第1章 最优化问题的基本概念
§1.1最优化的概念
最优化就是依据最优化原理和方法，在满足相关要求的前提下，以尽可能高的效率求得工程问题最优解决方案的过程。 §1.2最优化问题的数学模型
1.最优化问题的一般形式
???
????===≤q v x x x h p u x x x g t s x x x f x x x f i n d n v n u n
n
,,2,10),,,(,,2,10),,,(..),,,(m i n ,,,21212121
2.最优化问题的向量表达式
???
?
???=≤0)(0)(..)(m i n X H X G t s X f X f i n d
式中：T n x x x X ],,,[21 =
T p X g X g X g X G )](,),(),([)(21 = T p X h X h X h X H )](,),(),([)(21 =
3.优化模型的三要素
设计变量、约束条件、目标函数称为优化设计的三要素！
设计空间：由设计变量所确定的空间。设计空间中的每一个点都代表一个设计方案。 §1.3优化问题的分类
按照优化模型中三要素的不同表现形式，优化问题有多种分类方法： 1按照模型中是否存在约束条件，分为约束优化和无约束优化问题 2按照目标函数和约束条件的性质分为线性优化和非线性优化问题 3按照目标函数个数分为单目标优化和多目标优化问题
4按照设计变量的性质不同分为连续变量优化和离散变量优化问题
第2章 最优化问题的数学基础
§2.1 n 元函数的可微性与梯度
一、可微与梯度的定义
1.可微的定义
设)(X f 是定义在n 维空间n R 的子集D 上的n 元实值函数，且D X ∈0。若存在n 维向量L ，对于任意n 维向量P ，都有
0)()(lim 000=--+→P P L X f P X f T P 则称)(X f 在0X 处可微。
2.梯度
设有函数)(X F ，T n x x x X ],,,[21 =，在其定义域内连续可导。我们把)(X F 在定义域内某点X 处的所有一阶偏导数构成的列向量，定义为)(X F 在点X 处的梯度。记为：
T
n k
x F x F x F X F ????????????=?,,,)(21
梯度有3个性质：
⑴函数在某点的梯度方向为函数过该点的等值线的法线方向； ⑵函数值沿梯度方向增加最快，沿负梯度方向下降最快； ⑶梯度描述的只是函数某点邻域内的局部信息。 §2.2极小点及其判别条件 一、相关概念
1.极小点与最优解
设)(X f 是定义在n 维空间n R 的子集D 上的n 元实值函数，若存在D X ∈*及实数
0>δ，使得)(),(**X X D X N X ≠?∈?δ都有)()(*X f X f ≤，则称*X 为)(X f 的局部极小点；若)()(*X f X f <，则称*X 为)(X f 的严格局部极小点。
若D X ∈?，都有)()(*X f X f ≤，则称*X 为)(X f 的全局极小点，若)()(*X f X f <，则称*X 为)(X f 的全局严格极小点。
对最优化问题???
?
???=≤0)(0)(..)(min X H X G t s X f X
find 而言
满足所有约束条件的向量T n x x x X ],,,[21 =称为上述最优化问题的一个可行解，全体可行解组成的集合称为可行解集。在可行解集中，满足： )(m i n )(*X f X f =的解称为优化问题的最优解。
2.凸集和凸函数
凸集：设n R D ?，若对所有的D X X ∈21、，及]1,0[∈α，都有D X X ∈-+21)1(αα，则称D 为凸集。
凸函数：设1:R R D f n →?，D 是凸集，如果对于所有的D X X ∈21、，及]1,0[∈α，都有)()1()(])1([2121X f X f X X f αααα-+≤-+，则称)(X f 为D 上的凸函数。 二、局部极小点的判别条件
驻点：设)(X f 是定义在n 维空间n R 的子集D 上的n 元实值函数，*X 是D 的内点，若0)(*=?X f ，则称*X 为)(X f 的驻点。
局部极小点的判别：设)(X f 是定义在n 维空间n R 的子集D 上的n 元实值函数，具有连续的二阶偏导数。若*X 是)(X f 的驻点，且)(*2X f ?是正定矩阵，则*X 是)(X f 的严格局部极小点。
第3章 无约束优化方法
§3.1下降迭代算法及终止准则 一、数值优化方法的基本思想
基本思想就是在设计空间内选定一个初始点k
X ，从该点出发，按照某一方向k
S （该
方向的确定原则是使函数值下降）前进一定的步长k α，得到一个使目标函数值有所下降的新设计点1+k X ，然后以该点为新的初始点，重复上面过程，直至得到满足精度要求的最优点*X 。
该思想可用下式表示：k k k k S X X α+=+1 二、迭代计算的终止准则
工程中常用的迭代终止准则有3种： ⑴点距准则
相邻两次迭代点之间的距离充分小时，迭代终止。 数学表达为：ε≤-+k k X X 1 ⑵函数下降量准则（值差准则）
相邻两次迭代点的函数值之差充分小，迭代终止。 数学表达为：ε≤-+)()(1k k X f X f ⑶梯度准则
目标函数在迭代点处的梯度模充分小时，迭代终止。
数学表达为：ε≤?+)(1k X f 三、算法的收敛速度
对于某一确定的下降算法，其优劣如何评价？人们通常采用收敛速度来评价。 下面给出度量收敛速度的几个概念。 1.P 阶收敛
设序列{}
k X 收敛于解*X ，若存在常数0≥P 及L 、0k ，使当0k k ≥时下式：
p
k k X X L X X **1-≤-+
成立，则称{}
k X 为P 阶收敛。 2.线性收敛
设序列{}
k X 收敛于解*X ，若存在常数0k 、L 及)1,0(∈θ，使当0k k ≥时下式：
k k L X X θ≤-+*1
成立，则称{}
k X 为线性收敛。 3.超线性收敛
设序列{}k X 收敛于解*X ，若任给0>β都存在00>k ，使当0k k ≥时下式：
**1X X X X k k -≤-+β
成立，则称{}
k X 为超线性收敛。 §3.2一维最优化方法 一、确定初始区间的进退法
任选一个初始点0x 和初始步长h ，由此可确定两点01x x =和h x x +=12，通过比较这两点函数值)(1x f 、)(2x f 的大小，来决定第三点3x 的位置。比较这三点函数值是否呈“高——低——高”排列特征，若是则找到了单峰区间，否则向前或后退继续寻求下一点。
进退法依据的基本公式：
01x x = h x x +=12
h x x +=23 具体步骤为：
⑴任意选取初始点0x 和恰当的初始步长h ； ⑵令01x x =，取h x x +=12，计算)(1x f 、)(2x f ；
⑶若)()(21x f x f ≥，说明极小点在2x 右侧，应加大步长向前搜索。转⑷； 若)()(21x f x f <，说明极小点在1x 左侧，应以1x 点为基准反向小步搜索。转⑹； ⑷大步向前搜索：令h h 2?，取h x x +=23，计算)(3x f ；
⑸若)()(32x f x f <，则)(1x f 、)(2x f 、)(3x f 呈“高——低——高”排列，说明],[31x x 即为所求的单峰区间；
若)()(32x f x f ≥，说明极小点在3x 右侧，应加大步长向前搜索。此时要注意做变换：舍弃原1x 点，以原2x 点为新的1x 点，原3x 点为新的2x 点。转⑷，直至出现“高——低——高”排列，则单峰区间可得；
⑹反向小步搜索（要注意做变换）：为了保证3x 点计算公式的一致性，做变换：将
原2x 点记为新1x 点，原1x 点记为新2x 点，令h h 4
1
-?，取h x x +=23，转⑸
例：用进退法确定函数96)(2+-=x x x f 的单峰区间[a ，b ]，设初始点00=x ，1=h 。 解：①10
0==h x
②4)(9
)(1
211201===+===∴x f x f h x x x x
③)()(21x f x f >
说明极小点在2x 点右侧，应加大步长向前搜索
