二次动态规划图论.docx
《二次动态规划图论.docx》由会员分享,可在线阅读,更多相关《二次动态规划图论.docx(18页珍藏版)》请在冰豆网上搜索。
二次动态规划图论
§1二次规划模型
数学模型:
其中H为二次型矩阵,A、Aeq分别为不等式约束与等式约束系数矩阵,f,b,beq,lb,ub,x为向量。
求解二次规划问题函数为quadprog()
调用格式:
X=quadprog(H,f,A,b)
X=quadprog(H,f,A,b,Aeq,beq)
X=quadprog(H,f,A,b,Aeq,beq,lb,ub)
X=quadprog(H,f,A,b,Aeq,beq,lb,ub,x0)
X=quadprog(H,f,A,b,Aeq,beq,lb,ub,x0,options)
[x,fval]=quadprog(…)
[x,fval,exitflag]=quadprog(…)
[x,fval,exitflag,output]=quadprog(…)
[x,fval,exitflag,output,lambda]=quadprog(…)
说明:
输入参数中,x0为初始点;若无等式约束或无不等式约束,就将相应的矩阵和向量设置为空;options为指定优化参数。
输出参数中,x是返回最优解;fval是返回解所对应的目标函数值;exitflag是描述搜索是否收敛;output是返回包含优化信息的结构。
Lambda是返回解x入包含拉格朗日乘子的参数。
例1:
求解:
二次规划问题
minf(x)=x1-3x2+3x12+4x22-2x1x2
s.t2x1+x2≤2
-x1+4x2≤3
程序:
f=[1;-3];
H=[6-2;-28];
A=[21;-14];
b=[2;3];
[X,fval,exitflag]=quadprog(H,f,A,b)
结果:
X=
-0.0455
0.3636
fval=
-0.5682
exitflag=
1
例2:
求解:
二次规划问题
minx12+2x22-2x1x2-4x1-12x2
s.tx1+x2≤2
-x1+2x2≤2
2x1+x2≤3
0≤x1,0≤x2
程序:
H=[2-2;-24];
f=[-4;-12];
A=[11;-12;21];
b=[2;2;3];
lb=zeros(2,1);
[x,fval,exitflag]=quadprog(H,f,A,b,[],[],lb)
结果:
x=
0.6667
1.3333
fval=
-16.4444
exitflag=
1
练习1求解下面二次规划问题
sub.to
解:
则,,
在MATLAB中实现如下:
>>H=[1-1;-12];
>>f=[-2;-6];
>>A=[11;-12;21];
>>b=[2;2;3];
>>lb=zeros(2,1);
>>[x,fval,exitflag,output,lambda]=quadprog(H,f,A,b,[],[],lb)
结果为:
x=%最优解
0.6667
1.3333
fval=%最优值
-8.2222
exitflag=%收敛
1
output=
iterations:
3
algorithm:
'medium-scale:
active-set'
firstorderopt:
[]
cgiterations:
[]
lambda=
lower:
[2x1double]
upper:
[2x1double]
eqlin:
[0x1double]
ineqlin:
[3x1double]
>>lambda.ineqlin
ans=
3.1111
0.4444
0
>>lambda.lower
ans=
0
0
说明第1、2个约束条件有效,其余无效。
练习2求二次规划的最优解
maxf(x1,x2)=x1x2+3
sub.tox1+x2-2=0
解:
化成标准形式:
sub.tox1+x2=2
在Matlab中实现如下:
>>H=[0,-1;-1,0];
>>f=[0;0];
>>Aeq=[11];
>>beq=2;
>>[x,fval,exitflag,output,lambda]=quadprog(H,f,[],[],Aeq,beq)
结果为:
x=
1.0000
1.0000
fval=
-1.0000
exitflag=
1
output=
firstorderopt:
0
iterations:
1
cgiterations:
1
algorithm:
[1x58char]
lambda=
eqlin:
1.0000
ineqlin:
[]
lower:
[]
upper:
[]
§2 最大最小化模型
基本思想:
在对策论中,我们常遇到这样的问题:
在最不利的条件下,寻求最有利的策略。
在实际问题中也有许多求最大值的最小化问题。
例如急救中心选址问题就是要规划其到所有地点最大距离的最小值。
在投资规划中要确定最大风险的最低限度等等。
为此,对每个x∈R,我们先求诸目标值fi(x)的最大值,然后再求这些最大值中的最小值。
最大最小化问题的数学模型:
求解最大最小化问题的函数为fminimax
调用格式:
x=fminimax(F,x0,)
x=fminimax(F,x0,,A,b)
x=fminimax(F,x0,,A,b,Aeq,beq)
