中文名 | 約束優(yōu)化 | 外文名 | Constrained Optimization |
---|---|---|---|
領(lǐng)????域 | 數(shù)學(xué)、優(yōu)化問題 | 問題求解關(guān)鍵 | 滿足約束條件和目標(biāo)值要達(dá)到最優(yōu) |
分????類 | 線性和非線性;單目標(biāo)和多目標(biāo) | 方????法 | 傳統(tǒng)方法和進化算法 |
傳統(tǒng)方法的實現(xiàn)如牛頓法、梯度法等,其基本思想就是將動態(tài)的轉(zhuǎn)化為靜態(tài)的,將多目標(biāo)轉(zhuǎn)化為單目標(biāo),由點及面的搜索思想。
傳統(tǒng)方法存在如下問題:
(1) 傳統(tǒng)的基于梯度的優(yōu)化方法(如可行方向法、約束變尺度法)對約束條件的處理往往是先尋找一個可行且下降的方向,然后沿此方向進行線性搜索,并重復(fù)上述步驟以得到問題的最優(yōu)解,然而該最優(yōu)解往往是局部最優(yōu)的。
(2) 對于許多實際的約束優(yōu)化問題,一方面,由于目標(biāo)函數(shù)往往形式復(fù)雜,不僅問題的維數(shù)比較高,而且優(yōu)化曲面中存在多個極小點,這使得傳統(tǒng)的基于梯度的算法難以奏效。另一方面,實際問題中目標(biāo)函數(shù)往往是不連續(xù)或不可微,有些問題目標(biāo)函數(shù)甚至沒有解析表達(dá)式,傳統(tǒng)算法難以解決這類問題。
(3) 由于約束的存在,使得決策變量的可行搜索空間不規(guī)則(如非凸,不連通等),從而增加了搜索到最優(yōu)解的難度,有時甚至很難找到可行解。
簡介
進化算法是一種智能的全局優(yōu)化方法,它對函數(shù)本身性質(zhì)要求非常低,往往只要求目標(biāo)函數(shù)值是可以計算的,不要求它具有連續(xù)性、可微性及其它解析性質(zhì),同時它又是基于群體進化的算法,因此可采用進化算法解決約束優(yōu)化問題。用進化算法解決約束優(yōu)化問題的關(guān)鍵在于如何進行有效的約束處理,即如何有效均衡在可行區(qū)域與不可行區(qū)域的搜索。
常見的用于求解約束優(yōu)化問題的進化算法有罰函數(shù)法、遺傳算法、進化策略、進化規(guī)劃、蟻群算法和粒子群算法等。
與傳統(tǒng)方法相比的優(yōu)勢
(1) 在一般情況下,進化算法能否收斂到全局最優(yōu)解與初始群體無關(guān),而傳統(tǒng)優(yōu)化方法則依賴于初始解;
(2) 進化算法具有全局搜索能力,而很多傳統(tǒng)優(yōu)化方法往往會陷入局部最優(yōu);
(3) 進化算法的適用范圍廣,能有效地解決不同類型的問題,而傳統(tǒng)優(yōu)化方法在設(shè)計時往往就只能解訣某一類型的問題。
存在的不足
(1) 進化算法中的參數(shù),如群體規(guī)模、進化代數(shù)、重組概率、變異概率等,往往需要根據(jù)經(jīng)驗設(shè)定,且在一定程度上與問題相關(guān);
(2) 進化算法的收斂問題,進化算法求解實際問題時的收斂性判定缺乏理論指導(dǎo)。 2100433B
不失一般性,約束優(yōu)化問題可以描述為如下形式:
其中 x 是決策變量,f( x )是目標(biāo)函數(shù),
若對某一
當(dāng)f(x)為線性函數(shù)時稱為線性規(guī)劃問題,反之如果是非線性則為非線性規(guī)劃問題。當(dāng)約束問題包含一個目標(biāo)函數(shù)時,稱為單目標(biāo)約束優(yōu)化問題;當(dāng)約束問題包含多個目標(biāo)函數(shù)時,稱為多目標(biāo)約束優(yōu)化問題。
1.原材不浪費,比如9米,模數(shù)可設(shè)置為9米,4.5米,3米,2.25米,1.8米等;2.符合規(guī)范,施工方便,比如柱筋,板筋
結(jié)構(gòu)優(yōu)化許多企業(yè)在經(jīng)營中無法創(chuàng)造滿足資本回報要求的盈利是因為它們有過多的非經(jīng)營性資產(chǎn),比如說許多國內(nèi)的企業(yè)有自己的會議中心、食堂、員工宿舍等;又如不少企業(yè)帳面上掛著大量的無變現(xiàn)價值的庫存、應(yīng)收帳款。這...