④令2122=?=?h h ，取32123=+=+=h x x 则0)(3=x f ⑤)()(32x f x f >
说明极小点在3x 点右侧，应加大步长向前搜索 舍弃原01=x 的点，令3121==x x ，则0)(4
)(21==x f x f
令4222=?=?h h ，取74323=+=+=h x x 则0)(16)(23=>=x f x f
)(1x f 、)(2x f 、)(3x f 呈“高——低——高”排列
],[31x x ∴为单峰区间，即区间[1，7]即为所求 二、黄金分割法
黄金分割法是基于区间消去思想的一维搜索方法，其搜索过程必须遵循以下的原则：
⑴对称取点的原则：即所插入的两点在区间内位置对称；
⑵插入点继承的原则：即插入的两点中有一个是上次缩减区间时的插入点； ⑶等比收缩的原则：即每一次区间消去后，单峰区间的收缩率λ保持不变。 设初始区间为[a ，b]，则插入点的计算公式为：
)(382.01a b a x -+= )(618.02a b a x -+=
黄金分割法的计算步骤如下： ①给定初始区间[a ，b]和收敛精度ε； ②给出中间插值点并计算其函数值：
)(382.01a b a x -+= )(1x f )(618.02a b a x -+= )(2x f ；
③比较)(1x f 、)(2x f ，确定保留区间得到新的单峰区间[a ，b ]； ④收敛性判别：计算区间[a ，b ]长度并与ε比较，若ε≤-a b ，输出)(2
1
*b a x += 否则转⑤；
⑤在保留区间内继承一点、插入一点，转②。
例：使用黄金分割法求解优化问题：2.0532)(min 2=≤≤-+=εx x x x f ，。
解：①115.0)(056
.0)35(382.03)(382.011==+?+-=-+=x f a b a x ②667.7)(944
.1)35(618.03)(618.022==+?+-=-+=x f a b a x
③∵)()(12x f x f > ∴舍弃（1.944，5]，保留[-3，1.944] ε>--)3(944.1； ④继承原1x 点，即115.0)(056
.022==x f x
插入987.0)(111.1)3944.1(382.03)(382.011-=-=+?+-=-+=x f a b a x
∵)()(12x f x f > ∴舍弃（0.056，1.944]，保留[-3，0.056] ε>--)3(056.0； 继承原1x 点，即987.0)(111
.122-=-=x f x
插入306.0)(832.1)3056.0(382.03)(382.011-=-=+?+-=-+=x f a b a x
∵)()(12x f x f < ∴保留[-1.832，0.056] ε>--)832.1(056.0； 继承原2x 点，即987.0)(111
.111-=-=x f x
插入888.0)(665.0)832.1056.0(618.0832.122-=-=+?+-=x f x
∵)()(12x f x f > ∴保留[-1.832，-0.665]
如此迭代，到第8次，保留区为[-1.111,-0.940] ε<=---171.0)111.1(940.0 ∴999.0)(0255.1)940.0111.1(2
1
**-=-=+-?=x f x
§3.3梯度法 一、基本思想 对于迭代式k
k
k
k S X X
α+=+1
，当取搜索方向)(k k
X f S -?= 时构成的寻优算法，称
为求解无约束优化问题的梯度法。 二、迭代步骤
⑴给定出发点k X 和收敛精度ε；
⑵计算k X 点的梯度)(k X F ?，并构造搜索方向)(k k X F S -?=； ⑶令k k k k S X X α+=+1，通过一维搜索确定步长k α，即：
)(min k k k S X F α+ 求得新点1+k X
⑷收敛判断：若ε≤?+)(1k X F 成立，输出1*+=k X X 、)()(1*+=k X F X F ，寻优结束；否则令1+?k k 转⑵继续迭代，直到满足收敛精度要求。 三、梯度法的特点
梯度法寻优效率受目标函数性态影响较大。若目标函数等值线为圆，则一轮搜索就可找到极致点；若当目标函数等值线为扁椭圆时，收敛速度则显著下降。
梯度法中相邻两轮搜索方向相互垂直。 §3.4牛顿法
牛顿法分为基本牛顿法和阻尼牛顿法两种。
对于迭代式k
k
k
k S X X
α+=+1
，当取1≡k
α且搜索方向)()]([12k k k X f X f S ??-=- 时
构成的寻优算法，称为求解无约束优化问题的基本牛顿法；
对于迭代式k k k k S X X α+=+1，取搜索方向)()]([12k k k
X f X f S ??-=- ，k α为从k X 出发、沿牛顿方向做一维搜索获得的最优步长，所构成的寻优算法，称为求解无约束优化问题的阻尼牛顿法。 搜索方向)()]([12k k k
X f X f S ??-=- 称为牛顿方向。
这里需要注意的是会求海塞阵的逆矩阵。 §3.5变尺度法
我们把具有)(1k k k k k X f A X X ?-=+α迭代模式的寻优算法称为变尺度法。 其搜索方向表达式为：)(k k k X f A S ?-=，称为拟牛顿方向，其中k A 称为变尺度矩阵。
在迭代开始的时候，I A =0；随着迭代过程的继续，)()]([12k k k X f X f A ??-→-。 因此，变尺度法从梯度法出发，随着迭代过程的继续最终趋向于牛顿法。 §3.6共轭梯度法 一、共轭方向的概念
设H 为对称正定矩阵，若有两个n 维向量1S 和2S ，满足021=??S H S T ，则称向量1S 与2S 关于矩阵H 共轭，共轭向量的方向称为共轭方向。
若有一组非零向量1S ，2S ，…，n S 满足)(0j i S H S j T i ≠=??，则称这组向量关于矩阵H 共轭。
对于n 元正定二次函数，依次沿着一组共轭方向进行一维搜索，最多n 次即可得到极值点。
二、共轭方向的形成
对于函数C X B HX X x x x f X f T T
n ++=
=2
1),,,()(21 沿任意方向0S 在设计空间上任意做两条平行线，分别与目标函数等值线切于点1X 、
2X ，令121X X S -=，则0S 、1S 关于矩阵H 共轭。
三、共轭梯度法
对于迭代式k k k k S X X α+=+1，取搜索方向k k k k S X f S β+-?=++)(11 其中：)(00X f S -?=，2
21)
()(k
k k X f X f ??=
+β
共轭梯度法相邻两轮搜索方向是一对共轭方向。 §3.7鲍威尔法
基本迭代公式仍旧是：k k k k S X X α+=+1
基本鲍威尔法每轮搜索分为两步：一环的搜索+在该环搜索完毕后生成的新方向上的一维搜索。
对于基本鲍威尔法，相邻两轮搜索生成的搜索方向是共轭的。
修正鲍威尔法与基本鲍威尔法类似，所不同的是每环搜索后生成的新方向要利用鲍威尔条件判别其可用性。
注意掌握鲍威尔条件的表达式和应用！ 每环搜索方向组的生成：
1．第一环的搜索方向组就是各坐标轴方向
2．下一环的搜索方向组由本环搜索方向组和本环生成的新方向共同确定，方法是：若本环的搜索结果满足鲍威尔条件，则将本环搜索方向组中使目标函数下降量最大的方向去掉，并将本环生成的新方向递补进去，就形成下一环的搜索方向组；若本环的搜索结果不满足鲍威尔条件，则下一环的搜索方向组仍旧沿用本环搜索方向组不变。 下一环搜索起点的确定：
下一环搜索起点由本环搜索结果确定，方法是：若本环的搜索结果满足鲍威尔条件，则以本环搜索终点为起点，沿新生成的方向作一维搜索，得到的新点作为本轮的搜索终点，也是下一轮的搜索起点；若本环的搜索结果不满足鲍威尔条件，则取本环搜索终点和反射点中目标函数值小的点作为本轮的搜索终点，也是下一轮的搜索起点。
这里需要注意的是反射点的计算：k k n k n X X X 022-=+
式中：k n X 2+是本环起点k X 0相对于本环终点k n X 沿新生成方向的反射点。 例：对于无约束目标函数2112221242)(min x x x x x X f --+=，利用修正Powell 法从
??
