全文共8090个字，码字总结不易，老铁们来个三连：点赞、关注、评论
作者：[左手の明天]
原创不易，转载请联系作者并注明出处
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
“优化”是生活中经常使用的词：坐出租车时希望司机不绕弯路、走优化路线；逛超市时考虑各种优惠活动，希望获得最大优惠；企业推出新产品要综合考虑成本与市场吸引力，对资金进行优化配置，等等。 这些问题都是“最优化问题”，也是数学建模中的典型问题，解决最优化问题的数学方法就是“最优化方法”。
最优化方法的出发点是系统思维，最优化方法的基本思路是在一定的约束条件下，保证各方面资源的合理分配， 最大限度地提升系统某一性能或系统整体性能，最终实现最理想结果。运用最优化方法建立并求解数学模型，主要包括以下步骤：
（1）明确目标，分析问题背景，确定约束条件，搜集全面的客观数据和信息；
（2）建立数学模型，构建变量之间的数学关系，设立目标函数；
（3）分析数学模型，综合选择最适合该模型的优化方法；
（4）求解模型，通常借助计算机和数学分析软件完成；
（5）对最优解进行检验和实施。
目录
求解算法3：最速下降法（steepest descent method）
其中，x~决策变量；f(x)~目标函数；gi(x)≤0~约束条件
举例：用解析和图解法求解下列方程
<<syms t;
y=exp(-3*t)*sin(4*t+2)+4*exp(-0.5*t)*cos(2*t)-0.5;
ezplot(y,[0 4])
y1=diff(y);
ezplot(y1,[0 4])
t0=solve(y1)
y2=diff(y1);
b=subs(y2,t,t0)命令形式1：
x=fminsearch(fun,x0) %简单形式
[x,f,flag,out]=fminsearch(fun,x0,opt,p1,p2,…) %一般形式功能：与fsolve()中的参数控制形式类似。
注：若函数时多元的，要表达成向量的形式。
命令形式2：
x=fminunc(fun,x0) %简单形式
[x,f,flag,out]=fminunc(fun,x0,opt,p1,p2,…) %一般形式功能：与fsolve()中的参数控制形式类似。
举例：
>>f=inline('(x(1)^2-2*x(1))*exp(-x(1)^2-x(2)^2-x(1)*x(2))','x');
x0=[0,0];
ff=optimset;ff.Display='iter';
x=fminsearch(f,x0,ff)
>>x=fminunc(f,x0,ff)
一元函数极小
X=fminbnd(fun,x1,x2)多元无约束极小
X=fminunc(fun,x0) (牛顿法)
X=fminsearch(fun,x0)举例1：(初值的影响力)设目标函数为
试观察不同的初值得出的最小值。
>> f=inline('exp(-2*t)*cos(10*t)+exp(-3*(t+2))*sin(2*t)','t');
t0=1;[t1,f1]=fminsearch(f,t0)
t1=0.92275390625000,f1=-0.15473299821860
>> t0=0.1;[t2,f2]=fminsearch(f,t0)
t2=0.29445312500000,f2=-0.54362463738706
>> syms t;
y=exp(-2*t)*cos(10*t)+exp(-3*(t+2))*sin(2*t);
ezplot(y,[0,2.5]); axis([0 2.5 -0.6 1])举例2：对边长为3米的正方形铁板，在四个角剪去相等的正方形以制成方形无盖水槽，问如何剪法使水槽的容积最大？
建立模型：
设剪去的正方形的边长为x,，则水槽的容积为：
建立无约束优化模型为：
模型求解：
先编写M文件如下:
function f=myfun(x)
f=-(3-2*x).^2*x;调用fminbnd:
[x,fval]=fminbnd(@myfun,0,1.5)运算结果为：
x = 0.5000,fyal =2.0000.即剪掉的正方形的边长为0.5米时水槽的容积最大，最大容积为2立方米。
目标函数：
约束条件：
目标函数：
其中，C为价值向量
约束条件：
其中，b为资源向量；X为决策变量向量
其中：
命令形式1：
[X,lag,how]=lp(C,A,b,v1,v2,x0)功能：
举例：
>> c=[13,-1,5];
A=[-1,-1,0;0,1,1];
b=[-7,10];
v0=[2,0,0];
[X,lag,how]=lp(c,A,b,v0)
目标函数：
约束条件：
命令形式2：
[X,f,flag,c]=linprog(C,A,b,Aeq,Beq,xm,xM,x0,opt)功能：各个参数的解释如前，若各个约束条件不存在，则用空矩阵来代替。
