最优化计算方法课后习题答案----高等教育出版社。施光燕

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 ≥ 0 ⎪ 11 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： ⎨ 45即最优点为 x *= ⎪⎩g 2 (x ) = −x 1 −x 2 + 5 = 015 , 5 ) ：最优值为： f(x * ) = 65 ⎪x =⎪⎩ 2 44 48（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 ⎪ s .t . ⎪x 1 > 0⎪x 2 > 0 ⎪⎩x 3 > 0该优化问题属于三维的优化问题。

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)22121212min353x 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 xδ-⎛⎫=-= ⎪-⎝⎭， (1)(0)18.6240()()13.1516f x f x γ-⎛⎫=∇-∇= ⎪-⎝⎭0110111011101T T T TH H H H H γγδδδγγγ=+-其中，111011126.3096,247.3380T T T H δγγγγγ===11 1.1621 1.39451.3945 1.6734T δδ⎛⎫= ⎪⎝⎭ ， 01101174.3734113.4194113.4194172.9646T TH H γγγγ⎛⎫== ⎪⎝⎭所以10.74350.40560.40560.3643H -⎛⎫= ⎪-⎝⎭(1)(1)1 1.4901()0.9776d H f x -⎛⎫=-∇= ⎪⎝⎭令 (2)(1)(1)1xx d α=+ , 利用(1)(1)()0df x d d αα+=，求得 10.5727α=- 所以 (2)(1)(1)0.77540.57270.8535x x d ⎛⎫=-= ⎪-⎝⎭ ， (2)0.2833()0.244f x ⎛⎫∇= ⎪-⎝⎭以下作第三次迭代(2)(1)20.85340.5599xx δ⎛⎫=-= ⎪-⎝⎭ ， (2)(1)2 1.0927()()0.9076f x f x γ-⎛⎫=∇-∇= ⎪⎝⎭22 1.4407T δγ=- ， 212 1.9922T H γγ= 220.72830.47780.47780.3135T δδ-⎛⎫=⎪-⎝⎭1221 1.39360.91350.91350.5988T H H γγ-⎛⎫= ⎪-⎝⎭所以22122121222120.46150.38460.38460.1539T T T T H H H H H δδγγδγγγ-⎛⎫=+-= ⎪-⎝⎭(2)(2)20.2246()0.1465d H f x ⎛⎫=-∇= ⎪-⎝⎭令 (3)(2)(2)2xxdα=+ , 利用(2)(2)()0df x d d αα+=,求得 21α= 所以 (3)(2)(2)11xx d ⎛⎫=+= ⎪-⎝⎭, 因为 (3)()0f x ∇=，于是停止(3)(1,1)T x =-即为最优解。

最优化方法孙文瑜课后答案【篇一：81010218《最优化算法》教学大纲】xt>课程编号: 81010218课程名称：最优化算法英文名称：optimization algorithm 总学时：32 学分：2适用对象: 信息与计算科学本科专业先修课程：数学分析（1-3），高等代数（1-2），运筹学一、课程性质、目的和任务《最优化算法》课程是信息与计算科学专业的一门主要专业选修课。

本课程的目的是使学生理解最优化理论与方法的基本概念，掌握最优化的基本理论和常见的优化算法，为学习后继课程和解决实际问题打下扎实的基础，培养学生用数学知识解决实际问题的兴趣、意识，以及分析问题和解决问题的能力。

