五一小長假(考試周)來襲
小夥伴們在放鬆休息的同時不要忘了複習哦
除了數學社精心準備的資料外
由張若男老師帶來的建模講座
以及王若樸同學的建模小課總結
Objective function: 目標函數
Decision variable:決策變量
Constraints:約束條件
Feasible solution: 可行解
Optimal solution: 最優解
生活中做決策的時候,通常要多個目標一起考慮——多目標決策
權重的大小常常由該領域專家決定,但是在實際建模問題中,我們可以自己取
實際問題中,目標函數相互衝突是很常見的,例如購買汽車時,要求花費少且舒適度高或者要求性能好油耗低,這種問題並沒有絕對最優解(因為並沒有確定多個目標的權值),但是我們可以根據自己的需要選擇一個相對好的(達到我們想要的最佳平衡)
為了尋求這種「最佳平衡」,我們介紹帕累託最優(Pareto optimal)
首先介紹「主導(dominate)」的概念
我們說多目標優化問題中的可行解b主導可行解a,
當:b 在每一個目標上都不比a差
b 在至少一個目標上比a好
· 一個帕累託最優解不可能被任何其他的解主導
· 如果沒有其他的偏好(權值),那麼所有的帕累託最優解都是一樣好的
二維空間中,我們可以作圖看出求帕累託最優的過程,x軸代表目標1,y軸代表目標2,那麼這個圖像我們叫做有效邊界(efficient frontier),或者說是權衡曲線(trade-off curve).
經過對比我們發現,可行解A和B主導C,而A和B一樣好,都是帕累託最優解
· 寫出雙目標優化模型
· 畫圖來表示目標函數值
· 確定帕累託最優解
其中第二步:作出權衡曲線圖像前,首先要將其中一個目標表示成關於另一個目標的函數,為了作圖,我們需要知道:
目標函數定義域
值域
奇偶性
極值點
單調性
拐點(f』』(x)=o)
凹凸性(concavity)
有了這些性質,我們就可以做出權衡曲線,通過比較可行解找到帕累託最優解。
王若樸同學的保姆式教學
媽媽再也不用擔心我的學習
數學規劃是運籌學的一個分支,在給定的約束條件下,如何按照某一衡量指標(目標函數)來尋求最優解決方案(即:求目標函數在一定約束條件下的極值問題)
所有規劃問題都要轉化為標準型才能用matlab進行求解
· 如果不存在不等式約束,則可用「[]」代替A和b,不存在等式約束同樣處理
· 無上下界時用「-inf」「+inf」代替上下界
· 可能無解或有無數解
· 如果目標函數是max,要在最後給fval加負號
(要求一個或多個決策變量必須是整數的數學規劃問題)
0-1規劃:也是intlinprog函數,在上下界做文章(建模比賽中應用較多)
兩道例題及他們的matlab寫法:
(一個規劃問題中有多個目標,比如企業生產時既要保證利潤最大又要保證汙染最小)
· 將多個目標函數統一成一個
· 要將多個目標函數統一成最大或最小化問題才可以加權
· 加權之前要消除目標函數的量綱
今天的回顧到這裡就結束啦
祝小夥伴們假期愉快
期中ALL PASS
還記得講座最後的兩道帕累託最優的練習題嗎?
題目就不放出來了,可以到釘釘群裡裡下載文件看
這裡是一份手寫答案(有些潦草大家見諒)
每周四晚
19:00-20:00
每周一晚
20:00-?