举例1：
>> c=[-2,-1,-4,-3,-1];
A=[0 2 1 4 2;3 4 5 -1 -1];
b=[54,62];
Ae=[];Be=[];
xm=[0,0,3.32,0.678,2.57];
ff=optimset;
ff.LargeScale='off';
ff.TolX=1e-15;
ff.Display='iter';
[X,f,flag,c]=linprog(c,A,b,Ae,Be,xm,[],[],ff)
举例2：某车间生产A和B两种产品，为了生产A和B，所需的原料分别为2个和3个单位，所需的工时分别为4个和2个单位。现在可以应用的原料为100个单位，工时为120个单位。每生产一台A和B分别可获得利润6元和4元。应当生产A和B各多少台能获得最大利润？
分析：
模型建立：
设生产A产品x1 台，生产B产品 x2台
模型求解：
f=[-6,-4]';
A=[2 3;4 2];
B=[100;120];
Ae=[];
Be=[];
xm=[0,0];
ff=optimset;
ff.LargeScale='off'; % 不用大规模问题求解
ff.TolX=1e-15;
ff.TolFun=1e-20;
ff.TolCon=1e-20;
ff.Display='iter';
[x,f_opt,key,c]=linprog(f,A,B,Ae,Be,xm,[],[],ff)举例3：（任务分配问题）某车间有甲、乙两台机床，可用于加工三种工件。假定这两台车床的可用台时数分别为 800 和 900，三种工件的数量分别为 400、600 和 500，且已知用三种不同车床加工单位数量不同工件所需的台时数和加工费用如下表。问怎样分配车床的加工任务，才能既满足加工工件的要求，又使加工费用最低？
模型建立：
设在甲车床上加工工件 1、2、3 的数量分别为 x1、x2、x3，在乙车床上加工工件 1、2、3 的数量分别为 x4、x5、x6。可建立以下线性规划模型：
模型求解：
f = [13 9 10 11 12 8];
A = [0.4 1.1 1 0 0 0
0 0 0 0.5 1.2 1.3];b = [800; 900];
Aeq=[1 0 0 1 0 0
0 1 0 0 1 0
0 0 1 0 0 1];
beq=[400 600 500];
vlb = zeros(6,1);
vub=[];
[x,fval] = linprog(f,A,b,Aeq,beq,vlb,vub)举例4：某厂每日 8 小时的产量不低于 1800 件。为了进行质量控制，计划聘请两种不同水平的检验员。一级检验员的标准为：速度 25 件/小时，正确率 98%，计时工资 4 元/小时；二级检验员的标准为：速度 15 小时/件，正确率 95%，计时工资 3 元/小时。检验员每错检一次，工厂要损失 2 元。为使总检验费用最省，该工厂应聘一级、二级检验员各几名？
模型建立：
设需要一级和二级检验员的人数分别为 x1、x2 人，则应付检验员的工资为：
因检验员错检而造成的损失为：
故目标函数为：
约束条件为：
线性规划模型：
模型求解：
c = [40;36];
A=[-5 -3];
b=[-45];
Aeq=[];
beq=[];
vlb = zeros(2,1);
vub=[9;15];
%调用 linprog 函数：
[x,fval] = linprog(c,A,b,Aeq,beq,vlb,vub)结果：
x =
9.0000
0.0000
fval =360即只需聘用 9 个一级检验员。
目标函数：
约束条件：
命令形式：
[X,f,flag,c]=quadprog(H,C,A,b,Aeq,Beq,xm,xM,x0,opt)功能：
各个参数的解释如前，若各个约束条件不存在，则用空矩阵来代替。
举例：
>> c=[-2,-1,-4,-3,-1];
A=[0 2 1 4 2;3 4 5 -1 -1];
b=[54,62];
Ae=[];Be=[];
xm=[0,0,3.32,0.678,2.57];
ff=optimset;
ff.LargeScale='off';
ff.TolX=1e-15;
ff.Display='iter';
[X,f,flag,c]=linprog(c,A,b,Ae,Be,xm,[],[],ff)
如果目标函数或约束条件中至少有一个是非线性函数时的最优化问题就叫做非线性规划问题．
一般形式：
其中
是定义在 En 上的实值函数，简记:
其它情况：
求目标函数的最大值或约束条件为小于等于零的情况，都可通过取其相反数化为上述一般形式．
其中X为n维变元向量，G(X)与Ceq(X)均为非线性函数组成的向量，其它变量的含义与线性规划、二次规划中相同.
