山东大学2023——2024第一学期最优化期末

本文详细介绍了线性规划中的多个计算题,包括线性规划问题求解、对偶规划、单纯形法、最速下降法、牛顿法、K-T条件及外点惩罚函数在优化问题中的应用。通过实例演示了解这些算法的关键步骤。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

考试时间:2023/12/22

一、计算题

1、有五个实数a_1 { }a_2 {}a_3 {}a_4 {}a_5,写一个线性规划,求他们之中的最大值

2、写出对偶规划(数据记不太清了)

min    -x_1+x_2

s.t.    2x_1-x_2\geq -2

         x_1-2x_2\leqslant 2

         x_1+x_2\leqslant 4

        x_1\geqslant 0

        x2无限制

3、向量 \begin{bmatrix} 3\\ 3\\ 4 \end{bmatrix} 和\begin{bmatrix} 3\\ 8\\ 11 \end{bmatrix}关于矩阵A=\begin{bmatrix} 6&b&-1\\ a&6&-1\\ -1&-1&5 \end{bmatrix}共轭,求a和b的值

二、计算题

4、用单纯性算法解线性规划,用圆圈标出每一步的转轴元

5、用两阶段算法解线性规划,用圆圈标出每一步的转轴元

6、用对偶单纯形法解线性规划,用圆圈标出每一步的转轴元

三、计算题

7、用最速下降法解优化问题,写出第一次迭代,求出d^{(1)}x^{(2)}d^{(2)},并验证d^{(1)}d^{(2)}垂直

min f(x) = x_1{}^2{}+2x_2{^2}+x_3{^2}

x^{(1)}\begin{bmatrix} 1\\1 \\1 \end{bmatrix}

8、用牛顿法解优化问题

min f(x) = x_1{}^2+x_2{^2}-x_1x_2-4x_1-5x_2-5

x^{(1)}\begin{bmatrix} 1\\1 \end{bmatrix}

9、用K-T条件解优化问题

min    3x_1+2x_2+4x_3

s.t.    2x_1-x_2\geqslant 5

        2x_2-x_3=10

        x_1无限制

        x_2\geqslant 0

        x_3\geqslant 0

10、用外点惩罚函数法解优化问题

min    x_1{^2}+x_2{^2}

s.t.    x_1+x_2=2

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

社恐的西蓝花

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值