最优化方法试题

《最优化方法》试题 一、 填空题

1?设f(x)是凸集S R n 上的一阶可微函数，贝S f(x)是S 上的凸函数的一阶充要 条件是( ),当n=2时，该充要条件的几何意义是(

); 2.设f(x)是凸集R n 上的二阶可微函数，则f(x)是R n 上的严格凸函数 ( )(填‘当’或‘当且仅当对壬意x R n , '、2f(x)是( ) 矩阵；

< 2 2

min z = % 十 x 2 — 为屜 一 2% — 3x 2

3?已知规划问题」s.t -x^x^-2 ，则在点x=(5*)T 处的可行方向集

6 6

一为一5x 2 K —5 为，x 2 启0

为( ),下降方向集为( )

v 2 2

min f =(洛 -2) x 2

1?给定问题Jst -Xi+x2" ，则下列各点属于K-T 点的是(

) 捲-x 2 -0

A) (0,0)T B) (1,1)T C) d )T D)(幕)T 2 2 2 2 2?下列函数中属于严格凸函数的是( )

A) f (x)=为 2x 1X 2 -10x 1 5x 2 C) f (x) =2x ：为冷 x ： 2x 3 -6x 1x 3 三、求下列问题 选择题

B) f (x)=捲 - X 2 (X 2 ：： 0)

D) f (x)二 3捲 4冷一6X 3

1 2 1 2

min f x 治

x 2 一5为 _10x 2

2% - 3x 2 _ 30

X i 4x 2 _ 20

%, x 2 _ 0 取初始点0,5 T 。

四、考虑约束优化问题

用两种惩罚函数法求解。

五. 用牛顿法求解二次函数

2 2 2

f （x ） =（X 1 -X 2 沧） （-X 「X 2 X 3） （X 1 X 2 -沧）

的极小值。初始点

x 0=(》日

六、证明题 1.对无约束凸规划问题min f (x)二丄x T Qx ? c T x ，设从点x ?R n 出发，沿方向d R n 作

2

最优一维搜索，得到步长t 和新的点y-x td ，试证当d T Qdi 时， 亍 2=2[fW 仟(％)]

*

* * … min f (x )=为+2X 2+3X 3 * 2.设—心0是非线性规划问题st X 4+X ：皿10的最优解'试证5

4 4 m

是非线性规划问题minX1 X 2八3

*的最优解，其中f^x ； 2x 2 3x 3 s.t 论 +2x 2 +3x 3 = f s.t min f x = x ： 4x ；

s.t 3为 4x 2 _ 13

《最优化方法》复习题

《最优化方法》复习题 一、 简述题 1、怎样判断一个函数是否为凸函数. （例如: 判断函数212 2 212151022)(x x x x x x x f +-++=是否为凸函数） 2、写出几种迭代的收敛条件. 3、熟练掌握利用单纯形表求解线性规划问题的方法（包括大M 法及二阶段法）. 见书本61页(利用单纯形表求解); 69页例题 (利用大M 法求解、二阶段法求解); 4、简述牛顿法和拟牛顿法的优缺点. 简述共轭梯度法的基本思想. 写出Goldstein 、Wolfe 非精确一维线性搜索的公式。 5、叙述常用优化算法的迭代公式． （1）0.618法的迭代公式：(1)(), ().k k k k k k k k a b a a b a λτμτ=+--??=+-? （2）Fibonacci 法的迭代公式：111(),(1,2,,1)() n k k k k k n k n k k k k k n k F a b a F k n F a b a F λμ---+--+? =+-?? =-? ?=+-?? L ． （3）Newton 一维搜索法的迭代公式： 1 1k k k k x x G g -+=-． （4）推导最速下降法用于问题1min ()2 T T f x x Gx b x c = ++的迭代公式： 1()T k k k k k T k k k g g x x f x g G gx +=-? （5）Newton 法的迭代公式：211[()]()k k k k x x f x f x -+=-??． （6）共轭方向法用于问题1min ()2 T T f x x Qx b x c = ++的迭代公式： 1()T k k k k k T k k f x d x x d d Qd +?=-． 二、计算题 双折线法练习题 课本135页 例3.9.1 FR 共轭梯度法例题：课本150页 例4.3.5 二次规划有效集：课本213页例6.3.2,

《最优化方法》复习题(含答案)

《最优化方法》复习题(含答案)

附录5 《最优化方法》复习题 1、设n n A R ?∈是对称矩阵，,n b R c R ∈∈，求1()2 T T f x x Ax b x c =++在任意点x 处的梯度和Hesse 矩阵． 解 2(),()f x Ax b f x A ?=+?=． 2、设()()t f x td ?=+，其中:n f R R →二阶可导，,,n n x R d R t R ∈∈∈，试求()t ?''． 解 2()(),()()T T t f x td d t d f x td d ??'''=?+=?+． 3、设方向n d R ∈是函数()f x 在点x 处的下降方向，令 ()()()()() T T T T dd f x f x H I d f x f x f x ??=--???， 其中I 为单位矩阵，证明方向()p H f x =-?也是函数()f x 在点x 处的下降方向． 证明 由于方向d 是函数()f x 在点x 处的下降方向，因此()0T f x d ?<，从而 ()()()T T f x p f x H f x ?=-?? ()()()()()()()() T T T T T dd f x f x f x I f x d f x f x f x ??=-?--???? ()()()0T T f x f x f x d =-??+?<， 所以，方向p 是函数()f x 在点x 处的下降方向． 4、n S R ?是凸集的充分必要条件是12122,,,,,,,,m m m x x x S x x x ?≥?∈L L 的一切凸组合都属于S ． 证明 充分性显然．下证必要性．设S 是凸集，对m 用归纳法证明．当2m =时，由凸集的定义知结论成立，下面考虑1m k =+时的情形．令1 1k i i i x x λ+==∑， 其中,0,1,2,,1i i x S i k λ∈≥=+L ，且1 1 1k i i λ+==∑．不妨设11k λ+≠（不然1k x x S +=∈， 结论成立），记11 1k i i i k y x λλ=+=-∑ ，有111(1)k k k x y x λλ+++=-+，