?
???=110
X 出发求最优解。
解：令??????==1101
0X X ),(2101e e P P ==
??
?
???+=??????+=110110
1
1
ααX X 令0)(11='X f 得：2=α 则：??????=131
1X
??
?
???+=??????+=αα131011
1
2
X X 令0)(12='X f 得：5.0=α 则：??
????=5.131
2X
该环生成的新搜索方向为：??????=??????-??????=-=5.02115.131
0121X X S
对1S 进行有效性判别：
反射点??
????=??????-??????=-=25115.13221
01214X X X
3)(101-==X f f 5.7)(122-==X f f 7)(1
43-==X f f
4)7(3)()(11101=---=-=?X f X f ，5.0)5.7(7)()(1211
2=---=-=?X f X f 故最大下降量41=?=?m
故：13f f <和231221321)(2
1
))(2(f f f f f f f m m -?
以1
2X 为起点，沿1S 方向作一维搜索：
?
?
????++=??????+??????=+=αααα5.05.1235.025.1311
213S X X 由)()(min 11
213S X f X f α+=得4.05/2==α
故，本轮寻优的终点为：??????==7.18.3131X X
做收敛性判别：
22017.08.2+=-X X ，应继续搜索
下一轮寻优过程的起点为：??????==7.18.31
320X X
下一轮寻优过程的搜索方向组为：),(12S e
第4章 约束优化方法
约束优化方法要求大家重点掌握惩罚函数法，包括内点法、外点法、混合法。 一、外点法
构造惩罚函数：
{}∑∑==++=q
v v
k
p
u u
k
k X h r
X g
r
X f r X 1
2
1
2
)]
([]0),(max[)(),(min φ
外点法既可以处理不等式约束优化问题，又可以处理等式约束优化问题。 需要注意的是：惩罚因子k r 随迭代次数的增加是递增的，当∞→k r 时得到的解就是原问题的最优解。 例：用外点法求解
3..1
2)(min 212
221≤-+-+=x t s x x x X f
解：构造惩罚函数{}2
212
221]0,3max[12),(x r x x x r X k k -++-+=φ
?????≤-+-+>--++-+=∴时当时当031
203)3(12),(212
22122
212221x x x x x x r x x x r X k k
φ 令
02211
=-=??x x φ
0)3(22221
=-+=??x r x x k φ
得：k k r
r x x +==13121 9)(3lim 1*2*
2*1
====∴∞→x f x x x k
二、内点法
构造惩罚函数：
∑
=-=p
u u k k
X g r X f r X 1)
(1)(),(φ 或：∑=--=p
u u k
k X g r X f r X 1)](ln[)(),(φ 内点法只能处理不等式约束优化问题，不能处理等式约束优化问题。
需要注意的是：惩罚因子k r 随迭代次数的增加是递减的，当0→k r 时得到的解就是原问题的最优解。
例：用内点法求解约束优化问题 21)(m i n x x X f +=
..1221≤-≤-x x x t s
解：构造惩罚函数121221ln ]ln[),(x r x x r x x r X k k k ---+=φ
令
0121121
211=?---?-=??x r x x x r x k
k φ
01
12
122=-?-=??x x r x k φ 得41811-+=k r x ，k k r r x +-+=16
)181(2
2
当0→k r 时，得???
???=00*x 0)(*=x f
三、混合法
构造惩罚函数：
∑∑==+-=q
v v k
p
u u k k
X h r X g r X f r X 1
2211
)]([)(1)(),(φ
或：∑∑==+--=q
v v
k p
u u
k k
X h r
X g
r
X f r X 1
2
2
1
1
)]
([)](ln[)(),(φ
混合法的特点是：对于不等式约束按照内点法构造惩罚项，对于等式约束按照外点法构造惩罚项。混合法既可以处理不等式约束优化问题，也可以处理等式约束优化问题。 例：用混合惩罚函数法求解约束优化问题
22
2213)(m i n x x x X f --= 0
1..21=≤-x x t s
解：构造惩罚函数2
212
2
2211]1ln[3),(x r x r x x x r X k
k k -----=φ 令0223112),(2211
=?????
???
?
???+---+=?k k
k
r x x x r x r X φ 得：22111k
r x +±=，)11(232-=k r
x
当0→k r 时，得???
???=01*x 1)(*=x f
第5章 遗传算法
本章要求重点掌握遗传算法的5个要素、遗传算法的寻优机制。 一、遗传算法的5个要素 1.编码
将优化问题的解编码，用以模拟生物个体的基因组成； 2.初始种群生成
将优化问题多个随机可行解汇成集合，用以模拟进化的生物种群；
3.个体适应度评估
将优化问题目标函数加以变换，生成适应度函数来评价种群个体的适应度，用以模拟生物个体对环境的适应能力；
4.遗传操作
包含选择、交叉、变异
选择：一种使适应度函数值大的个体有更大的存活机会的机制，用以模拟环境对生物个体的自然选择；
交叉：不同个体间相互交换信息，用以模拟高级生物有性繁殖过程中的基因重组过程；
变异：模拟生物在遗传过程中
基因复制差错而产生新个体的现
象。
5.控制参数的设定
种群规模：160
~
30
=
M；
交叉概率：99
.0
~
4.0
=
c
p
变异概率：1.0
~
0001
.0
=
m
p
最大进化代数：1000
~
100
=
T
二、遗传算法的寻优机制
寻优机制见右侧的基本遗传算法流程图。
仔细看看遗传算法人工模拟进化的例题。
遗
传
操
作
否
是编码
初始群体的生成
群体中个体适应度函数的评估
选择
交叉
变异
收敛？
结束基本遗传算法流程图
作业练习：
1. 确定下列函数的初始区间。
⑴x x x f 6)(min 3-= 取2.20=x ，8.0=h 答案：[0.8，2]
⑵x x x f -=241
)(min 取5.00=x ，3.0=h 答案：[0.8，2.6]
2. 用黄金分割法求解x x x f 6)(min 3-=，取
3.0=ε、初始搜索区间[0.8，2]。
4.1)5416.12584
.1(2
1
)(21*=+?=+=b a x 256.4)(*-=x f 3. 用梯度法求解2
2214)(min x x X f +=，T X ]4,4[0=（做两轮迭代）
答案：?
?
????==4531.04723.02*X X 0443.1)()(2*==X f X f 4. 用阻尼牛顿法求解212
2212125.12)(min x x x x x x X f -++-=，T X ]2,1[0=
答案：??
?
???==12/11*X X 4/3)()(1*-==X f X f
5. 用共轭梯度法求解21212
221410)(min x x x x x x X f ---+=，T X
]1,1[0
=
答案：??
?
???=68*X 52)(*-=X f
6. 用Powell 法求解21212
221410)(min x x x x x x X f ---+=，T X ]1,1[0=（迭代2轮，计算
过程中小数点后面保留3位）
答案：??????≈?
?????=68999.5998.7*x 52)()(2*-==X f X f 7. 用外点法求解：
01..2)(m i n 212221≥-++=x x t s x x x f 答案：??