二、教学内容、方法及基本要求1．非线性规划基本概念教学内容：多元函数极值理论。

基本要求：理解非线性规划问题概念，一般形式，最优解的情况。

理解梯度、海赛矩阵等概念，掌握极值点的必要条件，充分条件。

理解凸函数概念，掌握凸函数的判定条件和方法。

理解凸规划概念。

2. 一维搜索教学内容：一维搜索。

基本要求：掌握求解非线性规划问题搜索法的基本思想。

掌握一维搜索的斐波那契方法和0.618法。

3．求解无约束非线性规划问题的解析法教学内容：梯度法，广义牛顿法，共轭梯度法，变度量法。

基本要求：理解梯度法，广义牛顿法，共轭梯度法，变度量法的基本思想，掌握四种方法的迭代步骤，了解四种方法的收敛定理。

4. 求解无约束非线性规划问题的直接法教学内容：步长加速法，方向加速法，单纯形法。

基本要求：理解步长加速法，方向加速法，单纯形法的基本思想，掌握三种方法的迭代步骤，了解三种方法的收敛准则。

了解解析法与直接法的优缺点。

5. 求解约束非线性规划问题的逐步线性逼近法教学内容：逐步线性逼近法。

基本要求：理解约束非线性规划问题一般模型。

理解逐步线性逼近法基本思想，掌握逐步线性逼近法的求解步骤。

6. 求解约束非线性规划问题的拉格朗日乘子法教学内容：拉格朗日乘子法。

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）22121212min 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-⎛⎫=∇-∇= ⎪-⎝⎭0110111011101T T T TH H H H H γγδδδγγγ=+- 其中，111011126.3096,247.3380T T TH δγγγγγ===111.1621 1.39451.3945 1.6734Tδδ⎛⎫= ⎪⎝⎭ ， 01101174.3734113.4194113.4194172.9646T TH H γγγγ⎛⎫== ⎪⎝⎭所以10.74350.40560.40560.3643H -⎛⎫= ⎪-⎝⎭(1)(1)1 1.4901()0.9776dH f x -⎛⎫=-∇= ⎪⎝⎭令 (2)(1)(1)1xx d α=+ ， 利用 (1)(1)()0df x d d αα+=，求得 10.5727α=-所以 (2)(1)(1)0.77540.57270.8535xx d⎛⎫=-= ⎪-⎝⎭ ， (2)0.2833()0.244f x ⎛⎫∇= ⎪-⎝⎭以下作第三次迭代(2)(1)20.85340.5599x x δ⎛⎫=-= ⎪-⎝⎭ ， (2)(1)2 1.0927()()0.9076f x f x γ-⎛⎫=∇-∇= ⎪⎝⎭22 1.4407T δγ=- ， 212 1.9922T H γγ=220.72830.47780.47780.3135T δδ-⎛⎫=⎪-⎝⎭1221 1.39360.91350.91350.5988T H H γγ-⎛⎫= ⎪-⎝⎭所以22122121222120.46150.38460.38460.1539T T T TH H H H H δδγγδγγγ-⎛⎫=+-= ⎪-⎝⎭(2)(2)20.2246()0.1465d H f x ⎛⎫=-∇= ⎪-⎝⎭令 (3)(2)(2)2xxdα=+ ， 利用(2)(2)()0df x d d αα+=，求得 21α=所以 (3)(2)(2)11x x d ⎛⎫=+=⎪-⎝⎭， 因为 (3)()0f x ∇=，于是停止 (3)(1,1)T x =-即为最优解。