最优化方法试题

《最优化方法》试题 一、 填空题 1.设()f x 是凸集n S R ?上的一阶可微函数，则()f x 是S 上的凸函数的一阶充要条件是（ ），当n=2时，该充要条件的几何意义是（ ）； 2.设()f x 是凸集n R 上的二阶可微函数，则()f x 是n R 上的严格凸函数（ ）（填‘当’或‘当且仅当’）对任意n x R ∈，2()f x ?是 （ ）矩阵； 3.已知规划问题22211212121212min 23..255,0z x x x x x x s t x x x x x x ?=+---?--≥-??--≥-≥?，则在点55(,)66T x =处的可行方向集为（ ），下降方向集为（ ）。 二、选择题 1.给定问题222121212min (2)..00f x x s t x x x x ?=-+??-+≤??-≤?? ，则下列各点属于K-T 点的是（ ） A) (0,0)T B) (1,1)T C) 1(,22 T D) 11(,)22T 2.下列函数中属于严格凸函数的是（ ） A) 211212()2105f x x x x x x =+-+ B) 23122()(0)f x x x x =-< C) 2 222112313()226f x x x x x x x x =+++- D) 123()346f x x x x =+- 三、求下列问题

()22121212121211min 51022 ..2330420 ,0 f x x x x x s t x x x x x x =+---≤+≤≥ 取初始点()0,5T 。 四、考虑约束优化问题 ()221212min 4..3413f x x x s t x x =++≥ 用两种惩罚函数法求解。 五．用牛顿法求解二次函数 222123123123()()()()f x x x x x x x x x x =-++-++++- 的极小值。初始点011,1,22T x ??= ???。 六、证明题 1.对无约束凸规划问题1min ()2 T T f x x Qx c x =+，设从点n x R ∈出发，沿方向n d R ∈ 作最优一维搜索，得到步长t 和新的点y x td =+ ，试证当1T d Q d = 时， 22[() ()]t f x f y =-。 2.设12*** *3(,,)0T x x x x =>是非线性规划问题()112344423min 23..10f x x x x s t x x x =++++=的最优解，试证*x 也 是非线性规划问题 144423* 123min ..23x x x s t x x x f ++++=的最优解，其中****12323f x x x =++。

最优化方法考试试题

华南农业大学期末考试试卷（A 卷） 2010--2011学年第 1 学期 考试科目： 运筹学与最优化方法 考试类型：（闭卷）考试 考试时间： 120 分钟 学号 姓名 年级专业 一、 用单纯形法求解下列线性规划问题（共 15 分） 12121212max 105349 ..528,0z x x x x s t x x x x =++≤?? +≤??≥?

二、灵活运用单纯形法和对偶单纯形法解下列问题（共 15 分） 12121212max 62 ..33,0z x x x x s t x x x x =++≥?? +≤??≥? 三、解下列0-1型整数规划问题（共 10 分） 12345123451345124512345max 325232473438..116333,,,,01 z x x x x x x x x x x x x x x s t x x x x x x x x x =+--+++++≤??+-+≤?? -+-≥??=?或

四、利用库恩-塔克（K-T ）条件求解以下问题（共 15 分） 22121122 121212 max ()104446..418,0f X x x x x x x x x s t x x x x =+-+-+≤??+≤??≥? 五、用内点法求解下列非线性约束最优化问题（共 15 分） 21 121 2min ()6923..3 f X x x x x s t x =-++≥??≥?

六、给定初始点(0)(1,1)T X =，用最速下降法迭代一次研究下列函数的极大值。（共 15 分） 22 121122()46222f X x x x x x x =+--- 七、某人因工作需要购置了一辆摩托车,他可以连续使用或任一年末将旧车卖掉,换一辆新车,下表列出了于第i 年末购置或更新 的车至第j 年末的各项费用的累计(含更新所需费用、运行费用及维修费用等)，试据此确定该人最佳的更新策略，使从第一年至第五年末的各项费用的累计之和为最小。（共 15 分）

天津大学《最优化方法》复习题(含答案)

天津大学《最优化方法》复习题（含答案） 第一章 概述(包括凸规划) 一、 判断与填空题 1 )].([arg )(arg min max x f x f n n R x R x -=∈∈ √ 2 {}{} .:)(m in :)(m ax n n R D x x f R D x x f ?∈-=?∈ ? 3 设.:R R D f n →? 若n R x ∈*，对于一切n R x ∈恒有)()(x f x f ≤*，则称*x 为最优化问题)(min x f D x ∈的全局最优解. ? 4 设.:R R D f n →? 若D x ∈*，存在*x 的某邻域)(*x N ε，使得对一切)(*∈x N x ε恒有)()(x f x f <*，则称*x 为最优化问题)(min x f D x ∈的 严格局部最优解. ? 5 给定一个最优化问题，那么它的最优值是一个定值. √ 6 非空集合n R D ?为凸集当且仅当D 中任意两点连线段上任一点属于D . √ 7 非空集合n R D ?为凸集当且仅当D 中任意有限个点的凸组合仍