???
?
??????=3132*
x ， 32)(*=x f
8. 用混合罚函数法求解：
10
ln ..)(min 21121=-+≤--=x x x t s x x x f 答案：??
?
???=01*x 1)(*=x f
全国2013年4月高等教育自学考试 运筹学基础试题 课程代码：02375 一、单项选择题(本大题共15小题，每小题1分，共15分) 1．必须运用定性和定量两种方法才能制定的决策，称为 A.多阶段决策 B.多元决策 C.混合性决策 D.满意决策 2．根据历史数据和资料，应用数理统计方法来预测事物的未来，或者利用事物发展的因果关系来预测事物的未来，属于（） A.经济预测 B.科技预测 C.定性预测 D.定量预测 3．专家小组法适用于 A.长期预测 B.中期预测 C.短期预测 D.定量预测 4．符合下列条件的决策：（1）有一个明确的决策目标；（2）存在多个（两个以上）可行方案；（3）存在多个不以人们主观意志为转移的自然状态，并且每个自然状态可以估算出它的概率值；（4）不同可行方案在不同状态下的收益值或损失值可以定量计算出来。这种决策类型属于 A.确定条件下决策 B.风险条件下决策 C.不确定条件下决策 D.乐观条件下决策 5．根据库存管理理论，约占全部存货单元数的60%，但它们的年度需用价值却只占该企业全部存货年度需用价值的10%，这类存货单元称为 A.A类存货单元 B.B类存货单元 C.C类存货单元 D.主要存货单元 6．线性规划模型结构中，实际系统或决策问题中有待确定的未知因素，称之为 A.变量 B.目标函数 C.约束条件 D.线性函数 7．图解法中，可行解区内满足目标函数的解称之为 A.可行解 B.基础解 C.最优解 D.特解 8．线性规划单纯形法求解时，若约束条件是等于或大于某确定数值，则应当在每个不等式中引入一个 A.基变量 B.非基变量 C.松驰变量 D.剩余变量 9.对于供求平衡的运输问题，表上作业法是在平衡表的基础上首先求出一个 A.供求方案 B.最终调运方案 C.初始调运方案 D.最优调运方案 10.在计划项目的各项错综复杂的工作中，抓住其中的关键活动进行计划安排的方法，称之为 A.网络计划技术 B.计划评核术 C.关键路线法 D.单纯形法 11.从网络的始点开始，顺着箭线的方向，到达网络终点的一条连线，称之为 A.线路 B.作业 C.活动 D.流向 12.在图论中，表示对象之间的某种特定的关系，通常 A.用线表示 B.用点表示 C.用树表示 D.用枝叉树表示 13．马尔柯夫过程是俄国数学家马尔柯夫于 A.20世纪初发现的 B.第二次世界大战期间发现的 C.19世纪中叶发现的 D.20世纪30年代发现的14．总额随着企业产品产量的增减而变化的费用，称之为 A.固定成本 B.可变成本 C.预付成本 D.计划成本 15．如果一个随机变量允许在某个给定的范围内任意取值，则它就是一个
《最优化方法》复习题 第一章概述(包括凸规划) 一、判断与填空题 ar§ max /W =玄生min【―/(兀)】?7 1 xeR n xeR n 2max |/(x): x e D o }= - min [f(x): x e D Q R H\ x 3设f : D u RJ R?若T wR”,对于一切xeR n恒有/(Z)上的凸函数当且仅当—/为D上的凹函数.V 1()设f : D u R” T R为凸集D上的可微凸函数，Z G Z).则对V XG D,有/(x)-/(x*)
则对\^^{0,1,2,???},恒有____ /(x A.+1)< f(x k) ____________ :
13算法迭代时的终止准则（写出三种）： ____________________________ o 14凸规划的全体极小点组成的集合是凸集。V 15函数f : D u R“ T R在点（'沿着迭代方向d* eR n \ ｛（）｝进行精确一维线搜索的步长匕.，则其搜索公式为_____________________________ . 16函数f ?. D匚R“ T R在点*?沿着迭代方向d k e/?z, \｛0｝进行梢确一?维线搜索的步长匕，则V/（x A+a k d k Yd k = ___________ 0 . 17设d k eR n\｛0｝为点/ w D匸R“处关于区域D的一个下降方向，则对于Va >0, 3?G（0,a）使得x 二、简述题 1写出Wolfe-Powell非精确一维线性搜索的公式。 2怎样判断一个函数是否为凸函数. （例如:判断函数/（x） = xf +2兀|兀2 +2兀;一10兀1 +5兀2是否为凸函数） 三、证明题 1证明一个优化问题是否为凸规划.（例如 1Z* T —X Gx + c x + b 2 判断s.t. Ax = b（其小G是正定矩阵）是凸规划. x>0 2熟练掌握凸规划的性质及英证明.
运 筹 学 考 卷 1 / 51 / 5
考试时间: 第十六周 题号一二三四五六七八九十总分 评卷得分 ： 名 一、单项选择题。下列每题给出的四个答案中只有一个是正确的，将表示正确 姓 答案的字母写这答题纸上。（10 分, 每小题2 分） 1、使用人工变量法求解极大化线性规划问题时，当所有的检验数j 0 ，在 线 基变量中仍含有非零的人工变量，表明该线性规划问题（） A. 有唯一的最优解； B. 有无穷多个最优解； C. 无可行解； D. 为无界解 2、对偶单纯形法解最大化线性规划问题时，每次迭代要求单纯形表中（）： 号 A．b 列元素不小于零B．检验数都大于零 学 C．检验数都不小于零D．检验数都不大于零 3、在产销平衡运输问题中，设产地为m 个，销地为n 个，那么基可行解中非 零变量的个数（） 订 A. 不能大于(m+n-1)； B. 不能小于(m+n-1)； C. 等于(m+n-1)； D. 不确定。 4、如果要使目标规划实际实现值不超过目标值。则相应的偏离变量应满足（） A. d 0 B. d 0 C. d 0 D. d 0,d 0 5、下列说法正确的为（） ： 业 A．如果线性规划的原问题存在可行解，则其对偶问题也一定存在可行解 专 B．如果线性规划的对偶问题无可行解，则原问题也一定无可行解 装 C．在互为对偶的一对原问题与对偶问题中，不管原问题是求极大或极小，原 问题可行解的目标函数值都一定不超过其对偶问题可行解的目标函数 D．如果线性规划问题原问题有无界解，那么其对偶问题必定无可行解 ： 院
学 2 / 52 / 5
二、判断下列说法是否正确。正确的在括号内打“√”，错误的打“×”。（18 分，每 小题2 分） 1、如线性规划问题存在最优解，则最优解一定对应可行域边界上的一个点。（） 2、单纯形法计算中，如不按最小比列原则选取换出变量，则在下一个解中至少有一 个基变量的值为负。（） 3、任何线性规划问题存在并具有惟一的对偶问题。（） 4、若线性规划的原问题有无穷多最优解，则其最偶问题也一定具有无穷多最优解。 （）5、运输问题是一种特殊的线性规划模型，因而求解结果也可能出现下列四种情况之 一：有惟一最优解，有无穷多最优解，无界解，无可行解。（） 6、如果运输问题的单位运价表的某一行（或某一列）元素再乘上那个一个常数k ， 最有调运方案将不会发生变化。（） 7、目标规划模型中，应同时包含绝对约束与目标约束。（） 8、线性规划问题是目标规划问题的一种特殊形式。（） 9、指派问题效率矩阵的每个元素都乘上同一常数k，将不影响最优指派方案。（） 三、解答题。（72 分） max z 3x 3x 1 2 1、（20分）用单纯形法求解 x x 1 2 x x 1 2 4 2 ；并对以下情况作灵敏度分析：（1）求 6x 2 x 18 1 2 x 0, x 0 1 2 5 c 的变化范围；（2）若右边常数向量变为2 b ，分析最优解的变化。 2 20 2、（15 分）已知线性规划问题： max z x 2x 3x 4x 1 2 3 4 s. t. x 2x 2x 3x 20 1 2 3 4 2x x 3x 2x 20 1 2 3 4 x x x x , , , 0 1 2 3 4 其对偶问题最优解为y1 1.2, y2 0.2 ，试根据对偶理论来求出原问题的最优解。
