方法最优化问题
  如阿基米德证明：给定周长，圆所包围的面积为最大，这就是欧洲古代城堡几乎都建成圆形的原因
• 古典最优化方法
  17世纪，牛顿和莱布尼茨在他们所创建的微积分中，提出函数的极值问题。
• 近代最优化方法
  第二次世界大战前后，形成了近代最优化方法：以苏联Л.В.康托罗维奇 和美国G.B.丹齐克为代表的线性规划；以美国库恩和塔克尔为代表的非线性规划；以美国R.贝尔曼为代表的动态规划；以苏联Л.С.庞特里亚金为 代表的极大值原理等。

2.经典极值问题的一个实例

把一个半径为1的实心金属球融化后，铸成一个实心圆柱体，问圆柱体取什么尺寸才能使它的表面积最小？

3.最优化问题的模型与分类

1.以向量为变量的实向量值函数最优化问题的一般形式

2.根据实际问题的不同要求, 最优化模型有不同的形式, 但 经过适当的变换都可以转换成上述一般的形式。

3.约束最优化问题分类

4.无约束最优化问题

5.无约束最优化问题是最优化的基础

• 很多实际的最优化问题本身就是无约束最优化问题。
• 许多约束最优化方法都是通过变换把约束最优化问 题转换成无约束最优化问题后, 用适当的无约束优化方 法求解。

6.最优化的分类

• 按所包含方程式的特性分
  • 线性规划：目标函数和约束条件均为线性函数的最优化问题， 即都是一次函数；
  • 非线性规划：目标函数和约束条件中有一个或一个以上非线性函数的最优化问题；
• 按目标函数的个数分
  • 单目标最优化问题：只有一个目标函数的最优化问题；
  • 多目标最优化问题：含有多个目标函数的最优化问题；
• 根据决策变量的取值分
  • 如果决策变量所在的可行集合是连续的，比如平面、区 间等，就称为连续优化；
  • 如果决策变量在离散集合上取值，那么相应的优化问题就称为离散优化。 最常见的离散优化问题就是整数规划，它的决策变量的取值在整数集上。 离散最优化问题的求解较之连续最优化问题的求解难度更大, 本书只介绍连续最优化的理论与方法.；

4.最优化问题举例

1.运输问题

2.设施问题

3.指派问题

5.最优化方法解决问题一般步骤

• 提出需要进行最优化的问题，开始收集有关资料和数据；
• 建立求解最优化问题的有关数学模型，确定变量，列出目标函数和 有关约束条件；
• 分析模型，选择合适的最优化方法；
• 求解方程。一般通过编制程序在电子计算机上求得最优解；
• 最优解的验证和实施。