当前位置: 首页 > news >正文

Lecture2——最优化问题建模

一,建模

1,重要性

实际上,我们并没有得到一个数学公式——通常问题是由某个领域的专家口头描述的。能够将问题转换成数学公式非常重要。建模并不是一件容易的事:有时,我们不仅想找到一个公式,还想找到一个好的公式。找到一个好的优化模型至少是解决问题的一半。

2,建模的一般步骤
  • 分辨信息是否已知:已知为参数(parameter),未知为决策变量。
  • 分辨决策变量
  • 分辨任务目标:我们要实现什么?(目标函数)
  • 分辨限制条件:我们需要满足什么?(约束)
  • 对于目标函数和约束,我们应该能够使用决策变量写出一个公式/函数

二,例题描述

注:题目来自课件

1,最短路径问题

问题:S到T之间的最短路径是什么?

  • 第一,二步:参数和决策变量

已知参数:图

决策变量:xij——是否使用这条边,如果使用xij=1,反之为0

  • 第三步:目标函数

已知:我们要使S到T的路径最短

可知:要使总长d=\sum _{\left ( i,j \right )\in E}w_{ij}x_{ij}最小,因此d的关系式就是目标函数

  • 第三步限制条件

根据题意:1,连接起点和终点的边必须选一条

                  2,在本题中i到j和j到i的距离是相等的

                  3,xij——是否使用这条边,如果使用xij=1,反之为0

  • 最后得到一个数学表达

示例:             minimize \sum _{\left ( i,j \right )\in E}w_{ij}x_{ij}

                          s.t.          x_{ij}\in \left \{ 0,1\right \}           \forall \left ( i,j \right )\in E

                                        \Sigma _{j}x_{sj}=1

                                        \Sigma _{j}x_{jt}=1

                                        \Sigma _{j}x_{ij}=\Sigma _{j}x_{ji} \forall i\neq s,t.

http://www.lryc.cn/news/371534.html

相关文章:

  • unidbg讲解V1
  • 软设之敏捷方法
  • 【设计模式深度剖析】【7】【行为型】【观察者模式】
  • 列表的C++实
  • Chisel入门——在windows系统下部署Chisel环境并点亮FPGA小灯等实验
  • Python和C++赋值共享内存、Python函数传址传值、一些其他的遇到的bug
  • 深度解析ONLYOFFICE协作空间2.5版本新功能
  • Java I/O模型
  • 【简单介绍下Sass,什么是Sass?】
  • bat脚本—快速修改网络配置
  • node.js漏洞——
  • Qt多线程之moveToThread()函数
  • 【WEB前端2024】智体OS:poplang编程控制成本小千元的长续航robot机器人底盘(开源)
  • 动态规划法学习
  • 前端技术回顾系列 10|TS 泛型在类和接口中的应用
  • 【Ardiuno】实验ESP32单片机自动配置Wifi功能(图文)
  • xml数据解析
  • vite工程化搭建vue项目之自动按需导入
  • yolo-inference多后端+多任务+多算法+多精度模型 框架开发记录(python版)
  • uniapp使用vue3语法构建自定义导航栏,适配小程序胶囊
  • wpf、winform 监听USB拔插时触发
  • C语言:指针笔试题
  • 搜维尔科技:Movella旗下的Xsens在人形机器人开发中得到广泛应用
  • k8s学习--kubernetes服务自动伸缩之水平伸缩(pod副本伸缩)HPA详细解释与案例应用
  • Mock数据
  • 【MySQL】性能分析
  • MyBatis插件机制
  • NVIDIA Jetson Linux 35.3.1-开发指南-导言
  • 14. fastLED调色板
  • bugku---misc---赛博朋克