属于D . √ 8 任意两个凸集的并集为凸集. ? 9 函数R R D f n →?:为凸集D 上的凸函数当且仅当f -为D 上的凹函数. √ 10 设R R D f n →?:为凸集D 上的可微凸函数，D x ∈*. 则对D x ∈?，有).()()()(***-?≤-x x x f x f x f T ? 11 若)(x c 是凹函数，则}0)( {≥∈=x c R x D n 是凸集。 √ 12 设{}k x 为由求解)(min x f D x ∈的算法A 产生的迭代序列，假设算法 A 为下降算法，则对{} ,2,1,0∈?k ，恒有 )()(1k k x f x f ≤+ . 13 算法迭代时的终止准则（写出三种）：_____________________________________。 14 凸规划的全体极小点组成的集合是凸集。 √ 15 函数R R D f n →?:在点k x 沿着迭代方向}0{\n k R d ∈进行精确一维线搜索的步长k α，则其搜索公式

北京理工大学级数学专业最优化方法期末试卷试题A卷MT.doc

课 程 编 号 : 0 7 0 0 0 2 0 3 北 京 理 工 大 学 2 0 0 7 - 2 0 0 8 学 年 第 二 学 期 2005 级数学专业最优化方法终考试卷（ A 卷） 1． (20 分 )某化工厂有三种资源 A 、 B 、 C ，生产三种产品甲、乙、丙，设甲、乙、丙的产量分别为 x 1,x 2,x 3 ,其数学模型为： max z 3 x 1 2 x 2 5 x 3 1 2 x 2 3 430 ( A 资源限制 ) x x 3 x 1 2 x 3 460 ( B 资源限制 ) s.t 4 x 2 420 (C 资源限制 ) x x 1 , x 2 , x 3 0 请回答如下问题： （ 1）给出最优生产方案； （ 2）假定市场信息表明甲产品利润已上升了一倍，问生产方案应否调整？ （3）假定增加一种添加剂可显着提高产品质量，该添加剂的资源限制约束为： x 1 2 x 2 3x 3 800 问最优解有何变化？ 2． (12 分 )用 Newton 法求解 min f ( x ) 4 x 12 x 22 2 x 12 x 2 ，初始点取为 x 0 (1, 1)T ，迭代一步。 3．(10 分 )用 FR 共轭梯度法求解三个变量的函数 f ( x ) 的极小值，第一次迭代的搜索方向为 p 0 (1, 1,2)T ，沿 p 0 做精确线搜 索，得 x 1 ( x 11 , x 21 , x 31 )T ， 设 f ( x 1 ) 2, f ( x 1 ) 2 ，求从 x 1 出发的搜索方向 p 1 。 x 11 x 21 4． (15 分 ) 给定下面的 BFGS 拟 Newton 矩阵修正公式： H k 1 ( I s k y k T )H k ( I s k y k T )T s k s k T ， y k T s k y k T s k y k T s k 其中 s k x k 1 x k , y k g k 1 g k 用对应的拟 Newton 法求解： min f ( x ) x 1 2 2x 1 x 2 2 x 22 4 x 1 ，初始点取为 x 0 (0,0) T ， H 0 I 。 5． (15 分 )写出问题 取得最优解的 Kuhn-Tucker （ K － T ）必要条件，并通过 K － T 条件求出问题 K － T 点及相应 Lagrange 乘子。 6(12 分 )．求约束问题 在 x (0,0) T 及 x 2 (1,0) T 处的下降方向集合、可行方向集合以及可行下降方向集合，并画图表示出来 1 7（ 8 分）考察优化问题 min f ( x ) s.t. x ， D 设 D 为凸集， f ( x ) 为 D 上凸函数，证明： f ( x) 在 D 上取得极小值的那些点构成的集合是凸集。 8（ 8 分）设 min f ( x ) 1 x T Ax b T x c ，其中 A 为对称正定矩阵， x * 为 f ( x ) 的极小值点，又设 x 0 ( x*) 可表示为 2 x 0 x * p ，其中 R 1， p 是 A 对应于特征值 的特征向量，证明：若从 x 0 出发，沿最速下降方向做精确一维搜索， 则一步达到极小值点。 课程编号 :07000203 北京理工大学 2008-2009 学年第一学期 2006 级数学专业最优化方法终考试卷（ A 卷） 1． (15 分 ) 用单纯形法求解线性规划问题 2． (10 分 )写出线性规划问题 的对偶问题并证明该对偶问题没有可行解。 3． (15 分 )考虑用最速下降法迭代一步 min f ( x) x 12 2x 22 ， 初始点取为 x 0 ( 1, 1)T 。（ 1）采用精确一维搜索；（ 2） 采用 Wolfe 条件进行不精确一维搜索，其中 0.1, 0.9 。 4． (15 分 )用 DFP 拟牛顿法求解 min f ( x) x 12 2x 22 初始点取为 x 0 1 ，初始矩阵 H 0 2 1 。 1 1 1 5． (15 分 )证明集合 S { x | x 1 2x 2 4, 2x 1 x 2 6} 是凸集，并计算原点 (0,0) 到集合 S 的最短距离。 6． (15 分 ?) 考虑问题 （1）用数学表达式写出在点 ( 1 , 5)T 处的下降可行方向集。 3 3 （ 2）假设当前点在 (0,0) T 处，求出用投影梯度法进行迭代时当前的下降可行方向（搜索方向）。 7（ 7 分）证明：在精确一维搜索条件下，共轭梯度法得到的搜索方向是下降方向。