在非线性最优化问题当中，如果目标函数能以解析函数表示，可行域由不等式约束确定，则可以利用目标函数和可行域的已知性质，在理论上推导出目标函数为最优值的必要条件，这种方法就称为间接法（也称为解析法） 。 一般要用到目标函数的导数。
直接法是一种数值方法。这种方法的基本思想是迭代，通过迭代产生一个点序列{ X(k) }，使之逐步接近最优点。 只用到目标函数。 如黄金分割法、Fibonacci、随机搜索法。
迭代法一般步骤
注意：数值求解最优化问题的计算效率取决于确定搜索方向P (k)和步长
的效率。
由法国数学家Cauchy于1847年首先提出。在每次迭代中，沿最速下降方向（负梯度方向）进行搜索，每步沿负梯度方向取最优步长，因此这种方法称为最优梯度法。
特点：
方法简单，只以一阶梯度的信息确定下一步的搜索方向，收敛速度慢； 越是接近极值点，收敛越慢； 它是其它许多无约束、有约束最优化方法的基础。 该法一般用于最优化开始的几步搜索。
最速下降法算法：
用Matlab求解上述问题，基本步骤分三步：
1. 首先建立M文件fun.m,定义目标函数F（X）:
function f=fun(X);
f=F(X);
3. 建立主程序.非线性规划求解的函数是fmincon，命令的基本格式如下：
(1) x=fmincon(‘fun’,X0,A,b)
(2) x=fmincon(‘fun’,X0,A,b,Aeq,beq)
(3) x=fmincon(‘fun’,X0,A,b, Aeq,beq,VLB,VUB)
(4) x=fmincon(‘fun’,X0,A,b,Aeq,beq,VLB,VUB,’nonlcon’)
(5) x=fmincon(‘fun’,X0,A,b,Aeq,beq,VLB,VUB,’nonlcon’,options)
(6) [x,fval]= fmincon(...)
(7) [x,fval,exitflag]= fmincon(...)
(8) [x,fval,exitflag,output]= fmincon(...)输入参数的几点说明：
模型中如果没有A,b,Aeq,beq,VLB,VUB的限制，则以空矩阵[ ]作为参数传入；
nonlcon：如果包含非线性等式或不等式约束，则将这些函数编写一个Matlab函数
nonlcon就是定义这些函数的程序文件名；
不等式约束 G(x)<=0
等式约束 Ceq(x)=0.
如果nonlcon=‘mycon’ ; 则myfun.m定义如下
function [G,Ceq] = mycon(x)
G= ... % 计算非线性不等式约束在点x处的函数值
Ceq= ... %计算机非线性等式约束在点x处的函数值 例子1：
2个不等式约束， 2个等式约束 3个决策变量x1，x2，x3 如果nonlcon以‘test’作为参数值，则程序test.m如下
function [G,Ceq]=test(x)
G(1)=x(1)*x(1)+x(2)*x(2)+x(3)*x(3)-100
G(2)=60-x(1)*x(1)+10*x(3)*x(3)
Ceq(1)=x(1)+x(2)*x(2)+x(3)- 80
Ceq(2)=x(1)^3+x(2)*x(2)+x(3)- 80
注意：
[1] fmincon函数提供了大型优化算法和中型优化算法。默认时，若在fun函数中提供了梯度（options参数的GradObj设置为’on’），并且只有上下界存在或只有等式约束，fmincon函数将选择大型算法。当既有等式约束又有梯度约束时，使用中型算法。
[2] fmincon函数可能会给出局部最优解，这与初值X0的选取有关。
例子2：
1．先建立M文件 fun.m,定义目标函数：
function f=fun(x);
f=exp(x(1)) *(4*x(1)^2+2*x(2)^2+4*x(1)*x(2)+2*x(2)+1);2．再建立M文件mycon.m定义非线性约束：
function [g,ceq]=mycon(x)