习题一一、考虑二次函数f(x)=x x x x x x 2122212132+-++1) 写出它的矩阵—向量形式: f(x)=x Qx b xTT +21 2) 矩阵Q 是不是奇异的? 3) 证明: f(x)是正定的 4) f(x)是凸的吗? 5) 写出f(x)在点x =)1,2(T处的支撑超平面(即切平面)方程解:1) f(x)=x x x x x x 2122212132+-++=⎪⎪⎭⎫ ⎝⎛x x 2121⎪⎪⎭⎫ ⎝⎛6222⎪⎪⎭⎫ ⎝⎛x x 21+⎪⎪⎭⎫ ⎝⎛-11T⎪⎪⎭⎫⎝⎛x x 21 其中x=⎪⎪⎭⎫ ⎝⎛x x 21 ,Q=⎪⎪⎭⎫ ⎝⎛6222 , b=⎪⎪⎭⎫⎝⎛-11 2) 因为Q=⎪⎪⎭⎫⎝⎛6222 ,所以 |Q|=6222=8>0 即可知Q 是非奇异的 3) 因为|2|>0,6222=8>0 ,所以Q 是正定的,故f(x)是正定的 4) 因为)(2x f ∇=⎪⎪⎭⎫ ⎝⎛6222,所以|)(2x f ∇|=8>0,故推出)(2x f ∇是正定的,即)(2x f ∇是凸的5) 因为)(x f ∇ =1)x 6x 1,2-x 2x (22121+++T,所以)(x f ∇=(5,11)所以 f(x)在点x 处的切线方程为5(21-x )+11(12-x )=0二、 求下列函数的梯度问题和Hesse 矩阵 1) f(x)=2x 12+x x x xx 23923121+++x x x 2322+2) f(x)=ln(x 12+x x x 2221+)解: 1) )(x f ∇= (,94321x x x ++ 26321+++x x x , x x 219+))(2x f ∇=⎪⎪⎪⎭⎫ ⎝⎛0191619142) )(x f ∇=(x x x x x x 112221221+++ ,x x x x xx 112221221+++))(2x f ∇=⎪⎪⎪⎪⎪⎪⎪⎭⎫ ⎝⎛----------++++++++)()()()(2221212222212142221214222121222222121222212122221212212122x 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 x x x x x 三、设f(x)=x x x x x x x 323223322122--+++,取点)1,1,1()1(Tx =.验证d)1(=(1,0,-1)是f(x)在点x)1(处的一个下降方向,并计算min >t f(x)1(+td)1()证明: )(x f ∇=)124,123,x 2(233221-+-+x x x x T)5,4,2()(1Tx f =∇d )(1x f ∇=(1,0,-1)⎪⎪⎪⎭⎫⎝⎛542= -3<0所以d)1(是f(x)在x)1(处的一个下降方向f(x)1(+td)1()=f((1+t,1,1-t)) =433)1(1)1(221(222)1()1+-=----+++-+t t t t t t∇f(x )1(+t d )1()=6t-3=0 所以t=0.5>0所以min >t f(x )1(+td)1()=3*0.25-3*0.5+4=3.25四、设aj，b ，cj（j=1,2,….,n ）考虑问题Min f(x)=∑=nj jj xc 1s.t. b nj jjxa =∑=10≥xj(j=1,2,….,n)1) 写出其Kuhn Tuker 条件2) 证明问题最优值是])([12112∑=n j j j b c a 解：1）因),....,1(n j xj= 为目标函数的分母故0>x j所以λ*j（j=1,…,n ）都为0所以Kuhn Tuker 条件为 0)()(=∇+∇x h x f μ即 ⎪⎪⎪⎪⎪⎪⎪⎪⎪⎪⎭⎫⎝⎛---x c x c x c n n 2222211 +⎪⎪⎪⎪⎪⎭⎫ ⎝⎛a a a n 21μ=0 2）将ac x jj j μ=代入 h(x)=0 只有一点得∑=∑==⇒=nj jjn j j j b n c a bca 122)(1μ故有acc a x jj nj jjjb ∑==1所以最优解是])([12112∑=nj j j b c a 五、使用Kuhn Tuker 条件，求问题min f(x)=)2()1(2122--+x xs.t. 0,021212112≥≥=+=-x x x x x x的Kuhn Tuker 点，并验证此点为问题的最优解 解：x=(1/2,3/2) 0≠ 故λ*1，λ*2=0则 0)()()(2211=+∇+∇x x x f h h μμ即0111142222121=⎪⎪⎭⎫⎝⎛+⎪⎪⎭⎫ ⎝⎛-+⎪⎪⎭⎫ ⎝⎛--μμx x ⇒1,021-==μμ而⎪⎪⎭⎫ ⎝⎛=∇2002)(2x f 故08)(2>=∇x x f x T 即其为最优解六、在习题五的条件下证明L(μλ,,x*)),,(),,(μλμλ*****≤≤x L L x其中 L （x,μλ,）=f(x)+)2()1(2112-++--x x x x μλ证明：L(μλ,,x*)=f(x *)+)2()1(2112-++--****x x x x μλ= f(x *) = f(x *)+λ*)1(12--**x x +μ*-+**x x 21(2)= ),,(μλ***x L= f(x*))2()1()()(2112-++--+=≤**x x x x x f x f μλ= μλ**,,(x L )习题二一、设f(x)为定义在区间[a,b]上的实值函数，x*是问题min{f(x)|a b x ≤≤}的最优解。

练习题一1、建立优化模型应考虑哪些要素? 答：决策变量、目标函数和约束条件。

2、讨论优化模型最优解的存在性、迭代算法的收敛性及停止准则。

答：针对一般优化模型()()min ()..0,1,2, 0,1,,i j f x s t g x i m h x j p≥===，讨论解的可行域D ，若存在一点*X D ∈，对于X D ∀∈ 均有*()()f X f X ≤则称*X 为优化模型最优解，最优解存在；迭代算法的收敛性是指迭代所得到的序列(1)(2)(),,,K X X X ，满足(1)()()()K K f X f X +≤，则迭代法收敛；收敛的停止准则有(1)()k k x x ε+-<，(1)()()k k k x x x ε+-<，()()(1)()k k f x f x ε+-<，()()()(1)()()k k k f x f x f x ε+-<，()()k f x ε∇<等等。

