分数: ___________任课教师签字：___________
课程作业
学年学期：2017——2018学年第二学期
课程名称：优化理论
作业名称：作业三
学生姓名：
学号：
提交时间：
一、问题重述
形如的min (x),x R n f ∈问题称为无约束优化问题，常用下降算法来解决这类问题。下降算法的关键在于步长和搜索方向的选取。步长的求取可以借助前面作业中提到的一维搜索等方法求取，而搜索方向算法可以分为两大类，解析法和直接法。
解析法借助了目标函数的导数进行搜索，这类算法搜索速度快、效率高，但是对目标函数的要求更为严格。常用的方法有最速下降法、Newton 法、共轭梯度法、拟Newton 法等。
直接法不使用导数，也不需要得到目标函数的明确解析式，只需要能够得到某些函数上的点即可。因此直接法的适用范围更广，但相应的收敛速度会较慢，计算量也会随着问题维数的增加而迅速增大。常用的方法有单纯形法、Powell 方向加速法以及Powell 改进算法。
本作业以直接法的Powell 法为例，解决具体的无约束优化问题，并对将Powell 方向加速法和Powell 改进算法解决结果进行对比。
二、算法原理
对于n 维正定二次函数(x)0.5T T f x Gx b x c =++，设011,,...(k n)k p p p -<关于G 共轭，0x 与1x 为任意不同点。分别从0x 与1x 出发，依次沿011,,...k p p p -作一维搜索。如果最后找到两个互不相同的极小点x a 与x b ，则x b a x -与011,,...k p p p -关于G 共轭。
Powell 方向加速法正是基于这一原理，每次迭代过程作n+1次一维搜索。第一次沿给定的n 个线性无关的方向011,,...n p p p -依次作一维搜索，之后沿由这一阶段的起点到第n 次搜索所得到的点的方向P 再做一次一维搜索，并把这次所得点作为下一阶段的起点，下一阶段的n 个搜索方向为011,,...,n p p p p -。以此直到找到最优解。
此算法是在迭代中逐次生成共轭方向，而共轭方向又是较好的搜索方向，所以称之为方向加速法。但是，此算法产生的n 个向量可能线性或近似线性相关，这时张不成n 维空间，可能得不到真正的极小点。因此，Powell 原始算法存在一定的缺陷。
Powell 改进算法虽然不再具有二次终止性，但克服了搜索方向的线性相关的不利情形，是解决无约束优化问题较有效的直接法之一。
本次作业一维搜索的过程是利用函数求导，求得最小值。经过试验发现，α是允许为负数的。否则最终寻优得到的极值点与实际结果存在很大的偏差，
而且寻优的效率特别低下。
三、算法流程
Powell算法流程图：
图1 Powell算法流程图
Powell改进算法流程图：
图2 Powell 改进算法流程图
四、实验验证
1、设目标函数421122(x)x (1x )f x x =++++，收敛精度为0.001，初始点（-2,2）。
利用Matlab 自带的函数求二元函数极值点函数fminsearch ，求得极值点为(-0.630,-1.500)，最小值为-1.722。以此为标准，检验Powell 方向加速法和Powell 改进算法的寻优结果。
Powell 方向加速法经过2次迭代，求得极值点（-0.630,-1.500），对应的最小值-1.722；Powell 改进方向加速法经过2次迭代，求得极值点（-0.630,-1.500），对应的最小值1.722。
2、设目标函数42112212(x)x (1x )f x x x x =+++++，收敛精度为0.001，初始点（-2,2）。
利用Matlab 自带的函数求二元函数极值点函数fminsearch ，求得极值点为(0.5827,-1.7913)，最小值为-1.5109。以此为标准，检验Powell 方向加速法和Powell 改进算法的寻优结果。
Powell 方向加速法经过4次迭代，求得极值点（0.5827,-1.7912），对应的最小值-1.5109；Powell 改进方向加速法经过2次迭代，求得极值点（-0.630,-1.500），对应的最小值1.722。两种方法对应的寻优过程如下图所示。
x 1
x
2
Pwoell 方向加速法寻优过程
x 1
2
Pwoell 改进法寻优过程
图3 Powell 直接与改进法寻优过程
四、算法程序
1、Powell方向加速关键部分算法：
end end
2、Powell改进法关键部分算法：
用《乘除法解决实际问题》的教学反思 池西一小孙志坤 《用乘除法解决实际问题》是二年级下册第二单元的内容。本节课我以新课标倡导的理念为指导，在教学设计上主要体现以下几点： 1、数学问题生活化、情境化。数学来源于生活，数学学习中解决问题是很重要一部分，就是要解决现实生活中的实际问题。本节课在组织教学材料时，围绕逛超市的事情，创设一个现实的生活情景，将学生置身于现实问题的情景中，把学生的学习活动同现实生活紧密联系起来，激发了学生的好奇心和求知欲望，体验到生活是数学的源泉，了解了数学的价值，增强了应用数学的意识。 2、学生主动建构新知。本课为学生提供了自主探究、主动获取新知识的时间和空间，充分让学生通过看、想、说、算等实践活动，感知新知和旧知的内在联系，教师穿针引线，适时点拨，帮助学生完成新知的主动建构。引发学生的主体意识，培养发现问题、分析问题、解决问题的能力。 3、加强合作学习。学生要从小学会与人交往，与人沟通，与人协作。本节课我在设计教学时，把合作学习作为一种主要的学习方式，通过学生之间讨论、交流，每一位学生充分地参与认知活动，提高了课堂教学效率，保证每一位学生都得到应有的发展，增强了学生的合作意识和合作能力。