《最优化方法》复习题 一、 简述题 1、怎样判断一个函数是否为凸函数. （例如: 判断函数212 2 212151022)(x x x x x x x f +-++=是否为凸函数） 2、写出几种迭代的收敛条件. 3、熟练掌握利用单纯形表求解线性规划问题的方法（包括大M 法及二阶段法）. 见书本61页(利用单纯形表求解); 69页例题 (利用大M 法求解、二阶段法求解); 4、简述牛顿法和拟牛顿法的优缺点. 简述共轭梯度法的基本思想. 写出Goldstein 、Wolfe 非精确一维线性搜索的公式。 5、叙述常用优化算法的迭代公式． （1）0.618法的迭代公式：(1)(), ().k k k k k k k k a b a a b a λτμτ=+--??=+-? （2）Fibonacci 法的迭代公式：111(),(1,2,,1)() n k k k k k n k n k k k k k n k F a b a F k n F a b a F λμ---+--+? =+-?? =-? ?=+-?? L ． （3）Newton 一维搜索法的迭代公式： 1 1k k k k x x G g -+=-． （4）推导最速下降法用于问题1min ()2 T T f x x Gx b x c = ++的迭代公式： 1()T k k k k k T k k k g g x x f x g G gx +=-? （5）Newton 法的迭代公式：211[()]()k k k k x x f x f x -+=-??． （6）共轭方向法用于问题1min ()2 T T f x x Qx b x c = ++的迭代公式： 1()T k k k k k T k k f x d x x d d Qd +?=-． 二、计算题 双折线法练习题 课本135页 例3.9.1 FR 共轭梯度法例题：课本150页 例4.3.5 二次规划有效集：课本213页例6.3.2,
最优化方法及其应用 作者：郭科 出版社：高等教育出版社 类别：不限 出版日期：20070701 最优化方法及其应用 的图书简介 系统地介绍了最优化的理论和计算方法,由浅入深,突出方法的原则,对最优化技术的理论作丁适当深度的讨论,着重强调方法与应用的有机结合,包括最优化问题总论,线性规划及其对偶问题,常用无约束最优化方法,动态规划,现代优化算法简介,其中前八章为传统优化算法,最后一章还给出了部分优化问题的设计实例,也可供一般工科研究生以及数学建模竞赛参赛人员和工程技术人员参考, 最优化方法及其应用 的pdf电子书下载 最优化方法及其应用 的电子版预览 第一章 最优化问题总论1.1 最优化问题数学模型1.2 最优化问题的算法1.3 最优化算法分类1.4
组合优化问題简卉习题一第二章 最优化问题的数学基础2.1 二次型与正定矩阵2.2 方向导数与梯度2.3 Hesse矩阵及泰勒展式2.4 极小点的判定条件2.5 锥、凸集、凸锥2.6 凸函数2.7 约束问题的最优性条件习题二第三章 线性规划及其对偶问题3.1线性规划数学模型基本原理3.2 线性规划迭代算法3.3 对偶问题的基本原理3.4 线性规划问题的灵敏度习题三第四章 一维搜索法4.1 搜索区间及其确定方法4.2 对分法4.3 Newton切线法4.4 黄金分割法4.5 抛物线插值法习题四第五章 常用无约束最优化方法5.1 最速下降法5.2 Newton法5.3 修正Newton法5.4 共轭方向法5.5 共轭梯度法5.6 变尺度法5.7 坐标轮换法5.8 单纯形法习題五第六章 常用约束最优化方法6.1外点罚函数法6.2 內点罚函数法6.3 混合罚函数法6.4 约束坐标轮换法6.5 复合形法习题六第七章 动态规划7.1 动态规划基本原理7.2 动态规划迭代算法7.3 动态规划有关说明习题七第八章 多目标优化8.1 多目标最优化问题的基本原理8.2 评价函数法8.3 分层求解法8.4目标规划法习题八第九章 现代优化算法简介9.1 模拟退火算法9.2遗传算法9.3 禁忌搜索算法9.4 人工神经网络第十章 最优化问题程序设计方法10.1 最优化问题建模的一般步骤10.2 常用最优化方法的特点及选用标准10.3 最优化问题编程的一般过程10.4 优化问题设计实例参考文献 更多 最优化方法及其应用 相关pdf电子书下载
运筹学试题 Company Document number：WTUT-WT88Y-W8BBGB-BWYTT-19998
运筹学试题 一、填空题(本大题共8小题，每空2分，共20分) 1．线性规划闯题中，如果在约束条件中出现等式约束，我们通常用增加___的方法来产生初始可行基。 2．线性规划模型有三种参数，其名称分别为价值系数、___和___。 3．原问题的第1个约束方程是“=”型，则对偶问题相应的变量是___变量。 4．求最小生成树问题，常用的方法有：避圈法和 ___。 5．排队模型M／M／2中的M，M，2分别表示到达时间为___分布，服务时间服从负指数分布和服务台数为2。 6．如果有两个以上的决策自然条件，但决策人无法估计各自然状态出现的概率，那么这种决策类型称为____型决策。 7．在风险型决策问题中，我们一般采用___来反映每个人对待风险的态度。 8．目标规划总是求目标函数的___信，且目标函数中没有线性规划中的价值系数，而是在各偏差变量前加上级别不同的____。 二、单项选择题(本大题共l0小题，每小题3分，共30分)在每小题列出的四个备选项中只有一个是符合题目要求的，请将其代码填写在题后的括号内。多选无分。 9．使用人工变量法求解极大化线性规划问题时，当所有的检验数在基变量中仍含有非零的人工变量，表明该线性规划问题【】 A．有唯一的最优解 B．有无穷多最优解 C．为无界解 D．无可行解 10．对偶单纯形法解最大化线性规划问题时，每次迭代要求单纯形表中【】 A．b列元素不小于零 B．检验数都大于零 C．检验数都不小于零 D．检验数都不大于零
11．已知某个含10个结点的树图，其中9个结点的次为1，1，3，1，1，1，3，1，3，则另一个结点的次为【】 A．3 B．2 C．1 D．以上三种情况均有可能 12．如果要使目标规划实际实现值不超过目标值。则相应的偏离变量应满足【】 13．在运输方案中出现退化现象，是指数字格的数目【】 A．等于 m+n B．等于m+n-1 C．小于m+n-1 D．大于m+n-1 14．关于矩阵对策，下列说法错误的是【】 A．矩阵对策的解可以不是唯一的 C．矩阵对策中，当局势达到均衡时，任何一方单方面改变自己的策略，都将意味着自己更少的赢得和更大的损失 D．矩阵对策的对策值，相当于进行若干次对策后，局中人I的平均赢得或局中人Ⅱ的平均损失值 【】 A．2 8．—l C．—3 D．1 16．关于线性规划的原问题和对偶问题，下列说法正确的是【】 A．若原问题为元界解，则对偶问题也为无界解
