5.6.1 Optimization Problem Setup and Modeling¶
将实际问题转化为数学优化模型，包括确定目标函数、约束条件和变量定义
定义¶
优化问题建模是指将实际应用问题转化为数学优化模型的过程。该过程包括三个核心步骤：
-
变量定义：明确识别问题中的自变量和因变量。设 \(x\) 为自变量（可控制的量），\(y\) 为因变量（需要优化的量）。
-
目标函数建立：根据问题的实际意义，建立需要最大化或最小化的函数 \(f(x)\)。目标函数必须用自变量的表达式表示。
-
约束条件确定：识别问题中的限制条件，包括：
- 等式约束：如 \(g(x) = c\)
- 不等式约束：如 \(a \leq x \leq b\)
-
隐含约束：如实际意义中的非负性条件 \(x \geq 0\)、\(y \geq 0\)
-
定义域确定：综合所有约束条件，确定目标函数的有效定义域。
优化问题的标准形式为： $\(\text{求} \max(\text{或} \min) \, f(x), \quad \text{其中} \, x \in D\)$ 其中 \(D\) 是由所有约束条件确定的可行域。
核心公式¶
- \(f(x) = \text{目标函数}\)，表示需要优化的量与自变量的关系
- \(\frac{df}{dx} = 0 \text{ 或 } f'(x) = 0\)，求极值点的必要条件
- \(f''(x) > 0 \text{ 时，} x \text{ 为极小值点；} f''(x) < 0 \text{ 时，} x \text{ 为极大值点}\)
- \(\text{最优值} = \max\{f(x_1), f(x_2), \ldots, f(x_n), f(a), f(b)\}\)，其中 \(x_i\) 为临界点，\(a, b\) 为定义域端点
- \(\text{约束条件：} g(x) = c \text{ 或 } a \leq x \leq b \text{ 或 } x \geq 0, y \geq 0 \text{ 等}\)
易错点¶
- ⚠️ 忽视定义域的约束条件：学生常常只求导数为零的点，而忽略了问题中隐含的约束条件（如长度、面积必须为正，或变量有上下界），导致得到的临界点不在可行域内。
- ⚠️ 混淆目标函数中的变量：在建立目标函数时，如果问题涉及多个变量，学生常常忘记用约束条件消去多余变量，导致目标函数仍含有多个自变量，无法直接求导。
- ⚠️ 遗漏端点值的检验：在闭区间上求最值时，学生只检验内部临界点，而忽视了在端点处的函数值，导致得到的结论不完整或错误。
- ⚠️ 混淆最大值和最小值：学生有时不清楚问题要求的是最大化还是最小化，或在求出临界点后，没有通过二阶导数测试或比较函数值来确认是最大值还是最小值。