x=fminimax(F,x0,,A,b,Aeq,beq,lb,ub)
x=fminimax(F,x0,,A,b,Aeq,beq,lb,ub,nonlcon)
x=fminimax(F,x0,,A,b,Aeq,beq,lb,ub,nonlcon,options)
x=fminimax(F,x0,,A,b,Aeq,beq,lb,ub,nonlcon,options,P1,P2)
[x,fval]=fminimax(…)
[x,fval,maxfval]=fminimax(…)
[x,fval,maxfval,exitflag,output]=fminimax(…)
[x,fval,maxfval,exitflag,output,lambda]=fminimax(…)
说明:
F为目标函数;x0为初值;A、b为线性不等式约束的矩阵与向量;Aeq、beq为等式约束的矩阵与向量;lb、ub为变量x的上、下界向量;nonlcon为定义非线性不等式约束函数c(x)和等式约束函数ceq(x);options中设置优化参数。
x返回最优解;fval返回解x处的目标函数值;maxfval返回解x处的最大函数值;exitflag描述计算的退出条件;output返回包含优化信息的输出参数;lambda返回包含拉格朗日乘子的参数。
例1求解下列最大最小值问题:
首先编辑M文件ff14.m
functionf=ff14(x)
f
(1)=3*x
(1)^2+2*x
(2)^2-12*x
(1)+35;
f
(2)=5*x
(1)*x
(2)-4*x
(2)+7;
f(3)=x
(1)^2+6*x
(2);
f(4)=4*x
(1)^2+9*x
(2)^2-12*x
(1)*x
(2)+20;
取初值x0=(1,1)调用优化函数
x0=[11];
[x,fval,maxfval]=fminimax(@ff14,x0)
结果:
x=
1.76370.5317
fval=
23.73319.56216.301023.7331
例2:
选址问题
设某城市有某种物品的10个需求点,第i个需求点Pi的坐标为(ai,bi),道路网与坐标轴平行,彼此正交。
现打算建一个该物品的供应中心,且由于受到城市某些条件的限制,该供应中心只能设在x界于[5,8],y界于[5.8]的范围之内。
问该中心应建在何处为好?
P点的坐标为:
ai
1
4
3
5
9
12
6
20
17
8
bi
2
10
8
18
1
4
5
10
8
9
建立数学模型:
设供应中心的位置为(x,y),要求它到最远需求点的距离尽可能小,此处采用沿道路行走计算距离,可知每个用户点Pi到该中心的距离为|x-ai|+|y-bi|,于是有:
编程:
首先编辑M文件:
ff15.m
functionf=ff15(x)
a=[1435912620178];
b=[2108181451089];
f
(1)=abs(x
(1)-a
(1))+abs(x
(2)-b
(1));
f
(2)=abs(x
(1)-a
(2))+abs(x
(2)-b
(2));
f(3)=abs(x
(1)-a(3))+abs(x
(2)-b(3));
f(4)=abs(x
(1)-a(4))+abs(x
(2)-b(4));
f(5)=abs(x
(1)-a(5))+abs(x
(2)-b(5));
f(6)=abs(x
(1)-a(6))+abs(x
(2)-b(6));
f(7)=abs(x
(1)-a(7))+abs(x
(2)-b(7));
f(8)=abs(x
(1)-a(8))+abs(x
(2)-b(8));
f(9)=abs(x
(1)-a(9))+abs(x
(2)-b(9));
f(10)=abs(x
(1)-a(10))+abs(x
(2)-b(10));
然后用以下程序计算:
x0=[6;6];
AA=[-10
10
0-1
01];
bb=[-5;8;-5;8];
[x,fval]=fminimax(@ff15,x0,AA,bb)
结果:
x=
8
8
fval=
1365138851491
即:
在坐标为(8,8)处设置供应中心可以使该点到各需求点的最大距离最小,最小的最大距离为14单位。
练习求下列函数最大值的最小化问题
其中:
解:
先建立目标函数文件,并保存为ff16.m:
functionf=ff16(x)
f
(1)=2*x
(1)^2+x
(2)^2-48*x
(1)-40*x
(2)+304;
f
(2)=-x
(1)^2-3*x
(2)^2;
f(3)=x
(1)+3*x
(2)-18;
f(4)=-x
(1)-x
(2);
f(5)=x
(1)+x
(2)-8;
然后,在命令窗口键入命令:
x0=[0.1;0.1];%初始值
[x,fval,maxf]=fminimax(@ff16,x0)
结果为:
x=
4.0000
4.0000
fval=
0.0000-64.0000-2.0000-8.0000-0.0000
maxf=
2.2737e-013
§3 动态规划模型
如图所示,给定一个线路网络,两点之间连线上的数字表示两点间距离,试求一条从A到E的路线,使总距离为最短。
Mattlab求解:
首先利用Exc