《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+++=-+，
陆吾生教授是加拿大维多利亚大学电气与计算机工程系 (Dept. of Elect. and Comp. Eng. University of Victoria) 的正教授, 且为我校兼职教授，曾多次来我校数学系电子系讲学。陆吾生教授的研究方向是：最优化理论和小波理论及其在1维和2维的数字信号处理、数字图像处理、控制系统优化方面的应用。 现陆吾生教授计划在 2007 年 10－11 月来校开设一门为期一个月的短期课程“最优化理论及其应用”（每周两次，每次两节课），对象是数学系、计算机系、电子系的教师、高年级本科生及研究生，以他在2006年出版的最优化理论的专著作为教材。欢迎数学系、计算机系、电子系的研究生及高年级本科生选修该短期课程，修毕的研究生及本科生可给学分。 上课地点及时间：每周二及周四下午2:00开始，在闵行新校区第三教学楼326教室。（自10月11日至11月8日） 下面是此课程的内容介绍。 ----------------------------------- 最优化方法及应用 I. 函数的最优化及应用 1.1 无约束和有约束的函数优化问题 1.2 有约束优化问题的Karush-Kuhn-Tucker条件 1.3 凸集、凸函数和凸规划 1.4 Wolfe对偶 1.5 线性规划与二次规划 1.6 半正定规划 1.7 二次凸锥规划 1.8 多项式规划 1.9解最优化问题的计算机软件 II 泛函的最优化及应用 2.1 有界变差函数 2.2 泛函的变分与泛函的极值问题 2.3 Euler-Lagrange方程 2.4 二维图像的Osher模型 2.5 泛函最优化方法在图像处理中的应用 2.5.1 噪声的消减 2.5.2 De-Blurring 2.5.3 Segmentation ----------------------------------------------- 注：这是一门约二十学时左右的短期课程，旨在介绍函数及泛函的最优化理论和方法，及其在信息处理中的应用。只要学过一元及多元微积分和线性代数的学生就能修读并听懂本课程。课程中涉及到的算法实现和应用举例都使用数学软件MATLAB 华东师大数学系
《运筹学基础》复习要点 一、基本概念与理论 1．任意多个凸集的交集还是凸集。 2．任意多个凸集的并集不一定是凸集 3．给定1R b ∈及非零向量n R a ∈，称集合}|{b x a R x H T n =∈=是n R 的一个超平面。 4．由超平面}|{b x a R x H T n =∈=的两个半平面 }|{b x a R x H T n ≥∈=+和}|{1b x a R x H T n ≤∈= 都是凸集。 5．设S 是凸集，S x ∈。若对任何z y S z S y ≠∈∈,,，以及任何10<<λ，都有 z y x )1(λλ-+≠，则称x 为S 的顶点。 6．如果一个LP 问题无界，则它的对偶问题必无可行解。 7．设w x ,分别为原始LP 问题、对偶问题的可行解，若b w x c T T =，则原始LP 问题、对偶问题的最优解分别为w x ,。 8.可行解x 是基本可行解的充分必要条件是x 的正分量，所对应的A 中列向量线性无关。 9.写出LP 问题的对偶问题 0..min ≥≥?????x b Ax x c t s T 的对偶问题是： 0..min ≥≤?????w c w A w b t s T T 10．设一个标准形式的LP 问题的基为B ，右端向量为b ，则对应的基本解是??? ? ??=-01b B x 。 11．线性规划问题的可行域是凸集。 12．设线性规划问题LP 为 0..min ≥=?? ? ??x b Ax t s x c T B 为一个基，对应的典式为 0..min 111≥=+?? ? ? ?-=---x b B Nx B x t s x b B c z N B T T B ζ 其中),0(1T N T B T c N B c -=-ζ 。
四、把下列线性规划问题化成标准形式： 2、minZ=2x1-x2+2x3 五、按各题要求。建立线性规划数学模型 1、某工厂生产A、B、C三种产品，每种产品的原材料消耗量、机械台时消耗量以及这些资源的限量，单位产品的利润如下表所示： 根据客户订货，三种产品的最低月需要量分别为200，250和100件，最大月销售量分别为250，280和120件。月销售分别为250，280和120件。问如何安排生产计划，使总利润最大。 2、某建筑工地有一批长度为10米的相同型号的钢筋，今要截成长度为3米的钢筋90根，长度为4米的钢筋60根，问怎样下料，才能使所使用的原材料最省?
1． 某运输公司在春运期间需要24小时昼夜加班工作，需要的人员数量如下表所示： 每个工作人员连续工作八小时，且在时段开始时上班，问如何安排，使得既满足以上要求，又使上班人数 最少? 五、分别用图解法和单纯形法求解下列线性规划问题．并对照指出单纯形迭代的每一步相当于图解法可行 域中的哪一个顶点。
六、用单纯形法求解下列线性规划问题： 七、用大M法求解下列线性规划问题。并指出问题的解属于哪一类。
八、下表为用单纯形法计算时某一步的表格。已知该线性规划的目标函数为maxZ=5x 1+3x 2，约束形式为“≤”，X 3，X 4为松驰变量．表中解代入目标函数后得Z=10 (1)求表中a ～g 的值 (2)表中给出的解是否为最优解? （1）a=2 b=0 c=0 d=1 e=4/5 f=0 g=－5 （2） 表中给出的解为最优解 第四章 线性规划的对偶理论 五、写出下列线性规划问题的对偶问题 1．minZ=2x 1+2x 2+4x 3 六、已知线性规划问题 应用对偶理论证明该问题最优解的目标函数值不大于25
一．单纯性法 1.用单纯形法求解下列线性规划问题（共 15 分） 12 2121212max 2515 6224..5 ,0 z x x x x x s t x x x x =+≤??+≤??+≤??≥? 2.用单纯形法求解下列线性规划问题（共 15 分） 12 121212max 2322 ..2210 ,0 z x x x x s t x x x x =+-≥-??+≤??≥? 3.用单纯形法求解下列线性规划问题（共 15 分） 1234 123412341234max 24564282 ..2341 ,,,z x x x x x x x x s t x x x x x x x x =-+-+-+≤? ?-+++≤??≥ ? 4.用单纯形法求解下列线性规划问题（共 15 分） 123 123123123123max 2360 210..20 ,,0 z x x x x x x x x x s t x x x x x x =-+++≤??-+≤??+-≤??≥? 5.用单纯形法求解下列线性规划问题（共 15 分） 123 12312123max 224 ..26,,0 z x x x x x x s t x x x x x =-++++≤??+≤??≥? 6.用单纯形法求解下列线性规划问题（共 15 分）
12 121212 max 105349..528 ,0z x x x x s t x x x x =++≤??+≤??≥? 7.用单纯形法求解下列线性规划问题（共 16 分） 12 121212max 254 212..3218 ,0 z x x x x s t x x x x =+≤??≤??+≤??≥?