最优化计算方法课后习题答案----高等教育出版社。施光燕

习题二包括题目：P36页5（1）（4） 5（4）

习题三 包括题目：P61页1(1)(2); 3; 5; 6; 14；15(1) 1(1)(2)的解如下 3题的解如下

5,6题 14题解如下 14. 设22121212()(6)(233)f x x x x x x x =+++---, 求点在(4,6)T -处的牛顿方向。 解：已知 (1) (4,6)T x =-，由题意得 121212212121212(6)2(233)(3)()2(6)2(233)(3)x x x x x x x f x x x x x x x x +++-----?? ?= ?+++-----?? ∴ (1)1344()56g f x -?? =?= ??? 21212122211212122(3)22(3)(3)2(233)()22(3)(3)2(233)22(3)x x x x x x x f x x x x x x x x +--+--------? ??= ? +--------+--?? ∴ (1)2(1)1656()()564G x f x --?? =?= ?-?? (1)1 1/8007/400()7/4001/200G x --?? = ?--?? ∴ (1)(1)11141/100()574/100d G x g -?? =-= ?-?? 15（1）解如下 15. 用DFP 方法求下列问题的极小点 （1）22 121212min 353x x x x x x ++++ 解：取 (0) (1,1)T x =，0H I =时，DFP 法的第一步与最速下降法相同 2112352()156x x f x x x ++???= ?++??， (0)(1,1)T x =，(0) 10()12f x ???= ??? (1)0.07800.2936x -??= ?-??， (1) 1.3760() 1.1516f x ???= ?-?? 以下作第二次迭代 (1)(0) 1 1.07801.2936x x δ-??=-= ?-??， (1)(0) 18.6240()()13.1516f x f x γ-??=?-?= ?-?? 0110 111011101 T T T T H H H H H γγδδδγγγ=+-

《最优化方法》复习题(含答案)

x zD 天津大学《最优化方法》复习题(含答案) 第一章 概述(包括凸规划) 判断与填空题 arg max f(x)二 arg min 以儿 “ max(x): x D 二 R n 』=-min(x): x D 二 R n ； 设f : D 5 R n > R.若x ： R n ，对于一切R n 恒有f(x”)^f(x)，则称x”为 设f : D 5 R n >R.若x ” ? D ,存在x ”的某邻域N ；(x”)，使得对一切 x ?N .(x)恒有f(x”)：：： f (x)，则称x”为最优化问题 min f (x)的严格局部最 优解? 给定一个最优化问题，那么它的最优值是一个定值 ? V 非空集合D R n 为凸集当且仅当 D 中任意两点连线段上任一点属于 D . V 非空集合D R n 为凸集当且仅当D 中任意有限个点的凸组合仍属于 D . V 任意两个凸集的并集为凸集? 函数f:D R n >R 为凸集D 上的凸函数当且仅当 -f 为D 上的凹函数? V 设f : D R n >R 为凸集D 上的可微凸函数，X ：D ?则对-D ,有 f (x) - f(x )乞 f (x )T (X —X )? 若c(x)是凹函数，则 D={x^R n C(x)启0}是凸集。 V f(x)的算法A 产生的迭代序列，假设算法 A 为下降算法, 则对-k ? 5,1, 2,…匚恒有 ________________ f(x k1)乞 f(x k ) ______________ ? 算法迭代时的终止准则(写出三种) ： ___________________________________________________ 凸规划的全体极小点组成的集合是凸集。 V 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

修订过的最优化方法复习题

《最优化方法》复习题 第一章 引论 一、 判断与填空题 1 )].([arg )(arg m in m ax x f x f n n R x R x -=∈∈ √ 2 {}{}.:)(min :)(max n n R D x x f R D x x f ?∈-=?∈ ? 3 设.:R R D f n →? 若n R x ∈*，对于一切n R x ∈恒有)()(x f x f ≤*，则称*x 为最优化问题 )(min x f D x ∈的全局最优解. ? 4 设.:R R D f n →? 若D x ∈*，存在*x 的某邻域)(*x N ε，使得对一切)(*∈x N x ε恒有)()(x f x f <*，则称*x 为最优化问题)(min x f D x ∈的严格局部最 优解. ? 5 给定一个最优化问题，那么它的最优值是一个定值. √ 6 非空集合n R D ?为凸集当且仅当D 中任意两点连线段上任一点属于D . √ 7 非空集合n R D ?为凸集当且仅当D 中任意有限个点的凸组合仍属于D . √ 8 任意两个凸集的并集为凸集. ? 9 函数R R D f n →?:为凸集D 上的凸函数当且仅当f -为D 上的凹函数. √ 10 设R R D f n →?:为凸集D 上的可微凸函数，D x ∈*. 则对D x ∈?，有).()()()(***-?≤-x x x f x f x f T ? 11 若)(x c 是凹函数，则}0)( {≥∈=x c R x D n 是凸集。 √ 12 设{}k x 为由求解)(min x f D x ∈的算法A 产生的迭代序列，假设算法A 为单调下降算 法，则对{} ,2,1,0∈?k ，恒有 )()(1k k x f x f ≤+ .

