最优化问题的求解思路，最优化问题的求解思路有哪些

如何做下列关于最优化的题目

请查找数值分析

最小二乘法

在我们研究两个变量(x, y)之间的相互关系时，通常可以得到一系列成对的数据(x1, y1、x2, y2... xm, ym)；将这些数据描绘在x-y直角坐标系中(如图1),若发现这些点在一条直线附近，可以令这条直线方程如(式1-1)。

Y计= a0+ a1 X(式1-1)

其中：a0、a1是任意实数

为建立这直线方程就要确定a0和a1，应用《最小二乘法原理》，将实测值Yi与利用(式1-1)计算值(Y计=a0+a1X)的离差(Yi-Y计)的平方和〔∑(Yi- Y计)2〕最小为“优化判据”。

令:φ=∑(Yi- Y计)2(式1-2)

把(式1-1)代入(式1-2)中得:

φ=∑(Yi- a0- a1 Xi)2(式1-3)

当∑(Yi-Y计)平方最小时，可用函数φ对a0、a1求偏导数，令这两个偏导数等于零。

(式1-4)

(式1-5)

亦即：

m a0+(∑Xi) a1=∑Yi(式1-6)

(∑Xi) a0+(∑Xi2) a1=∑(Xi, Yi)(式1-7)

得到的两个关于a0、 a1为未知数的两个方程组，解这两个方程组得出：

a0=(∑Yi)/ m- a1(∑Xi)/ m(式1-8)

a1= [∑Xi Yi-(∑Xi∑Yi)/ m]/ [∑Xi2-(∑Xi)2/ m)](式1-9)

这时把a0、a1代入(式1-1)中,此时的(式1-1)就是我们回归的元线性方程即：数学模型。

在回归过程中，回归的关联式是不可能全部通过每个回归数据点(x1, y1、 x2, y2...xm,ym),为了判断关联式的好坏,可借助相关系数“R”，统计量“F”，剩余标准偏差“S”进行判断；“R”越趋近于 1越好；“F”的绝对值越大越好；“S”越趋近于 0越好。

R= [∑XiYi- m(∑Xi/ m)(∑Yi/ m)]/ SQR{[∑Xi2- m(∑Xi/ m)2][∑Yi2- m(∑Yi/ m)2]}(式1-10)＊

在(式1-1)中，m为样本容量，即实验次数；Xi、Yi分别任意一组实验X、Y的数值。微积分应用课题一最小二乘法

从前面的学习中,我们知道最小二乘法可以用来处理一组数据,可以从一组测定的数据中寻求变量之间的依赖关系,这种函数关系称为经验公式.本课题将介绍最小二乘法的精确定义及如何寻求与之间近似成线性关系时的经验公式.假定实验测得变量之间的个数据,,…,,则在平面上,可以得到个点,这种图形称为“散点图”,从图中可以粗略看出这些点大致散落在某直线近旁,我们认为与之间近似为一线性函数,下面介绍求解步骤.

考虑函数,其中和是待定常数.如果在一直线上,可以认为变量之间的关系为.但一般说来,这些点不可能在同一直线上.记,它反映了用直线来描述,时,计算值与实际值产生的偏差.当然要求偏差越小越好,但由于可正可负,因此不能认为总偏差时,函数就很好地反映了变量之间的关系,因为此时每个偏差的绝对值可能很大.为了改进这一缺陷,就考虑用来代替.但是由于绝对值不易作解析运算,因此,进一步用来度量总偏差.因偏差的平方和最小可以保证每个偏差都不会很大.于是问题归结为确定中的常数和,使为最小.用这种方法确定系数,的方法称为最小二乘法.

由极值原理得,即

解此联立方程得

(*)

问题 I为研究某一化学反应过程中,温度℃)对产品得率(％)的影响,测得数据如下:

温度℃)

100 110 120 130 140 150 160 170 180 190

得率(％)

45 51 54 61 66 70 74 78 85 89

(1)利用“ListPlot”函数,绘出数据的散点图(采用格式: ListPlot[{,,…,}, Prolog->AbsolutePointSize[3]]);

(2)利用“Line”函数,将散点连接起来,注意观察有何特征?(采用格式: Show[Graphics[Line[{,,…,}]], Axes->True ]);

(3)根据公式(*),利用“Apply”函数及**的有关运算编写一个小的程序,求经验公式;

(程序编写思路为:任意给定两个**A(此处表示温度)、B(此处表示得率),由公式(*)可定义两个二元函数(**A和B为其变量)分别表示和.**A元素求和: Apply[Plus,A]表示将加法施加到**A上,即各元素相加,例如Apply[Plus,{1,2,3}]=6;Length[A]表示**A元素的个数,即为n; A.B表示两**元素相乘相加;A*B表示**A与B元素对应相乘得到的新的**.)

(4)在同一张图中显示直线及散点图;

(5)估计温度为200时产品得率.

然而,不少实际问题的观测数据,,…,的散点图明显地不能用线性关系来描叙,但确实散落在某一曲线近旁,这时可以根据散点图的轮廓和实际经验,选一条曲线来近似表达与的相互关系.

问题 II下表是美国旧轿车价格的调查资料,今以表示轿车的使用年数,(美元)表示相应的平均价格,求与之间的关系.

使用年数

1 2 3 4 5 6 7 8 9 10

平均价格

2651 1943 1494 1087 765 538 484 290 226 204

(1)利用“ListPlot”函数绘出数据的散点图,注意观察有何特征?

(2)令,绘出数据的散点图,注意观察有何特征?

(3)利用“Line”函数,将散点连接起来,说明有何特征?

(4)利用最小二乘法,求与之间的关系;

(5)求与之间的关系;

(6)在同一张图中显示散点图及关于的图形.

思考与练习

1.假设一组数据:,,…,变量之间近似成线性关系,试利用**的有关运算,编写一简单程序:对于任意给定的数据**,通过求解极值原理所包含的方程组,不需要给出、计算的表达式,立即得到、的值,并就本课题 I/(3)进行实验.

注:利用Transpose函数可以得到数据A的第一个分量的**,命令格式为:

先求A的转置,然后取第一行元素,即为数据A的第一个分量**,例如

(A即为矩阵)

=(数据A的第一个分量**)

=(数据A的第二个分量**)

B-C表示**B与C对应元素相减所得的**,如=.

2.最小二乘法在数学上称为曲线拟合,请使用拟合函数“Fit”重新计算与的值,并与先前的结果作一比较.

注: Fit函数使用格式:

设变量为x,对数据A进行线性拟合,如对题1中的A拟合函数为:

用Excel计算最优化问题

Excel里默认已安装线性求解工具（Solve求解器），具体步骤如下：

Excel选项->加载项->点击“转到...”->勾选“分析工具库”和“规划求解加载项”，接下来数据工具栏中就出现“规划求解”选项，

按照上述问题将各对应关系整理成表格形式如下（带公式单元格已单独用颜色标明）：

点击“规划求解”，并将各约束条件添加进去，点击“求解”即可算出最优值。

以上分析为理想状态下的最优值，实际生产活动中需要考虑的因素远远不止这些。像这两种产品直接是否存在某种关联性（正负相关）、根据以往数据预估次月销量、竞品销量分析、市场出现利好或利差消息等等。