当然，教学中也发现了一些不足： 1、对于书中的插图，他们弄不明白，哪些该做为已知条件，哪个该做为要求的问题。 如：练习七的第4题，图上画的是草地上有3组小兔子，每组是3只，问：每只吃2个萝卜，一共需要多少个萝卜？这是一道两步计算的应用题：3x3x2，而他们则直接把第一步给省略了，写成一步算式：9x2。 2、前后知识不能融会贯通。练习题中，如果把乘法应用题和除法应用题放在一起，让他们做，他们就似乎搞不明白倒底该用什么方法去列算式。 如：树苗图——每行载6棵，一共4行，问，有3个小朋友给它们浇水，平均每人浇几棵？这是一个先乘后除的应用题，必须要先求出总数，然后再平均分。极个别学生面对两步计算的应用题，头脑一片空白，无处下手似的。 因为是刚接触，每个孩子接受能力是不同的，还需要多多练习巩固，掌握各种题型后才熟能生巧，游刃有余。 总之，以上是我在教学本课过程中几点不成熟的思考，在教学之后，及时记下，不断反思。在教学工作中，及时对课堂教学设计和实践进行反思，作为改进教学、总结经验和探索规律的依据，对指导今后的教学实践，促进教学水平的不断提高会有很大帮助。
实验八 无约束优化问题 一.实验目的 掌握应用matlab 求解无约束最优化问题的方法 二.实验原理及方法 1：标准形式： 元函数 为其中n R R f X f n R x n →∈:) (min 2．无约束优化问题的基本算法一．最速下降法（共轭梯度法）算法步骤：⑴ 给定初始点 n E X ∈0，允许误差0>ε,令k=0； ⑵ 计算() k X f ?； ⑶ 检验是否满足收敛性的判别准则： () ε≤?k X f ， 若满足，则停止迭代，得点k X X ≈*，否则进行⑷； ⑷ 令() k k X f S -?=，从k X 出发，沿k S 进行一维搜索， 即求k λ使得： ()() k k k k k S X f S X f λλλ+=+≥0 min ； ⑸ 令k k k k S X X λ+=+1，k=k+1返回⑵. 最速下降法是一种最基本的算法，它在最优化方法中占有重要地位.最速下降法的优点是工作量小，存储变量较少,初始点要求不高；缺点是收敛慢，最速下降法适用于寻优过程的前期迭代或作为间插步骤，当接近极值点时，宜选用别种收敛快的算法.．牛顿法算法步骤： (1) 选定初始点n E X ∈0，给定允许误差0>ε，令k=0； (2) 求()k X f ?,()() 1 2-?k X f ,检验：若() ε
二年级数学下册《用乘除法解决实际问 题》教案 第十时 用乘除法解决实际问题 教学内容： 授日期： 年 月 日 星期 本P31页例4，练习七相应的习题。 教学目标： 、 使学生初步学会利用乘法和除法两步计算解决简单的实际问题。 2、 使学生进一步感知数学与生活的密切联系，体验学数学、用数学的乐趣。
3、 培养学生认真观察、独立思考等良好的学习习惯。 教学重点： 、 使学生初步学会利用乘法和除法两步计算解决简单的实际问题。 2、 引导学生探索解决乘除两步应用题的方法。 教学难点： 引导学生探索解决乘除两步应用题的方法。 教学准备：主题图或等。 教学过程： 一、创设情境，激发兴趣 今天，让我们一起到儿童商场逛一逛。出示例4的主题图。 问：你们瞧，这个柜台里有什么？ 学生观察主题图后回答。 【设计意图】：把学生带入商场，身临其境，提高参与学习的积极性和主动性。 二、合作交流、探索新知 、 教学例4。
（1）、出示情境图：从他们的议论中你知道了什么？ （2）、学生观察情境图，找出里面的数学问题。 （3）、小明想买辆小汽车。，应该付多少钱？ 引导学生得出：12÷3=4（元）是求1辆小汽车多少钱。因为要知道小明买辆小汽车应付多少钱，必须要先知道1辆小汽车多少钱。 （4）、鼓励学生再提出问题。 2、小结：揭示题。 【设计意图】：把探索知识的主动权交给学生，通过思考、讨论、交流、汇报的形式，找出解决问题的方法，让学生真正成为学习的主人。为学生提供选择的空间，引发主体意识，培养学生发现问题、分析问题的能力。 三、拓展应用 、 引导学生完成练习七第1题。问：要完成这道题必须先知道什么？ 2、 引导学生完成第2题。 3、 教师巡视。指名汇报并说说是怎样想的。 【设计意图】：多种形式的练习，使学生巩固并掌握利用乘法和除法的实际问题。
无约束最优化问题及其Matlab 求解 一、教学目标 1. 了解悟约束规划的基本算法最速下降法（共轭梯度法）的基本步骤 2. 掌握用Matlab 求解五约束的一元规划问题、多元规划问题、以及Matlab 求解过程中参数的设置。 3. 针对实际问题能列出其无约束规划方程并用Matlab 求解。 二、 教学手段 1. 用Flashmx 2004制作课件，并用数学软件Matlab 作辅助教学。 2. 采用教学手法上采取讲授为主、讲练结合的方法。 3. 上机实践操作。 三、 教学内容 （一）、求解无约束最优化问题的基本思想 标准形式： ★（借助课件说明过程） （二）、无约束优化问题的基本算法 1．最速下降法（共轭梯度法）算法步骤： ⑴ 给定初始点n E X ∈0，允许误差0>ε,令k=0； ⑵ 计算()k X f ?； ⑶ 检验是否满足收敛性的判别准则： ()ε≤?k X f ， 若满足，则停止迭代，得点k X X ≈*，否则进行⑷； ⑷ 令()k k X f S -?=，从k X 出发，沿k S 进行一维搜索， 即求k λ使得： ()() k k k k k S X f S X f λλλ+=+≥0min ； ⑸ 令k k k k S X X λ+=+1，k=k+1返回⑵. 最速下降法是一种最基本的算法，它在最优化方法中占有重要地位.最速下降法的优点是工作量小，存储变量较少,初始点要求不高；缺点是收敛慢。 ★（借助课件说明过程,由于 算法 在实际中用推导过程比较枯燥，用课件显示搜索过程比较直观） 2. 采用Matlab 软件，利用最速下降法求解无约束优化问题 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 （...） 其中（3）、（4）、（5）的等式右边可选用（1）或（2）的等式右边。函数fminbnd ()X f n E X ∈min 其中 1:E E f n →