13-14(1)最优化方法期末试卷

2013-2014学年第一学期 数学计算经数专业《最优化方法》（课程）期末试卷 试卷来源：自拟 送卷人:赵俊英 打印：赵俊英 乔凤云 校对：赵俊英 一．填空题（20分） 1．最优化问题的数学模型一般为：____________________________， 可行域D 可以表 为_____________________________， 若____________________，称* x 为问题的全局最优解. 2.()()??? ? ??+???? ?????? ??=212121 312112)(x x x x x x x f ，则=?)(x f ， =?)(2 x f . 3.设f 连续可微且0)(≠?x f ，若向量d 满足 ，则它是f 在x 处的一个下降方向. 4. 无约束最优化问题：min (),n f x x R ∈，若k x 是不满足最优性条件的第k 步迭代点，用共轭梯度法求解时，搜索方向k d =______________ 5. 函数R R D f n →?:在点k x 沿着迭代方向}0{\n k R d ∈进行精确一维线搜索的步长k α，则其搜索公式为 . 6 .举出一个具有二次终止性的无约束二次规划算法： . 7.函数222 21 12313()226f x x x x x x x x =+++- （填是或不是） 严格凸函数. 二．（18分）简答题： 1. 设计求解无约束优化问题的一个下降算法，并叙述其优缺点. 2. 叙述单折线法的算法思想. 3. 写出以下线性规化问题的对偶： 1234123412341234134min ()2536..873411,762323,324712,0,0,0.f x x x x x s t x x x x x x x x x x x x x x x =-+-??-+++=?? +++≥??+++≤? ≤≥≥??

《最优化方法》期末试题

作用： ①仿真的过程也是实验的过程，而且还是系统地收集和积累信息的过程。尤其是对一些复杂的随机问题，应用仿真技术是提供所需信息的唯一令人满意的方法。 ②仿真技术有可能对一些难以建立物理模型或数学模型的对象系统，通过仿真模型来顺利地解决预测、分析和评价等系统问题。 ③通过系统仿真，可以把一个复杂的系统化降阶成若干子系统以便于分析，并能指出各子系统之间的各种逻辑关系。 ④通过系统仿真，还能启发新的策略或新思想的产生，或能暴露出在系统中隐藏着的实质性问题。同时，当有新的要素增加到系统中时，仿真可以预先指出系统状态中可能会出现的瓶颈现象或其它的问题。 2.简述两个Wardrop 均衡原理及其适用范围。 答： Wardrop提出的第一原理定义是：在道路的利用者都确切知道网络的交通状态并试图选择最短径路时，网络将会达到平衡状态。在考虑拥挤对行驶时间影响的网络中，当网络达到平衡状态时，每个 OD 对的各条被使用的径路具有相等而且最小的行驶时间；没有被使用的径路的行驶时间大于或等于最小行 驶时间。 Wardrop提出的第二原理是：系统平衡条件下，拥挤的路网上交通流应该按照平均或总的出行成本 最小为依据来分配。 第一原理对应的行为原则是网络出行者各自寻求最小的个人出行成本，而第二原理对应的行为原则是网络的总出行成本最小。 3.系统协调的特点。 答： （1）各子系统之间既涉及合作行为，又涉及到竞争行为。 （2）各子系统之间相互作用构成一个反馈控制系统，通过信息作为“中介”而构成整体 （3）整体系统往往具有多个决策人，构成竞争决策模式。 （4）系统可能存在第三方介入进行协调的可能。 6．对已经建立了概念模型的系统处理方式及其特点、适用范围。答：对系统概念模型有三种解决方式。 1.建立解析模型方式 对简单系统问题，如物流系统库存、城市公交离线调度方案的确定、交通量不大的城市交叉口交通控制等问题，可以运用专业知识建立系统的量化模型（如解析数学模型），然后采用优化方法确定系统解决方案，以满足决策者决策的需要，有关该方面的内容见第四、五章。 在三种方式中，解析模型是最科学的，但仅限于简单交通运输系统问题，或仅是在实际工程中一定的情况下（仅以一定的概率）符合。所以在教科书上很多漂亮的解析模型，无法应用于工程实际中。 2.建立模拟仿真模型方式 对一般复杂系统，如城市轨道交通调度系统、机场调度系统、城市整个交通控制系统等问题，可以对系统概念模型中各个部件等采用变量予以量化表示，并通过系统辨识的方式建立这些变量之间关系的动力学方程组，采用一定的编程语言、仿真技术使其转化为系统仿真模型，通过模拟仿真寻找较满意的优化方案，包括离线和在线均可以，有关该方面的内容见第七章。 模拟仿真模型比解析模型更能反映系统的实际，所以在交通运输系统中被更高层次的所使用，包括

最优化方法(试题+答案)