练习题二1、某公司看中了例2.1中厂家所拥有的3种资源R 1、R2、和R 3，欲出价收购（可能用于生产附加值更高的产品）。

如果你是该公司的决策者，对这3种资源的收购报价是多少？（该问题称为例2.1的对偶问题）。

解：确定决策变量 对3种资源报价123,,y y y 作为本问题的决策变量。

确定目标函数 问题的目标很清楚——“收购价最小”。

确定约束条件 资源的报价至少应该高于原生产产品的利润，这样原厂家才可能卖。

因此有如下线性规划问题：123min 170100150w y y y =++1231231235210..23518,,0y y y s t y y y y y y ++≥⎧⎪++≥⎨⎪≥⎩ *2、研究线性规划的对偶理论和方法（包括对偶规划模型形式、对偶理论和对偶单纯形法）。

答：略。

3、用单纯形法求解下列线性规划问题：（1）⎪⎪⎩⎪⎪⎨⎧≥≤+-≤++≤-++-=0,,43222..min32131321321321x x x x x x x x x x x t s x x x z ； （2）⎪⎪⎩⎪⎪⎨⎧=≥=++=+-=+-+-=)5,,2,1(052222..4min53243232132 i x x x x x x x x x x t s x x z i解：（1）引入松弛变量x 4，x 5，x 6123456min 0*0*0*z x x x x x x =-++++12341232 =22 5 =3..13 6=41,2,3,4,5,60x x x x x x x x s t x x x x x x x x x +-+⎧⎪+++⎪⎨-++⎪⎪≥⎩因检验数σ2<0，故确定x 2为换入非基变量，以x 2的系数列的正分量对应去除常数列，最小比值所在行对应的基变量x 4作为换出的基变量。

习题一1.1利用图解法求下列线性规划问题： （1）21x x z max +=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 5x 2x 2x x 3.t .s 212121 解：根据条件，可行域为下面图形中的阴影部分，，有图形可知，原问题在A 点取得最优值，最优值z=5（2）21x 6x z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+-≤+0x ,x 7x x 1x x 2.t .s 212121 解：图中阴影部分表示可行域，由图可知原问题在点A 处取得最优值，最优值z=-6.（3）21x 2x 3z max +=⎪⎪⎩⎪⎪⎨⎧≥-≥-≤+-0x ,x 4x 2x 1x x .t .s 212121 解：如图所示，可行域为图中阴影部分，易得原线性规划问题为无界解。

（4）21x 5x 2z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 2x x 6x 2x .t .s 212121 解：由图可知该线性规划可行域为空，则原问题无可行解。

1.2 对下列线性规划问题，找出所有的基解，基可行解，并求出最优解和最优值。

（1）4321x 6x 3x 2x 5z min -+-=⎪⎪⎩⎪⎪⎨⎧≥=+++=+++0x ,x ,x ,x 3x 2x x x 27x 4x 3x 2x .t .s 432143214321 解：易知1x 的系数列向量⎪⎪⎭⎫ ⎝⎛=21p 1，2x 的系数列向量⎪⎪⎭⎫ ⎝⎛=12p 2，3x 的系数列向量⎪⎪⎭⎫⎝⎛=13p 3，4x 的系数列向量⎪⎪⎭⎫⎝⎛=24p 4。

①因为21p ,p 线性无关，故有⎪⎩⎪⎨⎧--=+--=+43214321x 2x 3x x 2x 4x 37x 2x ，令非基变量为0x x 43==，得⎪⎪⎩⎪⎪⎨⎧=-=311x 31x 21，所以得到一个基解)0,0,311,31(x )1(-=是非基可行解； ②因为31p ,p 线性无关，可得基解)0,511,0,52(x)2(=，543z 2=；③因为41p ,p 线性无关，可得基解611,0,0,31(x )3(-=，是非基可行解；④因为32p ,p 线性无关，可得基解)0,1,2,0(x )4(=，1z 4-=；⑤因为42p ,p 线性相关，42x ,x 不能构成基变量； ⑥因为43p ,p 线性无关，可得基解)1,1,0,0(x )6(=，3z 6-=；所以)6()4()2(x ,x ,x是原问题的基可行解，)6(x 是最优解，最优值是3z -=。