第一章导论 一、运筹学与管理决策 1：运筹学是一门研究如何有效地组织和管理人机系统的科学。2：运筹学应用分析的，经验的和数量的方法。为制定最优的管理决策提供数量上的依据。 3：运筹学也是对管理决策工作进行决策的计量方法。4：企业领导的主要职责是作出决策，首先确定问题，然后制定目标，确认约束条件和估价方案，最后选择最优解。 5：分析程序有两种基本形式：定性的和定量的。定性分析的技巧是企业领导固有的，随着经验的积累而增强。 运筹学位管理人员制定决策提供了定量基础。6：运筹学的定义：运筹学利用计划方法和有关多学科的要求，把复杂功能关系表示成数学模型，其目的是通过定量分析为决策和揭露新问题提供数量根据。 二、计算机与运筹学计算机是运筹学的不可分割的部分和不可缺少的工具，并且计算机方法和运筹学是并行发展的。计算机是运筹学发展的基本要素。 运筹学和计算机方法的分界线将会消失。 三、决策方法的分类 分类： 1定性决策：基本上根据决策人员的主观经验或感觉或知识制定的决策。 2定量决策：借助于某些正规的计量方法做出的决策。 3混合性决策：必须运用定性和定量两种方法才能制定的决策。作为运筹学应用者，接受管理部门的要求，去收集和阐明数据，建立和试验数学模型。决策人员采用计量方法的几种情况：1 1要解决的问题是复杂的并且具有许多变量。 2说明能决策的问题的各种状况的数据是可以得到的。 3待决策的各项目标可以确定为各种数量关系。 4对应于上述情况，有关的切实可行的模型是当前可以建立起来的。 四、应用运筹学进行决策过程的几个步骤 1.观察待决策问题所处的环境 2.分析和定义待决策的问题 3.拟定模型 符号或抽象模型 4.选择输入资料：保存的记录，当前实验，推测等方式收集这些资料 5提出解并验证它的合理性：要试图改变输入观察发生什么样的输出，叫做敏感度试验。 6实施最优解收益表是现实公司在整个过程中效能的模型，平衡表是现实公司财务情况的模型。第二章预测 一、预测的概念和程序 （一）预测的概念和作用 1：预测就是对未来的不确定的事件进行估计或判断。2：预测是决策的基础，企业预测的目的是为企业决策提供适当的数据或者材料。 （二）预测的方法和分类： 分类（内容）： 1经济预测：它又分为宏观经济预测和微观经济预测，宏观经济是对整个国民经济范围的经济预测，微观经济预测是指对单个经济实体的各项经济指标及其所涉及到国内外市场经济形势的预测。 2科技预测：分为科学预测和技术预测
四 川 大 学 网 络 教 育 学 院 模 拟 试 题( A ) 《管理运筹学》 一、 单选题（每题２分，共20分。） 1．目标函数取极小（minZ ）的线性规划问题可以转化为目标函数取极大的线性规 划问题求解，原问题的目标函数值等于（ C ）。 A. maxZ B. max(-Z) C. –max(-Z) D.-maxZ 2. 下列说法中正确的是（ B ）。 Ａ．基本解一定是可行解 Ｂ．基本可行解的每个分量一定非负 Ｃ．若B 是基，则B 一定是可逆Ｄ．非基变量的系数列向量一定是线性相关的 3．在线性规划模型中，没有非负约束的变量称为 （ D ） 多余变量 B ．松弛变量 C ．人工变量 D ．自由变量 4. 当满足最优解，且检验数为零的变量的个数大于基变量的个数时，可求得（ A ）。 Ａ．多重解 Ｂ．无解 Ｃ．正则解 Ｄ．退化解 5．对偶单纯型法与标准单纯型法的主要区别是每次迭代的基变量都满足最优检验但不完全满足 （ D ）。 A ．等式约束 B ．“≤”型约束 C ．“≥”约束 D ．非负约束 6. 原问题的第ｉ个约束方程是“＝”型，则对偶问题的变量i y 是（ B ）。 Ａ．多余变量 Ｂ．自由变量 Ｃ．松弛变量 Ｄ．非负变量 7.在运输方案中出现退化现象，是指数字格的数目( C )。 A.等于m+n B.大于m+n-1 C.小于m+n-1 D.等于m+n-1 8. 树Ｔ的任意两个顶点间恰好有一条（ B ）。 Ａ．边 Ｂ．初等链 Ｃ．欧拉圈 Ｄ．回路 9．若G 中不存在流f 增流链，则f 为G 的 （ B ）。 A ．最小流 B ．最大流 C ．最小费用流 D ．无法确定 10.对偶单纯型法与标准单纯型法的主要区别是每次迭代的基变量都满足最优检验但不完全满足（ D ） Ａ．等式约束 Ｂ．“≤”型约束 Ｃ．“≥”型约束 Ｄ．非负约束 二、多项选择题（每小题4分，共20分） 1．化一般规划模型为标准型时，可能引入的变量有 （ ） A ．松弛变量 B ．剩余变量 C ．非负变量 D ．非正变量 E ．自由变量 2．图解法求解线性规划问题的主要过程有 （ ） A ．画出可行域 B ．求出顶点坐标 C ．求最优目标值 D ．选基本解 E ．选最优解 3．表上作业法中确定换出变量的过程有 （ ） A ．判断检验数是否都非负 B ．选最大检验数 C ．确定换出变量 D ．选最小检验数 E ．确定换入变量 4．求解约束条件为“≥”型的线性规划、构造基本矩阵时，可用的变量有 （ ） A ．人工变量 B ．松弛变量 C. 负变量 D ．剩余变量 E ．稳态 变量 5．线性规划问题的主要特征有 （ ） A ．目标是线性的 B ．约束是线性的 C ．求目标最大值 D ．求目标最小值 E ．非线性 三、 计算题（共60分） 1. 下列线性规划问题化为标准型。(10分)
最优化方法及其Matlab程序设计 1.最优化方法概述 在生活和工作中，人们对于同一个问题往往会提出多个解决方案，并通过各方面的论证，从中提取最佳方案。最优化方法就是专门研究如何从多个方案中科学合理地提取出最佳方案的科学。最优化是每个人，每个单位所希望实现的事情。对于产品设计者来说，是考虑如何用最少的材料，最大的性能价格比，设计出满足市场需要的产品。对于企业的管理者来说，则是如何合理、充分使用现有的设备，减少库存，降低能耗，降低成本，以实现企业的最大利润。 由于优化问题无所不在，目前最优化方法的应用和研究已经深入到了生产和科研的各个领域，如土木工程、机械工程、化学工程、运输调度、生产控制、经济规划、经济管理等，并取得了显著的经济效益和社会效益。 用最优化方法解决最优化问题的技术称为最优化技术，它包含两个方面的内容： 1）建立数学模型。 即用数学语言来描述最优化问题。模型中的数学关系式反映了最优化问题所要达到的目标和各种约束条件。 2）数学求解。 数学模型建好以后，选择合理的最优化算法进行求解。 最优化方法的发展很快，现在已经包含有多个分支，如线性规划、整数规划、非线性规划、动态规划、多目标规划等。 2.最优化方法（算法）浅析 最优化方法求解很大程度上依赖于最优化算法的选择。这里，对最优化算法做一个简单的分类，并对一些比较常用的典型算法进行解析，旨在加深对一些最优化算法的理解。 最优化算法的分类方法很多，根据不同的分类依据可以得到不同的结果，这里根据优化算法对计算机技术的依赖程度，可以将最优化算法进行一个系统分类：线性规划与整数规划；非线性规划；智能优化方法；变分法与动态规划。 2.1 线性规划与整数规划 线性规划在工业、农业、商业、交通运输、军事和科研的各个研究领域有广泛应用。例如，在资源有限的情况下，如何合理使用人力、物力和资金等资源，以获取最大效益；如何组织生产、合理安排工艺流程或调制产品成分等，使所消耗的资源（人力、设备台时、资金、原始材料等）为最少等。 线性规划方法有单纯形方法、大M法、两阶段法等。 整数规划有割平面法、分枝定界法等。 2.2 非线性规划 20世纪中期，随着计算机技术的发展，出现了许多有效的算法——如一些非线性规划算法。非线性规划广泛用于机械设计、工程管理、经济生产、科学研究和军事等方面。