一、 填空题 1 ． 若 ()()??? ? ??+???? ?????? ??=212121 312112)(x x x x x x x f ，则 =?)(x f ，=?)(2x f . ２．设f 连续可微且0)(≠?x f ，若向量d 满足 ，则它是f 在x 处的一个下降方向。 3.向量T ) 3,2,1(关于3阶单位方阵的所有线性无关的共轭向量 有 ． 4. 设R R f n →:二次可微，则f 在x 处的牛顿方向为 . 5.举出一个具有二次终止性的无约束二次规划算 法: . 6.以下约束优化问题： )(01)(..)(min 212121 ≥-==+-==x x x g x x x h t s x x f 的K-K-T 条件为： . 7．以下约束优化问题： 1 ..)(min 212 2 21=++=x x t s x x x f 的外点罚函数为(取罚参数为μ) . 二、证明题（７分+8分) 1.设1,2,1,:m i R R g n i =→和m m i R R h n i ,1,:1+=→都是线性函数,证明下 面的约束问题: } ,,1{, 0)(},1{, 0)(..)(min 1112 m m E j x h m I i x g t s x x f j i n k k +=∈==∈≥=∑= 是凸规划问题。

2.设R R f →2 :连续可微，n i R a ∈,R h i ∈,m i ,2,1=,考察如下的约束条件问题: } ,1{,0} 2,1{,0..) (min 11m m E i b x a m I i b x a t s x f i T i i T i +=∈=-=∈≥- 设d 是问题 1 ||||,0,0..)(min ≤∈=∈≥?d E i d a I i d a t s d x f T i T i T 的解，求证：d 是f 在x 处的一个可行方向。 三、计算题（每小题１2分) １.取初始点T x )1,1() 0(=.采用精确线性搜索的最速下降法求解下面的无约束优化问题 (迭代２步）: 2 2212)(m in x x x f += 2.采用精确搜索的BFGS 算法求解下面的无约束问题： 212 2212 1)(min x x x x x f -+= 3.用有效集法求解下面的二次规划问题: . 0,001..42)(min 21212 12 221≥≥≥+----+=x x x x t s x x x x x f 4．用可行方向算法(Zoutend ｉj ｋ算法或Ｆrank Wol ｆｅ算法）求解下面的问题（初值设为)0,0() 0(=x ,计算到)2(x 即可）： . 0,033..22 1)(min 212112 22121≥≥≤+-+-= x x x x t s x x x x x x f

机械优化设计期末考试试卷

机械优化设计期末复习题 一、填空题 1.组成优化设计数学模型的三要素是 设计变量 、 目标函数 、 约束条件 。 2.函数()22121212,45f x x x x x x =+-+在024X ?? =????点处的梯度为120-?? ???? ，海赛矩阵为 2442-?? ??-?? 3.目标函数是一项设计所追求的指标的数学反映，因此对它最基本的要求是能用来评价设计的优劣，，同时必须是设计变量的可计算函数 。 4.建立优化设计数学模型的基本原则是确切反映 工程实际问题，的基础上力求简洁 。 5.约束条件的尺度变换常称 规格化，这是为改善数学模型性态常用的一种方法。 6.随机方向法所用的步长一般按 加速步长 法来确定，此法是指依次迭代的步长按一定的比例 递增的方法。 7.最速下降法以 负梯度 方向作为搜索方向，因此最速下降法又称为 梯度法，其收敛速度较 慢 。 8.二元函数在某点处取得极值的必要条件是()00f X ?= , 充分条件是该点处的海赛矩阵正定 9.拉格朗日乘子法的基本思想是通过增加变量将等式约束 优化问题变成 无约束优化问题，这种方法又被称为 升维 法。 10改变复合形形状的搜索方法主要有反射，扩张，收缩，压缩 11坐标轮换法的基本思想是把多变量 的优化问题转化为 单变量 的优化问题 12．在选择约束条件时应特别注意避免出现 相互矛盾的约束， ，另外应当尽量减少不必要的约束 。 13．目标函数是n 维变量的函数，它的函数图像只能在n+1, 空间中描

述出来，为了在n 维空间中反映目标函数的变化情况，常采用 目标函数等值面 的方法。 14.数学规划法的迭代公式是 1k k k k X X d α+=+ ，其核心是 建立搜索方向， 和 计算最佳步长 。 15协调曲线法是用来解决 设计目标互相矛盾 的多目标优化设计问题的。 16.机械优化设计的一般过程中， 建立优化设计数学模型 是首要和关键的一步，它是取得正确结果的前提。 二、选择题 1、下面 方法需要求海赛矩阵。 A 、最速下降法 B 、共轭梯度法 C 、牛顿型法 D 、DFP 法 2、对于约束问题 ()()()()2212221122132min 44 g 10 g 30 g 0 f X x x x X x x X x X x =+-+=--≥=-≥=≥ 根据目标函数等值线和约束曲线，判断()1[1,1]T X =为 ， ()2 51[,]22 T X =为 。 A ．内点；内点 B. 外点；外点 C. 内点；外点 D. 外点；内点 3、内点惩罚函数法可用于求解__________优化问题。 A 无约束优化问题 B 只含有不等式约束的优化问题