习题一1.1利用图解法求下列线性规划问题： （1）21x x z max +=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 5x 2x 2x x 3.t .s 212121 解：根据条件，可行域为下面图形中的阴影部分，，有图形可知，原问题在A 点取得最优值，最优值z=5（2）21x 6x z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+-≤+0x ,x 7x x 1x x 2.t .s 212121 解：图中阴影部分表示可行域，由图可知原问题在点A 处取得最优值，最优值z=-6.（3）21x 2x 3z max +=⎪⎪⎩⎪⎪⎨⎧≥-≥-≤+-0x ,x 4x 2x 1x x .t .s 212121 解：如图所示，可行域为图中阴影部分，易得原线性规划问题为无界解。

（4）21x 5x 2z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 2x x 6x 2x .t .s 212121 解：由图可知该线性规划可行域为空，则原问题无可行解。

1.2 对下列线性规划问题，找出所有的基解，基可行解，并求出最优解和最优值。

（1）4321x 6x 3x 2x 5z min -+-=⎪⎪⎩⎪⎪⎨⎧≥=+++=+++0x ,x ,x ,x 3x 2x x x 27x 4x 3x 2x .t .s 432143214321 解：易知1x 的系数列向量⎪⎪⎭⎫ ⎝⎛=21p 1，2x 的系数列向量⎪⎪⎭⎫ ⎝⎛=12p 2，3x 的系数列向量⎪⎪⎭⎫⎝⎛=13p 3，4x 的系数列向量⎪⎪⎭⎫⎝⎛=24p 4。

①因为21p ,p 线性无关，故有⎪⎩⎪⎨⎧--=+--=+43214321x 2x 3x x 2x 4x 37x 2x ，令非基变量为0x x 43==，得⎪⎪⎩⎪⎪⎨⎧=-=311x 31x 21，所以得到一个基解)0,0,311,31(x )1(-=是非基可行解； ②因为31p ,p 线性无关，可得基解)0,511,0,52(x)2(=，543z 2=；③因为41p ,p 线性无关，可得基解611,0,0,31(x )3(-=，是非基可行解；④因为32p ,p 线性无关，可得基解)0,1,2,0(x )4(=，1z 4-=；⑤因为42p ,p 线性相关，42x ,x 不能构成基变量； ⑥因为43p ,p 线性无关，可得基解)1,1,0,0(x )6(=，3z 6-=；所以)6()4()2(x ,x ,x是原问题的基可行解，)6(x 是最优解，最优值是3z -=。

《最优化方法》参考答案及评分标准1. 某文教用品厂用原材料白坯纸生产原稿纸、日记本和练习本三种产品。

该厂现有工人100人，每月白坯纸供应量为30 000 kg.已知工人的劳动生产率为：每人每月可生产原稿纸30捆，或生产日记本30打，或练习本30箱。

已知原材料消耗为：每捆原稿纸用白坯纸133kg,每打日记本用白坯纸1133kg,每箱练习本用白坯纸2263kg.又知每生产一捆原稿纸可获利2元，生产一打日记本获利3元，生产一箱练习本获利1元。

试确定：(a)现有生产条件下获利最大的方案；(b)如白坯纸的供应数量不变，当工人数不足时可招收临时工，临时工工资支出为每人每月40元，则该厂要不要招收临时工，招多少临时工最合适？ 解：（a ）分别用123,,x x x 代表原稿纸、日记本和练习本的每月生产量。

(2分) 建立线性规划模型(4分)⎪⎪⎩⎪⎪⎨⎧≥≤++≤++++0,3000038034031010030/30/30/32max 32,1321321321x x x x x x x x x x x x （b ）临时工影子价格高于市场价格，故应招收。

用参数规划计算确定招200人为最适宜。

（5分）2. 求解下列产销平衡的运输问题，表中列出的为产地到销地之间的运价。

(1)用左上角法、最小元素法、沃格尔法求初始基本可行解。

(2)由上面所得的初始方案出发，应用表上作业法求最优方案，并比较初始方案需要的迭代次解：3. 用动态规划求解下面的问题解：（1）建立动态规划模型：①阶段变量k=1,2,3。

