====== 第十三课 ======
**最优化方法**
====== 内容 ======
* 线性规划
* 非线性优化
====== 主要参考书: ======
* 线性规划,张建中,许绍吉,科学出版社
* 最优化理论与方法,袁亚湘,孙文瑜,科学出版社
====== 基本理论 ======
===== 问题定义 (Linear Programming,LP)=====
在一组线性的等式或不等式约束下,求一个线性函数的最小值或最大值。\\
**形式化的定义:**\\
\min\ c_1x_1+...+c_nx_n
s.t.
a_{11}x_1+...+a_{1n}x_n\le b_1
...
a_{m1}x_1+...+a_{mn}x_n\le b_m
x_1,...,x_n \ge 0
即:\\
min **cTx**\\
s.t. A**x**≤**b**, **x**≥0\\
其中,**c:**价值向量,**A:**约束矩阵,**b:**右端向量,**x:**满足约束条件,称为可行解或可行点\\
**LP问题:**\\
D:所有可行点的集合,称为可行区域\\
D=∅,无解或不可行\\
D≠∅,但目标函数在D上无上界:无界\\
D≠∅,且目标函数有限的最优解:有最优解\\
**线性规划在Matlab中的实现方法**\\
Matlab中规定线性规划的标准形式为:\\
min **cTx** s.t. A**x**≤**b**\\
其中,**c**和**x**为n维列向量,**b**为m维列向量,**A**为m*n矩阵\\
基本函数形式为:\\
linprog(c, A, b)\\
返回值是向量x的值\\
调用举例:\\
[x,fval]=linprog(c, A, b, Aeq, beq, LB, UB, X0, OPTIONS)\\
fval返回目标函数的值,\\
Aeq、beq对应等式约束,AeqX = beq\\
LB、UB分别是变量X的下界和上界,X0是X的初始值\\
OPTIONS是控制参数。\\
--- //[[1@1|李昌英]] 学号:11021081 2011/06/08//
===== 标准LP问题 =====
从实际中总结出来的LP形式不完全一样:\\
* 目标函数是最大值或最小值,
* 约束条件是等式约束或不等式约束,
* 变量有上界或下界或无界
标准LP问题形式:\\
min z=**cTx**\\
s.t. A**x**=**b**, **x**≥**0**\\
将LP问题标准化:
目标函数的转换 $\max\ z->\min\ (-z)$\\
约束条件的转换(引入松弛变量)
\sum_{j=1}^{n}{a_{ij}x_j\le b_{i}}
<=>
\sum_{j=1}^{n}{a_{ij}x_j+x_{n+i}}=b_i, x_{n+i}\ge 0
变量的非负约束:
x_j\ge l_j
<=>
y_j\ge0, y_j=x_j-l_j
x_j自由变量
<=>u_j\ge0, v_j\ge0, x_j=u_j-v_j
--- //[[1@1|李昌英]] 学号:11021081 2011/06/08//
====== 可行区域 ======
**定义:** 可行区域是所有满足约束条件的可行点的集合,记为D
D={x| Ax=b, x≥0}\\
首先讨论集合 K={ x | Ax = b }\\
* **仿射集**:对于集合S⊆En,如果对任意x, y∈S, λ∈E1, 都有λx+(1-λ)y∈S,则称S为仿射集。
一般仿射集的特征:给定 mxn 实矩阵 A 和 b∈Em,则 K={x∈En | Ax=b} 为 En 中的仿射集,并且En中的任一仿射集均可表成此种形式。\\
集合 K={ x | Ax = b }为 En 仿射集。\\
* **凸集**:对任意的x, y∈C,λ∈(0,1),有 λx+(1-λ)y∈C,则C为凸集。
可行区域 D={x|Ax=b,x≥0}为凸集。\\
* **界面**:可行区域D的子集D’为D的一个界面当且仅当存在指标集合Q⊆{1,…,n},使得D’={x|Ax=b,x≥0,且xj=0当j∈Q}
若dim(D)= n-m, D’为D的界面,且dim(D’)=n-m-k,则|Q|≥k.
* **极点**:凸集C的1维界面称为边(edge), 0维界面称为极点(extreme point)。若两个极点在同一条边上,称它们是相邻的。
* **极方向**:设C≠Ø为En中的一个凸集,d∈En,d≠0。若对任一x∈C及λ>0,均有x+λd∈C,则称d为C的一个方向。
如果一个方向d不能表成两个方向的正线性组合,就成d是C的极方向(extreme direction)。
--- //[[1@1|李昌英]] 学号:11021081 2011/06/09//
--- //[[1@1|桂立业]] 学号:11024012 2011/06/20//
--- //[[1@1|刘雨]] 学号:10924010 2011/06/21//
====== 基本可行解 ======
* **基本解:**
假定$rank(A)=m$,则A中必有m个线性无关的列向量——构成满秩方阵B,A中其余各列组成子阵N,即$A=(B, N)$。相应的$x=(x_B, x_N)$,则$Ax=b$可改写成 AX=Bx_B+Nx_N=b\\
因为B为满秩,则B-1存在,那么 x_B=B^{-1}b-B^{-1}Nx_N\\
任给一组值$x_N$,则可得到相应的$x_B$,\\
(x_B, x_N)
为$Ax=b$的一个解。\\
令$x_N=0$, 则$x_B=B^{-1}b$, $x=(B^{-1}b,0)$称为约束方程组的**基本解**。
* **基本可行解:**
* 设 $rank(A)=m$
* A中m个线性无关的列向量构成满秩方阵B
* A中其余各列组成子阵N
* A=(B, N)
* $x=(x_B, x_N)$
* $Ax=b$ 可改写成 $Bx_B + Nx_N =b$
B称为**基**,B中的m个线性无关的列向量称为**基向量**,$x_B$的m个分量称为**基变量**,其余的变量称为**非基变量**。\\
基本解不一定满足非负条件,故不一定是可行解。对于非负的基本解,称为**基本可行解**,此时B称为**可行基**。
* 退化:
基本可行解x,若它所有的基变量都取正值,则x为非退化的(non-degenerated); 反之,为退化的。\\
一个可行基对应一个基本可行解;反之,若一个基本可行解是非退化的,则它也对应着唯一的可行基。\\
若一个基本可行解是退化的,则它可以由不止一个可行基得到。\\
对应一个LP问题,如果它的所有基本可行解都是非退化,就说该问题是非退化的,否则为退化的。\\
--- //[[1@1|李昌英]] 学号:11021081 2011/06/09//
--- //[[1@1|郑建靖]] 学号:11024013 2011/06/20//
--- //[[1@1|桂立业]] 学号:11024012 2011/06/20//