最优化试题及答案

m i 1 m * m j * g j (x*) 0 最优化理论、方法及应用试题 一、(30 分) 1、针对二次函数f(x) 1x T Qx b T x c，其中Q是正定矩阵，试写出最速下降算法的详细 步骤，并简要说明其优缺点？ 答：求解目标函数的梯度为g(x) Qx b，g k g(x k) Qx k b，搜索方向：从X k 出发，沿g k作直线搜索以确定x k 1。 Stepl:选定X。,计算f o,g o Step2:做一维搜索，f k i min f X k tg k , x k 1 X k tg k. Step3 :判别，若满足精度要求，则停止；否则，置 k=k+1,转步2 优缺点：最速下降法在初始点收敛快， 收敛速度慢。 算法简单，在最优点附近有锯齿现象, 2、有约束优化问题 min f (x) g i(x) 0,i 1,2,L ,m s.t h j (x) 0,j 1,2,L ,l 最优解的必要条件是什么？ 答：假设x*是极小值点。必要条件是f，g，h函数连续可微，而且极小值点的 所有起作用约束的梯度h(x*)(i 1,2丄，1)和g j(x*)( j 1,2,L ,m)线性无关，则* * * * 存在1 , 2丄，I, 1, 2丄，m,使得 l f(x*) i* h i(x*) i 1 j*g j(x*) 0,j 1,2,L * * * * * 1 , 2 ,L , l , 1 , 2 ,L , * 0, j 0 3、什么是起作用约束？什么是可行方向？什么是下降方向？什么是可行下降方向？ 针对上述有约束优化问题，如果应用可行方向法，其可行的下降方向怎样确定？答：起作用约束：若g j(x0) 0，这时点x0处于该约束条件形成的可行域边界上, 它对x0的摄动起到某种限制作用 可行方向：x0是可行点，某方向 p，若存在实数0 0,使得它对任意

《算法设计与分析》历年期末试题整理_含答案_

《算法设计与分析》历年期末试题整理(含答案) （1）用计算机求解问题的步骤： 1、问题分析 2、数学模型建立 3、算法设计与选择 4、算法指标 5、算法分析 6、算法实 现7、程序调试8、结果整理文档编制 （2）算法定义：算法是指在解决问题时，按照某种机械步骤一定可以得到问题结果的处理过程 （3）算法的三要素 1、操作 2、控制结构 3、数据结构算法具有以 下5 个属性： 有穷性：一个算法必须总是在执行有穷步之后结束，且每一步都在有穷时间内完成。 确定性：算法中每一条指令必须有确切的含义。不存在二义性。只有一个入口和一个出口可行性：一个算法是可行的就是算法描述的操作是可以通过已经实现的基本运算执行有限 次来实现的。 输入：一个算法有零个或多个输入，这些输入取自于某个特定对象的集合。 输出：一个算法有一个或多个输出，这些输出同输入有着某些特定关系的量。 算法设计的质量指标：正确性：算法应满足具体问题的需求；可读性：算法应该好读，以有利于读者对程序的理解；健壮性：算法应具有容错处理，当输入为非法数据时，算 法应对其作出反应，而不是产生莫名其妙的输出结果。 效率与存储量需求：效率指的是算法执行的时间；存储量需求指算法执行过程中所需要 的最大存储空间。一般这两者与问题的规模有关。 经常采用的算法主要有迭代法、分而治之法、贪婪法、动态规划法、回溯法、分支限界法 迭代法也称“辗转法”，是一种不断用变量的旧值递推出新值的解决问题的方法。利用迭代算法解决问题，需要做好以下三个方面的工作：一、确定迭代模型。在可以用迭代算法解决的问题中，至少存在一个直接或间接地不断由旧值递推出新值的变量，这个变量就是迭代变量。 二、建立迭代关系式。所谓迭代关系式，指如何从变量的前一个值推出其下一个值的公式（或关系）。迭代关系式的建立是解决迭代问题的关键，通常可以使用递推或倒推的方法来完成。 三、对迭代过程进行控制。在什么时候结束迭代过程？这是编写迭代程序必须考虑的问题。不能让迭代过程无休止地重复执行下去。迭代过程的控制通常可分为两种情况：一种是所需的迭代次数是个确定的值，可以计算出来；另一种是所需的迭代次数无法确定。对于前一种情况，可以构建一个固定次数的循环来实现对迭代过程的控制；对于后一种情况，需要进一步分析出用来结束迭代过程的条件。 编写计算斐波那契（Fibonacci）数列的第n 项函数fib（n）。 斐波那契数列为：0、1、1、2、3、……，即：

最优化计算试卷模板1

一、 选择、判断、填空（10小题，每题2分，共20分） 1、线性规划问题化为标准型以后，原来的某自由变量被两个非负变量之差代替，在完成一次单纯形法迭代过程后，这两个非负变量的值_______________。 A 、可同时不为0； B 、必然同时为0； C 、最多只能有一个不为0； D 、必然同时不为0。 2、关于线性规划，以下叙述正确的是________。 A 、若存在最优化解，则一定是最优基本可行解； B 、若存在最优基本可行解，则其对偶问题也必存在最优解； C 、若无可行解，则对偶问题一定有无界解； D 、若存在最优解，则必存在最优基本可行解。 3、关于P 类问题、NP 类问题和P 类算法、NP 类算法，以下正确的叙述是______________。 A 、存在P 类算法的判定问题不一定是P 类问题；B 、线性规划问题的单纯形算法不是P 类算法，所以线性规划问题是NP 类问题；C 、NP 类问题包含P 类问题；D 、P 类问题与NP 类问题是互相对立的两类问题。 ***第4-6小题：判断正误，正确的填“√”，错误的填“╳”，填在括号内*** 4、用模拟退火算法求出的组合优化问题的解一定是最优解（ ）。 5、对于有约束非线性规划问题，目标函数的极值点一定是K-T 点（ ）。 6、已知LP 为求最小值问题，第i 个约束是“≤”约束，则对偶问题的第i 个对偶变量y i ≤0 7、若x (0)和y (0)分别是线性规划问题min{z =c T x | Ax ≥b , x ≥0}和其对偶问题的可行解，则x (0)和y (0)的关系是____________________（两者目标函数在x (0)和y (0)处值的关系）。 8、设x i 是某线性规划问题的一个决策变量，在单纯形法某次迭代后，若它的检验数不为零，则x i 是________变量。 9、使用黄金分割法和抛物线法进行一维搜索（设目标函数为 min f (x ) ）之前，必须首先找到三点，x 1、x 2和x 3，这三点应满足的条件为____________________________________。 10、用牛顿法求解约束优化问题min f (x )的x (1)（假设f (x )在x (1)）二阶光滑，且Hasse 矩阵正定）处的牛顿方向是_____________________________。 二、（（12分））考虑如下线性规划问题 123123123123m in 4.. 29240,1,2,3 i Z x x x s t x x x x x x x x x x i =++++≤+-≤-++≤≥= 令54,x x 和6x 表示每个约束的松弛变量．应用单纯形方法，得到最优单纯形表如下