无约束优化方法---鲍威尔方法 本实验用鲍威尔方法求函数f(x)=(x1-5)2+(x2-6)2 的最优解。 一、简述鲍威尔法的基本原理 从任选的初始点x⑴o出发，先按坐标轮换法的搜索方向依次沿e1.e2.e3进行一维搜索，得各自方向的一维极小点x⑴ x⑵ x⑶.连接初始点xo⑴和最末一个一维极小点x3⑴,产生一个新的矢量 S1=x3⑴-xo⑴ 再沿此方向作一维搜索，得该方向上的一维极小点x⑴. 从xo⑴出发知道获得x⑴点的搜索过程称为一环。S1是该环中产生的一个新方向，称为新生方向。 接着，以第一环迭代的终点x⑴作为第二环迭代的起点xo⑵,即 Xo⑵←x⑴ 弃去第一环方向组中的第一个方向e1，将第一环新生方向S1补在最后，构成第二环的基本搜索方向组e2,e3,S1，依次沿这些方向求得一维极小点x1⑵,x2⑵,x3⑵.连接 Xo⑵与x3⑵,又得第二环的新生方向 S2=x3⑵-xo⑵ 沿S2作一维搜索所得的极小点x⑵即为第二环的最终迭代点 二、鲍威尔法的程序 #include "stdafx.h" /* 文件包含*/ #include
#include
目录 1.多维有约束优化错误!未定义书签。 题目错误!未定义书签。 已知条件错误!未定义书签。 建立优化模型错误!未定义书签。 问题分析及设计变量的确定错误!未定义书签。 目标函数的确定错误!未定义书签。 约束条件的建立错误!未定义书签。 优化方法的选择错误!未定义书签。 数学模型的求解错误!未定义书签。 确定数学优化模型错误!未定义书签。 运用Matlab优化工具箱对数学模型求解错误!未定义书签。 1. 最优解以及结果分析错误!未定义书签。 2.多维无约束优化错误!未定义书签。 题目错误!未定义书签。 确定优化设计模型错误!未定义书签。 运用Matlab优化工具箱对数学模型求解错误!未定义书签。 编写目标函数错误!未定义书签。 绘制该函数的平面和空间等值线错误!未定义书签。 利用matlab工具箱fminunc函数对该模型进行求解错误!未定义书签。求解结果错误!未定义书签。
1.多维有约束优化 题目 对一对单级圆柱齿轮减速器，以体积最小为目标进行多维有约束优化设计。 已知条件 已知数输入功p=58kw ，输入转速n1=1000r/min ，齿数比u=5，齿轮的许用应力[δ]H=550Mpa ，许用弯曲应力[δ]F=400Mpa 。 建立优化模型 1.3.1问题分析及设计变量的确定 由已知条件得求在满足零件刚度和强度条件下，使减速器体积最小的各项设计参数。由于齿轮和轴的尺寸（即壳体内的零件）是决定减速器体积的依据，故可按它们的体积之和最小的原则建立目标函数。 单机圆柱齿轮减速器的齿轮和轴的体积可近似的表示为： ] 3228)6.110(05.005.2)10(8.0[25.087)(25.0))((25.0)(25.0)(25.02221222122212222122121222 21222120222222222121z z z z z z z z z z z g g z z d d l d d m u mz b bd m u mz b b d b u z m b d b z m d d d d l c d d D c b d d b d d b v +++---+---+-=++++- ----+-=πππππππ 式中符号意义由结构图给出，其计算公式为 b c d m umz d d d m umz D mz d mz d z z g g 2.0) 6.110(25.0,6.110,21022122211=--==-=== 由上式知，齿数比给定之后，体积取决于b 、z 1 、m 、l 、d z1 和d z2 六个参数，则设计变量可取为 T z z T d d l m z b x x x x x x x ][][21 1 65 4321== 1.3.2目标函数的确定 根据以上分析，可知，该齿轮减速器以体积最小的目标函数为： min )32286.18.092.0858575.4(785398.0)(26252624252463163212 51261231232123221→++++-+-+-+=x x x x x x x x x x x x x x x x x x x x x x x x x x f 1.3.3 约束条件的建立 (1)为避免发生根切，应有min z z ≥17=，得 017)(21≤-=x x g (2)齿宽应满足 max min ??≤≤ d b ，min ?和max ?为齿宽系数d ?的最大值和最小值，一般取min ?=，
行域 φ 内，选择一个初始点 X 然后确定一个可行 得一个目标函数有所改善的可行的新点 X 即完成了 第四章 约束优化设计 ● 概述 ● 约束坐标轮换法 ● 随机方向法 ● 罚函数法 概述 结构优化设计的问题，大多属于约束优化设计问题，其数学模型为： s .t . min f (x ) g u (x ) ≤ 0 h v (x ) = 0 x ∈ R n u = 1, 2,..., m v = 1, 2,..., p < n 根据求解方式的不同，可分为直接解法和间接解法两类。 直接解法是在仅满足不等式约束的可行设计区域内直接求出问题的约束最优解。属于 这类方法的有：随机实验法、随机方向搜索法、复合形法、可行方向法等。其基本思路： 在由 m 个不等式约束条件 gu(x )≤0 所确定的可 0 搜索方向 S ，且以适当的步长沿 S 方向进行搜索，取 1 一次迭代。以新点为起始点重复上述搜索过程，每次 均按如下的基本迭代格式进行计算： X k+1=X k +α k S k (k=0,1,2,..) 逐步趋向最优解， 直到满足终止准则才停止迭代。 直接解法的原理简单，方法实用，其特点是： 1） 由于整个过程在可行域内进行，因此，迭代计算 不论何时终止，都可以获得比初始点好的设计点。 2） 若目标函数为凸函数，可行域为凸集，则可获得全域最优解，否则，可能存在多个局 部最优解，当选择的初始点不同，而搜索到不同的局部最优解。 3） 要求可行域有界的非空集