(1分) ②状态变量s k 表示第k 阶段初各决策变量之积，则s 3=27。

(1分) ③决策变量x k 分别表示第k 阶段的x 的值 (1分) ④状态转移方程s k+1=s k /x k 。

(1分) ⑤指标函数v k (s k ,x k )表示第k 阶段的总成本，即x 1+x 2+…+x k (1分)由已知可得k k k k x x s v =),((1分)⑥基本方程为⎪⎩⎪⎨⎧=+=++≤≤0)()}(),({max )(441160s f s f x s v s f k k k k k x k k k (2分) （2）用动态规划的正向或反向推理算法求解可得：（12分）()()9)(min 333321==x f x x x评分标准：以上的推理过程，每一阶段的计算正确得3分（共3个阶段），其中，列写出s 或x 的范围得1分，列写出决策表得1分，列写出最优决策表得1分，每出现一处错误，扣0.5分，至扣完本项分值为止。

练习题一1、建立优化模型应考虑哪些要素“答：决策变量、目标函数和约束条件。

2、讨论优化模型最优解的存在性、迭代算法的收敛性及停顿准则。

答：针对一般优化模型，讨论解的可行域，假设存在一()()min ()..0,1,2, 0,1,,i j f x s t g x i m h x j p≥===L L D 点，对于均有则称为优化模型最优解，最优解存在；*X D ∈X D ∀∈*()()f X f X ≤*X 迭代算法的收敛性是指迭代所得到的序列，满足，(1)(2)(),,,K X X X L L (1)()()()K K f X f X +≤则迭代法收敛；收敛的停顿准则有，，(1)()k k x x ε+-<(1)()()k k k x x xε+-<，，等等。

()()(1)()k k f x f x ε+-<()()()(1)()()k k k f x f x f x ε+-<()()k f x ε∇<练习题二1、*公司看中了例2.1中厂家所拥有的3种资源R 1、R2、和R 3，欲出价收购〔可能用于生产附加值更高的产品〕。

如果你是该公司的决策者，对这3种资源的收购报价是多少？〔该问题称为例2.1的对偶问题〕。

解：确定决策变量对3种资源报价作为本问题的决策变量。

123,,y y y 确定目标函数问题的目标很清楚——“收购价最小〞。

确定约束条件资源的报价至少应该高于原生产产品的利润，这样原厂家才可能卖。

因此有如下线性规划问题：123min 170100150w y y y =++*2、研究线性规划的对偶理论和方法〔包括对偶规划模型形式、对偶理论和对偶单纯形法〕。

答：略。

3、用单纯形法求解以下线性规划问题：〔1〕⎪⎪⎩⎪⎪⎨⎧≥≤+-≤++≤-++-=0,,43222..min32131321321321x x x x x x x x x x x t s x x x z ；〔2〕⎪⎪⎩⎪⎪⎨⎧=≥=++=+-=+-+-=)5,,2,1(052222..4min 53243232132 i x x x x x x x x x x t s x x z i 解：〔1〕引入松弛变量*4，*5，*6c j →1-11C B基b*1*2*3*4*5*60*421[1]-21000*532110100*64-101001c j -z j1-11因检验数σ2<0，故确定*2为换入非基变量，以*2的系数列的正分量对应去除常数列，最小比值所在行对应的基变量*4作为换出的基变量。

最优化方法及其应用课后答案1. 最优化方法的分类包括哪些方面？最优化方法可分为三类：数学规划、非数学规划和元启发式方法。

2. 线性规划的标准形式是什么？线性规划的标准形式为：max cTxsubject toAx ≤ bx ≥ 0其中，cTx表示优化目标，Ax≤b表示约束条件，x≥0表示非负约束条件。

3. 拉格朗日乘数法是如何解决带有等式约束的优化问题的？拉格朗日乘数法是通过构建拉格朗日函数来解决带有等式约束的优化问题的。

具体地，拉格朗日函数L(x,λ)定义为：L(x,λ)=f(x)+λTh(x)其中，f(x)是优化目标函数，h(x)是等式约束函数，λ是拉格朗日乘数。

然后，通过求解L(x,λ)的梯度和等于0的条件，得到原问题的解。

4. 什么是梯度下降法？梯度下降法是一种迭代求解方法，用于优化无约束的多次可微函数。

该方法通过向负梯度方向下降来逐步逼近优化目标的最小值。

具体地，梯度下降法的迭代公式为：x(k+1)=x(k)-αk∇f(x(k))其中，x(k)是第k次迭代后的解，αk是步长，∇f(x(k))表示f(x(k))的梯度。