最优化试题及答案

最优化理论、方法及应用试题 一、 （30分） 1、针对二次函数1()2 T T f x x Qx b x c = ++，其中Q 是正定矩阵，试写出最速下降算法的详细步骤，并简要说明其优缺点？ 答：求解目标函数的梯度为()g x Qx b =+，()k k k g g x Qx b ==+，搜索方向：从k x 出发，沿k g -作直线搜索以确定1k x +。 Step1: 选定0x ,计算00,f g Step2: 做一维搜索, ()1min k k k t f f x t g +=-,1k k k x x tg +=-. Step3：判别，若满足精度要求，则停止；否则，置k=k+1,转步2。 优缺点：最速下降法在初始点收敛快，算法简单，在最优点附近有锯齿现象，收敛速度慢。 2、有约束优化问题 min () ()0,1,2,,..()0,1,2,,i j f x g x i m s t h x j l ≥=???==?? 最优解的必要条件是什么？ 答：假设*x 是极小值点。必要条件是f ，g ，h 函数连续可微，而且极小值点的所有起作用约束的梯度(*)(1,2, ,)i h x i l ?=和(*)(1,2, ,)j g x j m ?=线性无关，则 存在***** * 12 12,,,,,, ,,l m αααβββ使得 ()1 1 * **** * 1 2 12**(*)*(*)*(*)0 *(*)0,1,2, ,,, ,,,, ,0 0,0 l m i i j j i i j j l m i j f x h x g x g x j m αββαααβββαβ==?-?-?===≠>≥∑∑ 3、什么是起作用约束？什么是可行方向？什么是下降方向？什么是可行下降方 向？针对上述有约束优化问题，如果应用可行方向法，其可行的下降方向怎样确定？ 答：起作用约束：若0()0j g x =，这时点0x 处于该约束条件形成的可行域边界上，它对0x 的摄动起到某种限制作用。 可行方向：0x 是可行点，某方向p ，若存在实数00λ>，使得它对任意

最优化方法(试题+答案)

一、 填空题 1.若()()??? ? ??+???? ?????? ??=212121 312112)(x x x x x x x f ， 则=?)(x f ，=?)(2x f . 2.设f 连续可微且0)(≠?x f ，若向量d 满足 ，则它是f 在x 处的一个下降方向。 3.向量T )3,2,1(关于3阶单位方阵的所有线性无关的共轭向量有 . 4. 设R R f n →:二次可微，则f 在x 处的牛顿方向为 . 5.举出一个具有二次终止性的无约束二次规划算法： . 6.以下约束优化问题： )(01)(..)(min 212121 ≥-==+-==x x x g x x x h t s x x f 的K-K-T 条件为： . 7.以下约束优化问题： 1 ..)(min 212 2 21=++=x x t s x x x f 的外点罚函数为（取罚参数为μ） . 二、证明题（7分+8分） 1.设1,2,1,:m i R R g n i =→和m m i R R h n i ,1,:1+=→都是线性函数，证明下 面的约束问题： } ,,1{, 0)(},1{, 0)(..)(min 1112 m m E j x h m I i x g t s x x f j i n k k +=∈==∈≥=∑= 是凸规划问题。

2.设R R f →2 :连续可微，n i R a ∈，R h i ∈，m i ,2,1=，考察如下的约束条件问题： } ,1{,0} 2,1{,0..) (min 11m m E i b x a m I i b x a t s x f i T i i T i +=∈=-=∈≥- 设d 是问题 1 ||||,0,0..)(min ≤∈=∈≥?d E i d a I i d a t s d x f T i T i T 的解，求证：d 是f 在x 处的一个可行方向。 三、计算题（每小题12分） 1.取初始点T x )1,1() 0(=.采用精确线性搜索的最速下降法求解下面的无约束优化问题 （迭代2步）： 2 2212)(m in x x x f += 2.采用精确搜索的BFGS 算法求解下面的无约束问题： 212 2212 1)(min x x x x x f -+= 3.用有效集法求解下面的二次规划问题： . 0,001..42)(min 21212 12 221≥≥≥+----+=x x x x t s x x x x x f 4.用可行方向算法（Zoutendijk 算法或Frank Wolfe 算法）求解下面的问题（初值设为)0,0() 0(=x ,计算到)2(x 即可)： . 0,033..22 1)(min 21211222121≥≥≤+-+-= x x x x t s x x x x x x f