φ(X,μ1,μ2)=F(X)+∑μ 1 G??g j X)??+∑μ2H??h k(X)?? a)可行域是凸集；b)可行域是非凸 集 间接解法 间接解法是将约束优化问题转化为一系列无约束优化问题来解的一种方法。由于间接解法可以选用已研究比较成熟的无约束优化方法，并且容易处理同时具有不等式约束和等式约束的问题。因而在机械优化设计得到广泛的应用。 间接解法中具有代表性的是惩罚函数法。将约束函数进行特殊的加权处理后，和目标函数 结合起来，构成一个新的目标函数，即将原约束优化问题转化为一个或一系列的无约束优 化问题。 m l j=1k=1 新目标函数 然后对新目标函数进行无约束极小化计算。 加权因子 间接法是结构优化设计中广泛使用的有效方法，其特点： 1）由于无约束优化方法的研究日趋成熟，为间接法提供可靠基础。这类算法的计算效率和数值计算的稳定性大有提高； 2）可以有效处理具有等式约束的约束优化问题； 3）目前存在的主要问题，选取加权因子较为困难，选取不当，不仅影响收敛速度和计算精度，甚至导致计算失败。
项目三 常用无约束最优化方法（一） [实验目的] 编写最速下降法、Newton 法（修正Newton 法）的程序。 [实验学时] 2学时 [实验准备] 1．掌握最速下降法的思想及迭代步骤。 2．掌握Newton 法的思想及迭代步骤； 3．掌握修正Newton 法的思想及迭代步骤。 [实验内容及步骤] 编程解决以下问题：【选作一个】 1．用最速下降法求 22120min ()25[22]0.01T f X x x X ε=+==，，，． 2．用Newton 法求 22121212min ()60104f X x x x x x x =--++-， 初始点 0[00]0.01T X ε==，，． 最速下降法 Matlab 程序： clc;clear; syms x1 x2; X=[x1,x2]; fx=X(1)^2+X(2)^2-4*X(1)-6*X(2)+17; fxd1=[diff(fx,x1) diff(fx,x2)]; x=[2 3]; g=0; e=0.0005; a=1; fan=subs(fxd1,[x1 x2],[x(1) x(2)]); g=0; for i=1:length(fan) g=g+fan(i)^2; end g=sqrt(g); step=0; while g>e step=step+1; dk=-fan; %点x(k)处的搜索步长
ak=((2*x(1)-4)*dk(1)+(2*x(2)-6)*dk(2))/(dk(1)*dk(2)-2*dk(1)^2-2*dk(2)^2); xu=x+ak*dk; x=xu; %输出结果 optim_fx=subs(fx,[x1 x2],[x(1) x(2)]); fprintf(' x=[ %d %d ] optim_fx=%d\n',x(1),x(2),optim_fx); %计算目标函数点x(k+1)处一阶导数值 fan=subs(fxd1,[x1 x2],[x(1) x(2)]); g=0; for i=1:length(fan) g=g+fan(i)^2; end g=sqrt(g); end %输出结果 optim_fx=subs(fx,[x1 x2],[x(1) x(2)]); fprintf('\n最速下降法\n结果：\n x=[ %d %d ] optim_fx=%d\n',x(1),x(2),optim_fx); c++程序 #include
第五题： 解：选择类型为： 2/13()x t y t x e x =+ 其中123,,x x x 是待求参数。根据最小二乘原理，参数123,,x x x 是下面优化问题的解。 []2 8 1231 m in (,,)()i i i f x x x y t y == -? 用最速下降法求解这一无约束的最优化问题。 zuiyouhua.m function sh=zuiyouhua(x0) % x0为初始猜测值 syms x y z a al; %====================================== t=[0.2,1,2,3,5,7,11,16]; r1=[5.05,8.88,11.63,12.93,14.15,14.73,15.30,15.60]; minf=0; for i=1:8 r(i)=x*exp(y/t(i))+z-r1(i); %构造最小二乘最优化的目标函数 minf=r(i)^2+minf; end %====================================== f1=diff(minf,x); f2=diff(minf,y); f3=diff(minf,z); %求目标函数的梯度 F=[f1,f2,f3]; %====================================== Fx1= -subs(F,{x,y,z},x0); Fx=Fx1/norm(Fx1); k=0; %====================================== %最速下降法核心迭代程序 while 1 x1=x0+a*Fx; P=subs(minf,{x,y,z},x1); xx1=xianxing(P); %调用线性搜索函数 al=huangjing(P,xx1); %调用黄金分割法函数； x0=x0+al*Fx; Fx1= -subs(F,{x,y,z},x0); Fx=Fx1/norm(Fx1); if norm(Fx1)<5e-4 sh=x0; return; end end %====================================== function xx=xianxing(Pa) %一维搜索法线性搜索函数 aa=findsym(Pa); a1=1; h=0.5; k=0; t1=2; while 1 a2=a1+h; Pa1=subs(Pa,aa,a1); Pa2=subs(Pa,aa,a2); if Pa2< Pa1 h=t1*h; a0=a1; a1=a2; k=k+1; if k>1000 disp('迭代步数太多，可能不收敛！'); end else if k==0 h=-h; a0=a2; else c1=min(a0,a2); d1=max(a0,a2); xx=[c1,d1]; return; end end end %====================================== function al1=huangjing(Pb,xx2)
小学二年级下册数学教案：用乘除法解决实际问题用乘除法解决实际问题 教学内容： 课本P31页例4，练习七相应的习题。 教学目标： 使学生初步学会利用乘法和除法两步计算解决简单的实际问题。 使学生进一步感知数学与生活的密切联系，体验学数学、用数学的乐趣。 培养学生认真观察、独立思考等良好的学习习惯。 教学重点： 使学生初步学会利用乘法和除法两步计算解决简单的实际问题。 引导学生探索解决乘除两步应用题的方法。 教学难点： 引导学生探索解决乘除两步应用题的方法。 教学准备：主题图或课件等。 教学过程： 一、创设情境，激发兴趣 今天，让我们一起到儿童商场逛一逛。出示例4的主题图。 问：你们瞧，这个柜台里有什么? 学生观察主题图后回答。 【设计意图】：把学生带入商场，身临其境，提高参与学习的积极性和主动性。
二、合作交流、探索新知 教学例4。 (1)、出示情境图：从他们的议论中你知道了什么? (2)、学生观察情境图，找出里面的数学问题。 (3)、小明想买5辆小汽车。，应该付多少钱? 引导学生得出：12÷3=4(元)是求1辆小汽车多少钱。因为要知道小明买5辆小汽车应付多少钱，必须要先知道1辆小汽车多少钱。 (4)、鼓励学生再提出问题。 2、小结：揭示课题。 【设计意图】：把探索知识的主动权交给学生，通过思考、讨论、交流、汇报的形式，找出解决问题的方法，让学生真正成为学习的主人。为学生提供选择的空间，引发主体意识，培养学生发现问题、分析问题的能力。 三、拓展应用 引导学生完成练习七第1题。问：要完成这道题必须先知道什么? 引导学生完成第2题。 教师巡视。指名汇报并说说是怎样想的。 【设计意图】：多种形式的练习，使学生巩固并掌握利用乘法和除法的实际问题。 四、课堂总结。今天的学习你有什么收获? 教学反思：
第10课时练习课（一） 教学内容： 课本P24-25页，练习五4~7题。 教学目标： 1、使学生能够熟练运用所学乘、除法知识解决问题。 2、进一步培养学生数学应用意识和解决问题能力。 教学重点： 提高学生解决问题技能。 教学难点： 进一步培养学生数学应用意识和解决问题能力。 教学准备：图片、题卡或课件等。 教学过程： 一、谈话引入 1、我们已经学了利用乘法和除法两步计算解决简单实际问题，你们都有哪些收获？把你收获再组里交流一下。 2、教师巡视，指名汇报。 3、今天我们继续来研究这个问题。 【设计意图】：使学生明确学习目标。 二、探索学习 1、引导学生完成练习五第5题。 （1）出示情境图，学生看图，想想应该先算什么，再算什么？ （2）还有其他想法吗？学生思考、回答并独立完成。 2、引导学生完成第8题。 （1）让学生完成前两个问题。然后交流汇报。 （2）引导学生再提出问题。 3、引导学生完成第6题。夺红旗比赛并评比优秀。
4、引导学生完成第7题。学生看图思考并独立完成。 【设计意图】：练习与生活实际联系在一起，扩大用除法计算解决问题空间，让学生感受生活中处处用数学同时，提高学生解决实际问题能力。 三、拓展应用 1、补充拓展性练习。 （1）妈妈分苹果，分给家里每人1个后还剩1个，如果每人分2个，还少2个，家里有几个人？妈妈拿来几个苹果？ （2）盒子里有一些饼干，它们块数比20多比30少，如果把它们平均分，那么平均分成份数和每份块数同样多。你知道盒子里有多少块饼干吗？ 2、先让学生独立思考，再讨论、交流，教师指导。 【设计意图】：拓展性练习培养学生思维灵活性，并在交流中分享成功喜悦。 四、课堂总结。 今天学习你有什么收获？ 第11课时练习课（二） 教学内容： 课本P25页，练习七8、9、10题。 教学目标： 1、使学生能够熟练运用所学乘、除法知识解决问题。 2、进一步培养学生数学应用意识和解决问题能力。
《用乘除法解决实际问题》教学反思 《新课程标准》中指出：学生只有在自主探究、合作交流的过程中，才能真正理解和掌握基本的数学知识与技能、数学思想与方法。因此，这单元，我本着“让学生的自主探究活动贯穿于课的始终”的原则，给学生提供了充分探究的时间与空间我认为成功之处在于做到了三个突出：突出主体性，充分让学生自主探究；突出实践性，发展学生的数学应用意识；突出发展性，注重一些基本的数学思想、方法的渗透，关注学生今后的发展。 具体体现在以下几个方面：如在突破找中间问题这个难点时，我让学生根据信息提出可能会遇到的数学问题，小组讨论应先解决什么问题，再解决什么问题，让学生自主去探索解决问题的方法；在巩固新知时，让三个人数不同的游玩项目小组分别根据已有信息，探索并解决自己组的购票问题；在活动拓展时，又让学生组内合作交流，根据已有信息提出两步计算的乘除法问题。营造了一个让学生自己发现问题、解决问题的良好氛围，发展了学生的探究意识和合作意识，培养了学生良好的合作习惯，并帮助学生形成了一定的探究、合作性学习的经验与技巧。借助一个简单的自制课件，把学生带入商场，身临其境，提高参与学习的积极性和主动性。我开始上课了。 为将课通过一个主题连接起来，我改变了例题，第一环节：先让孩子们认识单价，我起先没有写出小汽车的价钱，从而引出第一步：12元钱可以买3辆小汽车。那么一辆小汽车的价钱是多少？根据这些条件，不是吹的，孩子们都回答得很好，进而我再问：买5辆车多少钱？大部分孩子想到的，合作学习与独立思考相结合。如在例题教学“两道题之间有什么关系？”这个问题，你是怎么想的，我采用了小组合作讨论的形式，而在做一做这题中，我让学生直接回答。小组讨论的形式给了学生更宽裕的时间，有利于学生组织更好的语言，并培养了学生的合作精神。而独立思考的形式发挥了学生学习的自主性，对于学生思