参考答案第1章导论 【真题演练】 1、A 2、B 3、计量 4、数量 5、数学模型 6、数学模型 7、消失 8、混合型决策 9、人机系统 【同步练习】 1、符号抽象 2、收益表平衡表 3、内部外部 4、作出决策制定目标最优解 5、拟定模型最优解 第2章预测 【真题演练】 1、C 2、C 3、D 4、D 5、B 6、A 7、B 8、C 9、A 10、A 11、B 12、B 13、D 14、C 15、C 16、C 17、B 18、A 19、C 20、B 21、回归分析法 22、决策 23、短期24、回归系数 25、R →0 26、估计 27、短期 28、剧烈变化 29、指数平滑预测法 30、一元线性回归：是描述一个自变量和一个因变量间线性关系的回归方程。 31、定量预测：根据历史数据和资料，应用数理统计方法来预测事物的未来，或者利用事物发展的因果关系来预测事物的未来。 32、社会预测：研究社会发展有关的问题，如人口增长预测、社会购买心理的预测等。 33、最小二乘法：寻求是误差平方综合为最小的配合趋势线的方法。34、预测：是对未来不确定的事件进行估计或判断。 35、定性预测：指利用直观材料、依靠个人经验的主观判断和分析能力，对未来的发展进行预测。 36、技术预测：新技术发明可能应用的领域、范围和速度，新设备、新工艺、新材料的特点、性能及作用。 37、
38、X = 20+=23（箱）因此预测第6个月产品的销量为23箱。 5 39、由F t +1=αX t +(1-α F t 得到F8=1.9*1.3+（1-1.9）*1.19=1.399（元/节） 40、由F t +1=αX t +(1-α F t ，738=730*α+（1-α）*690 ，得到α=1.2 若平滑系数为0.4，Ft+1=0.4*730+0.6*690=414，比实际价格低。不符合商品价格看涨的情况。商品价格看涨或看跌十，平滑系数可取大于1的数值。 41、7月份的出厂价格预测值为 F7=（1.0*1+1.1*2+1.1*2+1.2*3+1.2*3+1.3*4）/（1+2+2+3+3+4）=1.19（元）42、由F t +1=αX t +(1-α F t ，得到 第2年的预测销售量F2=0.8*1400+0.2*1350=1390 第3年的预测销售量 F3=0.8*1365+0.2*1390=1370 第4年的预测销售量F4=0.8*1425+0.2*1370=1414 43、 月份实际销售额（万元） 3个月滑动平均预测值 1 10 2 12 3 13
07级工管运筹学期末习题课 一、考虑线性规划问题（P ）max 0 z CX AX b X ==?? ≥? （1） 若12,X X 均为（P ）的可行解，[0,1]λ∈，证明12(1)X X λλ+-也是（P ） 的可行解； （2） 写出（P ）的对偶模型（仍用矩阵式表示）。 二、有三个线性规划： (Ⅰ) [Min] z =CX (Ⅱ) [Min] z =CX (Ⅲ) [Min] z =CX 约束条件AX =b 约束条件AX =b 约束条件AX =b X 0 X 0 X 0 已知 X 是(Ⅰ)的最优解，X 是(Ⅱ)的最优解，X *是(Ⅲ)的最优解，Y 是(Ⅰ)的对偶问题的最优解， 试证：（1）()()'-'-≤**C C X X 0； (2) C X X Y b b ()()***-≤-。 三、已知线性规划问题 ?? ? ??=≥+=++++=++++++++=)5,,1(03.00)(max 2 253232221212 143132121115 43322111Λj x t b x x a x a x a t b x x a x a x a st x x x c x c x t c z j 当1t ＝2t ＝0时，用单纯形法求得最终表如下： 要求：1. 确定23222113121121321,,,,,,,,,,a a a a a a b b c c c 的值； 2. 当2t ＝0时，1t 在什么范围内变化上述最优解不变； 3. 当1t ＝0时，2t 在什么范围内变化上述最优基不变。 1x 2x 3x 4x 5x 3x 5/2 0 1/2 1 1/2 0 1x 5/2 1 -1/2 0 -1/6 1/3 j j z c - -4 -4 -2
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
个人学习时间优化分配 设计总说明（摘要） 合理的安排时间方案，采取最优化的时间组合，有利于我们充分发挥各个时间阶段的学习效益。同时可以使我们的学习符合日常行为及自身特点，不仅使时间得到有效安排，也使得我们的身心得到和谐。此次，研究分配一天中四个阶段四门课程的学习时间，就是根据学生的身心特点，和各阶段对各课程学习的收获程度，采取获得程度量化的方法，设计出一个最优的时间组合方案，从而获得最大的收获效益。即获得学习的最大价值。 在这个过程中要将运筹学的各种理论知识与具体实际情况相结合。首先是确 定所要研究的问题，考虑所需要的各种数据，根据实际需求确定所需要的数据和模拟量化的数据。将数据整理形成分析和解决问题的具体模型。其次对已得模型利用计算机进行求解，得出方程的最优解。最后结合所研究问题的实际背景，对模型的解进行评价、分析以及调整，并对解的实施与控制提出合理化的建议。 关键词：时间优化，线性规化，最优解，获得效益最大 目录 1.绪论 1.1研究的背景 (3) 1.2研究的主要内容与目的 (3) 1.3研究的意义 (3) 1.4研究的主要方法与思路 (3) 2.理论方法的选择 2.1所研究的问题的特点 (4) 2.2拟采用的运筹学理论方法的特点 (4) 2.3理论方法的适用性及有效性论证 (5) 3.模型的建立 3.1 基础数据的确定 (5) 3.2变量的设定 (6) 3.3目标函数的建立 (6) 3.4限制条件的确定 (6) 3.5模型的建立 (7) 4.模型的求解及解的分析 4.1模型的求解 (7) 4.2解的分析与评价 (9) 5.结论与建议 5.1研究结论 (11)
一、运筹学与管理决策 1：运筹学是一门研究如何有效地组织和管理人机系统的科学。 2：运筹学应用分析的，经验的和数量的方法。为制定最优的管理决策提供数量上的依据。 3：运筹学也是对管理决策工作进行决策的计量方法。 4：企业领导的主要职责是作出决策，首先确定问题，然后制定目标，确认约束条件和估价方案，最后选择最优解。 5：分析程序有两种基本形式：定性的和定量的。 定性分析的技巧是企业领导固有的，随着经验的积累而增强。 运筹学位管理人员制定决策提供了定量基础。 6：运筹学的定义： 运筹学利用计划方法和有关多学科的要求，把复杂功能关系表示成数学模型，其目的是通过定量分析为决策和揭露新问题提供数量根据。 二、计算机与运筹学 计算机是运筹学的不可分割的部分和不可缺少的工具，并且计算机方法和运筹学是并行发展的。 计算机是运筹学发展的基本要素。 运筹学和计算机方法的分界线将会消失。 三、决策方法的分类 分类： 1定性决策：基本上根据决策人员的主观经验或感觉或知识制定的决策。 2定量决策：借助于某些正规的计量方法做出的决策。 3混合性决策：必须运用定性和定量两种方法才能制定的决策 作为运筹学应用者，接受管理部门的要求，去收集和阐明数据，建立和试验数学模型 决策人员采用计量方法的几种情况： 1要解决的问题是复杂的并且具有许多变量。 2说明能决策的问题的各种状况的数据是可以得到的。 3待决策的各项目标可以确定为各种数量关系。 4对应于上述情况，有关的切实可行的模型是当前可以建立起来的。 四、应用运筹学进行决策过程的几个步骤 1.观察待决策问题所处的环境 2.分析和定义待决策的问题 3.拟定模型:符号或抽象模型 4.选择输入资料：保存的记录，当前实验，推测等方式收集这些资料 5提出解并验证它的合理性：要试图改变输入观察发生什么样的输出，叫做敏感度试验。 6实施最优解 收益表是现实公司在整个过程中效能的模型，平衡表是现实公司财务情况的模型。