5. 遗传算法是如何实现优化的？遗传算法是一种元启发式方法，它基于模拟生物进化过程来实现优化。

算法先随机生成一组初始的个体，然后对这些个体进行遗传操作（交叉、变异），以产生新的个体，并按照适应度函数的大小保留一部分个体，舍弃一部分个体。

通过多次迭代，逐步优化得到最优解。

6. 模拟退火算法的基本思想是什么？模拟退火算法是一种元启发式方法，它基于物理中的退火现象进行优化。

算法维护一个当前解，然后随机生成一个新的解，并计算当前解到新解的能量差。

如果新解比当前解更优，则直接接受它。

若不是，则以一定概率接受新解，并降低概率参数T，然后继续下一步迭代。

通过多次迭代，逐步优化得到最优解。

7. 最大熵模型的基本原理是什么？最大熵模型是一种概率模型，它通过最大化经验熵与先验熵之和来实现分类或回归问题的优化。

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：22121122123142min ()(3)(4)5()02()50..()0()0f x x xg 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(,)44x =()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 ⎧=−−=⎪⎨⎪=−−+=⎩1215454x x ⎧=⎪⎪⎨⎪=⎪⎩即最优点为：最优值为：=*155(,)44x =*()f x 658（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。

123122313123max ()220..00f x x x x x x x x x x S x s t x x =++≤⎧⎪>⎪⎨>⎪⎪>⎩32123sx y z v⎛⎞=====⎜⎟⎝⎠习题二3.计算一般二次函数的梯度。

结构优化设计structural optimal design (optimum structural design)参考书：1. 孙靖民：机械优化设计，机械工业出版社，20032. 孙德敏：工程最优化方法和应用，中国科大出版社，19973. 施光燕：最优化方法，高教出版社，1999绪论1. 内容基本概念：结构(structure) 广义—系统组成；窄义—承受载荷、维持系统几何形状不变的部分，如梁杆板壳及其组合。

结构是用来支承有效载荷的。

设计(design) 完成一项新产品、新工程前的方案构思（如大小、尺寸、形状、材料、工艺过程等）。

数据—数字化--CAE优化(optimization) 从几种方案中选出最好的—优选；从设计空间中的无数种方案中用计算机选出最好的—优化。

2. 工程中的优化问题1） 桥梁2） 等强度梁，铁塔 3） 飞机、航天器4） 其他领域（控制、化工）3. 发展史: 牛顿，计算机， 钱令希；MATLAB —优化工具箱；遗传算法MATLAB —面向工程的高级语言 Optimization Toolbox 主要功能：1） 线性规划 x c TbAx ⋅≤min —— ()b Ac lp x ,,*=2） 二次规划 ⎪⎭⎫⎝⎛+≤x c x H x T T b Ax 21min —— ),,,(*b A c H qp x =一、概述（入门实例）一、 举例 1. 人字架优化已知：2B=152cm, T=0.25cm, E=2.1×105Mpa, ρ=7.8×103kg/m 3, σ=420Mpa, 2F=3×105N求：min [m(D,h)] 满足强度和稳定要求 解：变量 D,h载荷 ()hh BFF F 21221cos /+==θ--单杆内力应力 ()hTDh B F A F πσ21221+==临界应力 )(8)(22222h B D T E A F e e ++==πσ 强度条件 y σσ≤()hTDhB F π2122+y σ≤稳定条件 e σσ≤()hTDhB F π2122+)(8)(22222h B D T E ++≤π目标函数：2122)(22),(min h B TD AL h D m +==πρρ● 解析法：2122)(22),(min h B TD AL h D m +==πρρ不考虑稳定条件，由强度条件建立D,h 关系极限情况 y h D σσ=),(Thh B F D y πσ2/122)(+=→→hh B F h B TD AL h m y 2221222)(22)(+⋅=+==σρπρρ 012)(22=⎪⎪⎭⎫ ⎝⎛-=h B F dh h dm y σρcm B h 76*==→→ cm D 43.6*=校核稳定条件 ),(),(****h D h D e σσ≤，没问题。