分数: ___________任课教师签字：___________ 课程作业 学年学期：2017——2018学年第二学期 课程名称：优化理论 作业名称：作业三 学生姓名： 学号： 提交时间：
一、问题重述 形如的min (x),x R n f ∈问题称为无约束优化问题，常用下降算法来解决这类问题。下降算法的关键在于步长和搜索方向的选取。步长的求取可以借助前面作业中提到的一维搜索等方法求取，而搜索方向算法可以分为两大类，解析法和直接法。 解析法借助了目标函数的导数进行搜索，这类算法搜索速度快、效率高，但是对目标函数的要求更为严格。常用的方法有最速下降法、Newton 法、共轭梯度法、拟Newton 法等。 直接法不使用导数，也不需要得到目标函数的明确解析式，只需要能够得到某些函数上的点即可。因此直接法的适用范围更广，但相应的收敛速度会较慢，计算量也会随着问题维数的增加而迅速增大。常用的方法有单纯形法、Powell 方向加速法以及Powell 改进算法。 本作业以直接法的Powell 法为例，解决具体的无约束优化问题，并对将Powell 方向加速法和Powell 改进算法解决结果进行对比。 二、算法原理 对于n 维正定二次函数(x)0.5T T f x Gx b x c =++，设011,,...(k n)k p p p -<关于G 共轭，0x 与1x 为任意不同点。分别从0x 与1x 出发，依次沿011,,...k p p p -作一维搜索。如果最后找到两个互不相同的极小点x a 与x b ，则x b a x -与011,,...k p p p -关于G 共轭。 Powell 方向加速法正是基于这一原理，每次迭代过程作n+1次一维搜索。第一次沿给定的n 个线性无关的方向011,,...n p p p -依次作一维搜索，之后沿由这一阶段的起点到第n 次搜索所得到的点的方向P 再做一次一维搜索，并把这次所得点作为下一阶段的起点，下一阶段的n 个搜索方向为011,,...,n p p p p -。以此直到找到最优解。 此算法是在迭代中逐次生成共轭方向，而共轭方向又是较好的搜索方向，所以称之为方向加速法。但是，此算法产生的n 个向量可能线性或近似线性相关，这时张不成n 维空间，可能得不到真正的极小点。因此，Powell 原始算法存在一定的缺陷。 Powell 改进算法虽然不再具有二次终止性，但克服了搜索方向的线性相关的不利情形，是解决无约束优化问题较有效的直接法之一。 本次作业一维搜索的过程是利用函数求导，求得最小值。经过试验发现，α是允许为负数的。否则最终寻优得到的极值点与实际结果存在很大的偏差，
分数: ___________ 任课教师签字：___________ 课程作业 学年学期：2017——2018学年第二学期 课程名称：优化理论 作业名称：作业三 学生姓名： 学号： 提交时间：
一、问题重述 形如的min (x),x R n f ∈问题称为无约束优化问题，常用下降算法来解决这类问题。下降算法的关键在于步长和搜索方向的选取。步长的求取可以借助前面作业中提到的一维搜索等方法求取，而搜索方向算法可以分为两大类，解析法和直接法。 解析法借助了目标函数的导数进行搜索，这类算法搜索速度快、效率高，但是对目标函数的要求更为严格。常用的方法有最速下降法、Newton 法、共轭梯度法、拟Newton 法等。 直接法不使用导数，也不需要得到目标函数的明确解析式，只需要能够得到某些函数上的点即可。因此直接法的适用范围更广，但相应的收敛速度会较慢，计算量也会随着问题维数的增加而迅速增大。常用的方法有单纯形法、Powell 方向加速法以及Powell 改进算法。 本作业以直接法的Powell 法为例，解决具体的无约束优化问题，并对将Powell 方向加速法和Powell 改进算法解决结果进行对比。 二、算法原理 对于n 维正定二次函数(x)0.5T T f x Gx b x c =++，设011,,...(k n)k p p p -<关于G 共轭，0x 与1x 为任意不同点。分别从0x 与1x 出发，依次沿011,,...k p p p -作一维搜索。如果最后找到两个互不相同的极小点x a 与x b ，则x b a x -与011,,...k p p p -关于G 共轭。 Powell 方向加速法正是基于这一原理，每次迭代过程作n+1次一维搜索。第一次沿给定的n 个线性无关的方向011,,...n p p p -依次作一维搜索，之后沿由这一阶段的起点到第n 次搜索所得到的点的方向P 再做一次一维搜索，并把这次所得点作为下一阶段的起点，下一阶段的n 个搜索方向为011,,...,n p p p p -。以此直到找到最优解。 此算法是在迭代中逐次生成共轭方向，而共轭方向又是较好的搜索方向，所以称之为方向加速法。但是，此算法产生的n 个向量可能线性或近似线性相关，这时张不成n 维空间，可能得不到真正的极小点。因此，Powell 原始算法存在一定的缺陷。 Powell 改进算法虽然不再具有二次终止性，但克服了搜索方向的线性相关的不利情形，是解决无约束优化问题较有效的直接法之一。 本次作业一维搜索的过程是利用函数求导，求得最小值。经过试验发现，α是允许为负数的。否则最终寻优得到的极值点与实际结果存在很大的偏差，而且寻优的效率特别低下。