指甲是按重量計算的。
格式:pdf
大?。?span id="nt3fftt" class="single-tag-height">339KB
頁數(shù): 未知
評分: 4.5
為提高鐵路集裝箱中心站的運作效率,研究了帶有干涉約束和安全約束的軌道式門式起重機的調(diào)度問題,以最小化最大裝卸作業(yè)時間為目標(biāo)構(gòu)建了一個混合整數(shù)規(guī)劃模型。由于該模型求解難度大,為此提出了一種螢火蟲優(yōu)化算法(FA),使用小規(guī)模和大規(guī)模隨機算例對算法進行測試。測試結(jié)果表明:無論是求解小規(guī)模問題還是大規(guī)模問題,FA算法都比CPLEX和GA算法具有較快的尋優(yōu)速度和較高的尋優(yōu)精度。
格式:pdf
大?。?span id="jhnp9l5" class="single-tag-height">339KB
頁數(shù): 4頁
評分: 4.5
螺栓聯(lián)接是煤礦機械中常用的一種聯(lián)接方式,通過帶螺栓多約束組件建立參數(shù)化模型,針對組件模型特性引入同步變化理論,構(gòu)建了基于組件的改進型多約束優(yōu)化數(shù)學(xué)模型。在實例分析和優(yōu)化設(shè)計中,結(jié)合相關(guān)設(shè)計理論進行對比,證明了方法的合理性,從而為各種工程實際下的帶螺栓組多約束組件的合理有效設(shè)計提供了有力的理論和實踐依據(jù)。
約束最優(yōu)化問題就是求目標(biāo)函數(shù)
約束最優(yōu)化問題的解法有兩種:
例1 最大面積 設(shè)長方形的長、寬之和等于
解: 這就是一個約束最優(yōu)化問題:設(shè)長方形的長為x,寬為y,求目標(biāo)函數(shù)A=xy在條件x y=a之下的最大值。
由于從約束條件x y=a中容易解出y=a-x,代入目標(biāo)函數(shù)
由
從上述例子可以看出化約束最優(yōu)化問題為無約束最優(yōu)化問題的思路:從約束條件
但是,這種方法有局限性,因為有時從約束條件
這一方法的思路是:把求約束最優(yōu)化問題轉(zhuǎn)化為求無約束最優(yōu)化問題,看它應(yīng)該滿足什么樣的條件"para" label-module="para">
設(shè)
為了便于記憶,并能容易地寫出方程組(1),我們構(gòu)造一個函數(shù)
于是,我們把用拉格朗日乘數(shù)法求解約束最優(yōu)化問題的步驟歸納如下:
①構(gòu)造拉格朗日函數(shù)
②解方程組
③根據(jù)實際問題的性質(zhì),在可能極值點處求極值 。2100433B
約束最優(yōu)化問題(constrained optimization problem)是指具有約束條件的非線性規(guī)劃問題。極小化問題的一般形式為
生活是受約束的夢。作為一個正常的成年人,我們知道現(xiàn)實不會給我們提供絕對的安全,也不會給我們提供無條件的愛。當(dāng)我們在扮演朋友、配偶和父母等不同角色的時候,我們最終會懂得每一種人類關(guān)系都是受到限制的。