当前位置：首页 > news >正文

python网站开发框架做夹具需要知道的几个网站

news 2025/11/11 5:34:00

python网站开发框架,做夹具需要知道的几个网站,蓬莱网站设计,wordpress 主题地址1.概念最大最小化模型（Maximin Model）是一种优化方法，旨在最大化最坏情况下的收益或最小化最坏情况下的损失。常见的现实问题有：求最大值的最小化问题最大风险的最低限度最小化最坏情况下的损失等2.一般数学模型 (找最大值里面最小…

1.概念

最大最小化模型（Maximin Model）是一种优化方法，旨在最大化最坏情况下的收益或最小化最坏情况下的损失。

常见的现实问题有：

求最大值的最小化问题

最大风险的最低限度

最小化最坏情况下的损失等

2.一般数学模型

$\underset{x}{min}\left \{ max[f_1(x)],max[f_2(x)] ,...,max[f_m(x)]\right \}$ (找最大值里面最小的)

$s.t.\left\{\begin{matrix} Ax\leq b \\ Aeq\cdot x=beq \\ C(x)\leq 0 \\ Ceq(x)=0 \\ VLB\leq X\leq VUB \end{matrix}\right.$

3.例题

建立模型：

$\underset{(x,y)}{min}\left \{ \underset{i}{max}[|x-a_i|+|y-b_i|] \right \}$

$s.t.\left\{\begin{matrix} 4\leq x \leq 16 \\ 3\leq y \leq 11 \end{matrix}\right.$

函数套用:

fminimax
fun	把目标函数定义成一个单独的函数文件（min）
x0	决策变量的初始值
A,b	线性约束不等式变量系数矩阵和常数项矩阵（左侧系数和右侧向量，支持 $\leq or<$ ）
Aeq,beq	线性约束等式变量系数矩阵和常数项矩阵（左侧系数和右侧向量）
lb,ub	决策变量的最小与最大取值（变量上下界）
nonlcon	非线性约束（包括不等式与等式）
option	求解非线性规划使用的方法

注意：fminimax函数与非线性规划的函数用法基本上一样，但是目标函数需要用函数向量表示如：

$function \; f=fun(x)$

$f=zero(m,1)$

$f(1)=\cdots$

$f(2)=\cdots$

$\vdots$

$f(m)=\cdots$

代码：

%最大最小值问题
x0=[6,6];
lb=[4,3];
ub=[16,11];
[x,fval]=fminimax(@minimaxFun,x0,[],[],[],[],lb,ub);
max(fval)
x

function f=minimaxFun(x)a=[2 5 7 9 11 12 15 18];b=[3 8 12 5 9 2 7 4];f=zeros(8,1);for i= 1:8f(i)=abs(x(1)-a(i))+abs(x(2)-b(i));end
end

解释一下函数代码：

1  function f = fun(x)

定义一个名为 fun 的函数，输入参数是 2×1 向量 x，输出是 8×1 向量 f
x(1) 代表供应中心的横坐标，x(2) 代表纵坐标。

2      a = [ 1  4  3  5  9 12  6 20 17  8];

行向量 a 存放 8 个需求点的 横坐标

3      b = [ 2 10  8 18  1  4  5 10  8  9];

行向量 b 存放 8 个需求点的 纵坐标

4      f = zeros(10,1);

预分配 8×1 的零向量 f，用来存 8 个距离值。
预分配可以提高 MATLAB 效率，也可避免动态增长数组。

5      for i = 1:10
6          f(i) = abs(x(1) - a(i)) + abs(x(2) - b(i));
7      end

循环 8 次，依次计算当前供应中心 (x(1), x(2)) 到第 i 个需求点的直角距离
公式：|x − aᵢ| + |y − bᵢ|
结果写入 f(i)。
该函数把 二维决策变量 (x,y) 映射到 8 个目标函数
fminimax 会把这 8 个数中的最大值作为要最小化的“最坏情况”目标，从而完成
min_(x,y) max_i |x−aᵢ| + |y−bᵢ|
的求解。
这里其实就是完成了8个函数向量

查看全文

http://www.dtcms.com/a/592267.html