数学教学设计模板 课题名称：用乘除法两步计算解决问题 教学年级：二年级 一、教学内容分析 本课时内容由人教版小学二年级下册第31页例4及练习七习题。它是结合现实生活使学生初步理解数学问题的基本含义。在掌握了一些数与计算的知识后，学习用所学的知识解决一些简单的实际问题，初步培养学生在实际生活中发现问题, 提出问题,解决问题的能力。 二、学生分析 我给学生创设了购物的场景，让学生“进入”商店看一看，接着，让学生关注售货员与孩子的对话，吸引孩子的学习兴趣。学生已经学习了乘除法的初步认识，用一步计算解决问题已不成问题。但在用乘除法解决两步计算的实际问题时，先确定算哪一步有一些困难。教学时，可先提出中间问题进行过渡。 三、学习目标（以学生为主语） 1.借助购物的生活经验及动手实践活动学习探讨用乘除两步计算解决问题的方法。 2.会从多角度提出问题和用不同方法解决问题。 3.感受到数学与现实生活的密切联系，体会数学在生活中的巨大作用。 四、教学活动 一、创设情境，引入新知 师：同学们，你们去过商店吗？今天老师带着大家一起去儿童商店看一看。 出示例4主题图：（题目中设计到的商品都不标出价钱） 售货员阿姨介绍： 20元可以买5只熊猫玩具；买4个钟表要用24元钱。 师：请同学们根据售货员阿姨给我们提供的信息，自己提出数学问题并解答。 全班交流：（学生可能说出以下答案。） 如：（1）买一只熊猫玩具多少钱？算式：20÷5=4（元） (2) 买一个钟表要用多少钱？算式：24÷4=6（元） 【设计意图】：情境导入呈现例4主题图，把学生带入生动真实的生活情境中去，激发学生的学习兴趣，同时为学生根据已知信息提出数学问题创造了条件，并为后面新知识的学习巧妙地做出铺垫。
最速下降法求解无约束最优化问题 1 理论基础 已知问题模型为 ()min n x R f x ∈ 算法： 1) 选取初始点0x 与()00f f x =，初始化0k = 2) 验证迭代中止条件：k x eps ?<且()k f x eps ?<或lim k > 若是k x eps ?<且()k f x eps ?<，则输出解k x 及迭代次数k 若是lim k >，则输出error 信息 注：其中1010,lim 1000eps -== 3) 计算k x 点搜索方向：()k k d f x =-? 计算k x 点迭代步长：(){}0 arg min k k k f x d ααα≥=+ 更新点列：1k k k k x x d α+=+，1k k =+ 转第2步 2 MATLAB 程序 2.1 函数说明 文件名称：Opt_Steepest.m function [xo, fo] = Opt_Steepest(f, grad, x0, TolX, TolFun, dist0, MaxIter)
% 用最速下降法求最优化解 % 输入： % f——函数名 % grad——梯度函数 % x0——解的初值 % TolX——变量的误差阈值 % TolFun——函数的误差阈值 % dist0——初始步长 % MaxIter——最大迭代次数 % 输出: % xo——最小值的点 % fo——最小的函数值 %% 判断输入的变量数，设定一些变量为默认值if nargin < 7 MaxIter = 1000; %最大迭代次数默认为100 end if nargin < 6 dist0 = 10; %初始步长默认为10 end if nargin < 5 TolFun = 1e-10; %函数值误差为1e-8
多维无约束优化算法 多维无约束优化问题的一般数学表达式为： 求n 维设计变量 使目标函数 多维无约束优化算法就是求解这类问题的方法，它是优化技术中最重要最基础的内容之一。因为它不仅可以直接用来求解无约束优化问题，而且实际工程设计问题中的大量约束优化问题，有时也是通过对约束条件的适当处理，转化为无约束优化问题来求解的。所以，无约束优化方法在工程优化设计中有着十分重要的作用。 目前已研究出很多种无约束优化方法，它们的主要不同点在于构造搜索方向上的差别。 （1）间接法——要使用导数，如梯度法、（阻尼）牛顿法、变尺度法、共轭梯度法等。 （2）直接法——不使用导数信息，如坐标轮换法、鲍威尔法单纯形法等。用直接法寻找极小点时，不必求函数的导数，只要计算目标函数值。这类方法较适用于解决变量个数较少的（n ≤20）问题，一般情况下比间接法效率低。间接法除要计算目标函数值外，还要计算目标函数的梯度，有的还要计算其海赛矩阵。 各种优化方法之间的主要差异是在于构造的搜索方向，因此，搜索方向的构成问题乃是无约束优化方法的关键。 下面介绍几种经典的无约束优化方法。 1、梯度法 基本思想：函数的负梯度方向是函数值在该点下降最快的方向。将n 维问题转化为一系列沿负梯度方向用一维搜索方法寻优的问题，利用负梯度作为搜索方向，故称最速下降法或梯度法。 搜索方向s 取该点的负梯度方向 (最速下降方向) ，使函数值在该点附近的范围内下降最快 。 为了使目标函数值沿搜索方向能够获得最大的下降值，其步长因子应取一维搜索的最佳步长。即有 12[]T n x x x = x ()min f →x ()k f -?x k αmin ()n f R ∈x x 1(0,1,2,)k k k k s k α+=+= x x 1(0,1,2,) k k k k s k α+=+= x x 1()(0,1,2,) k k k k a f k +=-?= x x x 1()[()]min [()]min ()k k k k k k k a a f f a f f a f ?α+=-?=-?=x x x x x
分数乘除法解决实际问题 一、教学目的： 1、让学生结合生活中具体情境经历探索分数乘除混合运算的计算方法的过程，掌握计算方法，并能解答有关的实际些简单的实际问题。 2、使学生掌握分数连除和分数乘除混合运算的计算方法，计算时能根据具体数据选择合适的约分程序。 3、进一步培养学生独立思考、主动与他合作交流、自觉检验等学习习惯，获得一些成功体验，增强学好数学的信心。 二、教学重难点： 1、教学重点：使学生经历探索分数乘除混合运算的计算过程，理解乘除复合应用题的数量关系，掌握计算方法，正确解答一些简单的实际问题。 2、教学难点：正确分析分数连除、乘除复合应用题的数量关系，确定解题方法。 三、教学过程： （一）激趣引入 1、谈话：同学们喜欢过生日吗？你的生日是怎么过的？（让几位学生简单说说）而小明过生日的时候，约了几个同学到家里一起庆祝，他准备了一个蛋糕和几盒果汁，准备与同学们好好地分享一下生日的快乐。 2、引入：小明首先拿了一盒果汁，要倒进杯子里，你能知道这盒果汁可以倒满几杯吗？（有的可能说：不能，很难判定）那为什么呢？（生：缺少条件。不知道杯子有多大，这盒果汁有多少升）好！现在把这两个条件补充完整“每个可装3/10升；一盒有4/5升”，再添加一个条件“果汁有3盒”（电脑显示），你能求出3盒果汁可以倒满几杯吗？ （二）新授 1、出示例6。小明把一盒4/5升的果汁，倒入每个可装3/10升的杯子里。3盒果汁可以倒满几杯？ 2、整理信息。 （1）谈话：要正确解答应用题，首先就要做到认真审题，整理好有关数据，仔细分析题中的数量关系。 （2）提问：从题目中我们可以知道哪些信息？要我们解决什么问题。 （电脑显示） 3盒果汁 每杯3/10升可以倒满几杯？ 每盒4/5升 3、小组讨论解决问题的策略。 （1）提出：怎样解决这个问题？学生先独立思考。 （2）学习小组合作，讨论交流，说说自己的思路，再整理出解决问题的方法。（师巡视辅导） （3）学习小组汇报解决问题的方案，边展示边说说解决问题的思路和方法。
单纯形法 1. 算法原理 单纯形法的基本思想是： 设(0)(1)(),,...,n x x x 是n R 中的1n +个点，构成一个当前的单纯形，max min ,x x 定义如下： {}(0)(1)()max ()max (),(),...,()n f x f x f x f x = {}(0)(1)()min ()min (),(),...,()n f x f x f x f x = 记x 为这个单纯形除去max x 外的所有顶点的形心， ()max 01n i i x x x n =??=- ??? ∑ 取max x 关于x 的反射点(1)n x +，(1)max ()n x x x x +=+-构成新的单纯形，反复上述过程，直到达到停止条件。 2. 函数min f search 1） 函数语法 min (,0)x f search fun x = min (,0,) [,]min (...) [,,]min (...) [,,,]min (...) x f search fun x options x fval f search x fval exitflag f search x fval exitflag output f search ==== 函数输入： fun ：目标函数 0x ：迭代初始点 options ：函数参数设置 函数输出： x ：最优点 fval ：最优点对应的函数值 exitflag ：函数停止信息 1：函数收敛正常停止 0：迭代次数，目标函数计算次数达到最大数 -1：算法被输出函数停止 output ：函数运算信息
2）函数使用 BanaFun m （1）目标函数程序. function f BanaFun x =不含导数解析式 ()() f x x x =-+- 100*((2)(1)^2)^2(1(1))^2 -函数不需要导数信息。 Nelder Mead Simplex SimplexUnc m （2）算法参数设置：. ('arg','','','','',250,'','') = options optimset L eScale off gradobj off MaxFunEvals display iter SimplexUnc m （3）函数调用运算：. = ('arg','','','','',250,'','') options optimset L eScale off gradobj on MaxFunEvals display iter x=- [ 1.9,2] x fval exitflag output f search BanaFun x options = [,,,]min(@,,) 3）计算结果 Iteration Func-count min f(x) Procedure 0 1 267.62 1 3 236.4 2 initial simplex 2 5 67.2672 expand 3 7 12.2776 expand 4 8 12.2776 reflect 5 10 12.277 6 contract inside 6 12 6.76772 contract inside 7 13 6.76772 reflect 8 15 6.76772 contract inside 9 17 6.76772 contract outside 10 19 6.62983 contract inside 11 21 6.55249 contract inside 12 23 6.46084 contract inside 13 24 6.46084 reflect 14 26 6.46084 contract inside 15 28 6.45544 contract outside 16 30 6.42801 expand 17 32 6.40994 expand 18 34 6.32449 expand 19 36 6.28548 expand 20 38 6.00458 expand 21 39 6.00458 reflect 22 41 5.43287 expand