g=[1.5+x(1)*x(2)-x(1)-x(2);-x(1)*x(2)-10];
ceq=[];3．主程序为：
x0=[-1;1];
A=[];b=[];
Aeq=[1 1];
beq=0;
vlb=[];
vub=[];
[x,fval]=fmincon('fun4',x0,A,b,Aeq,beq,vlb,vub,'mycon')4．运算结果为：
x = -1.2250 1.2250
fval = 1.8951数学描述：自变量的取值只能为0或1
matlab解：
X=bintprog(f,A,B,Aeq,Beq)小规模问题可以穷举
举例：求解下面的0-1线性规划问题
f=[-3,2,-5]; A=[1 2 -1; 1 4 1; 1 1 0; 0 4 1];
B=[2;4;5;6];
x=bintprog(f,A,B,[],[])'要铺设一条A1→A2 →……→ A15的输送天然气的主管道，如图一所示(见下页)。经筛选后可以生产这种主管道钢管的钢厂有 。图中粗线表示铁路，单细线表示公路，双细线表示要铺设的管道(假设沿管道或者原来有公路，或者建有施工公路)，圆圈表示火车站，每段铁路、公路和管道旁的阿拉伯数字表示里程(单位km)。
为方便计，1km主管道钢管称为1单位钢管。一个钢厂如果承担制造这种钢管，至少需要生产
500个单位。钢厂Si在指定期限内能生产该钢管的最大数量为Si个单位，钢管出厂销价1单位钢管为pi万元，如下表：
1单位钢管的铁路运价如下表：
1000km以上每增加1至100km运价增加5万元。公路运输费用为1单位钢管每公里0.1万元（不足
整公里部分按整公里计算）。钢管可由铁路、公路运往铺设地点（不只是运到点A1，A2，……，A15 ，而是管道全线）。
（1）制定钢管的订购和运输计划，使总费用最小.
（2）分析对购运计划和总费用影响：哪个钢厂钢管销价的变化影响最大；哪个钢厂钢管产量上限的变化影响最大？
（3）讨论管道为树形图的情形
Floyd算法过程描述如下：
梯度下降法是经典的最优化方法之一[4]，其核心思想是高等数学中的导数理论。 梯度下降法实现最优化的原理是，每次迭代更新目标函数时，都以该变量导数（即梯度）的反方向作为更新参数的方向，最终解一定会收敛于最优解。 这个原理类似于走下坡路时，总是沿着最陡峭的方向向下走，最后就一定会走到坡底。梯度下降法的实现简单， 但是求解计算时间长，因此基于梯度下降法发展了很多改进算法，包括随机梯度下降法、小批量梯度下降法等，能够有效改善计算成本高的问题。
惩罚函数法，指的是引入惩罚因子和惩罚函数的最优化方法[5]。 具体来说，惩罚函数的思想是：将最优化问题中的约束条件视为围墙，而迭代更新的解视为在围墙内运动的粒子，一旦粒子靠近围墙，对应的惩罚因子数值就会增大，导致惩罚函数值增大，反之，粒子远离围墙时，惩罚函数值就减小。 建立了这种惩罚机制后，在每次迭代过程中，模型为了“避免被惩罚”，逐渐趋近于约束边界，从而找到了最优解。惩罚函数法对模型的训练虽然“简单粗暴”，但是原理直观、实现门槛低，是实际工程中备受青睐的最
优化方法。
不同于梯度下降法和惩罚函数法，遗传算法并非依据导数理论提出的算法[6]，而是一种模拟生物在自然届中进化规律的一种智能算法。 自然界的生物进化遵循适者生存和优胜劣汰，即能够适应环境变化或基因变异的个体才能够参与到进化。 遗传算法的优化原理与之类似：每一次迭代时，通过计算各个个体的适应度，从中随机地选择两个个体作为父母，繁殖后代，同时诱发子代的染色体变异，重复迭代，当出现最大适应度的子代时，即认为获得了最优解，循环结束。与梯度下降法、惩罚函数法相比，遗传算法以生物进化为原型，收敛性较好，在计算精度要求时，具有计算时间少、鲁棒性高的优势。
与遗传算法类似，蚁群算法也是受启发于生物的一种最优化方法[7]。 生物科学家发现蚂蚁经过的路上都会有一种特殊物质，并且蚁群中的蚂蚁对该物质高度敏感，由于该物质浓度越高，代表着路途长度越短，想要走“捷径”的蚁群们都会选择浓度较高的道路行走，“捷径”经过的蚂蚁越多，特殊物质的浓度就越高，物质浓度积累到一定程度，所有蚂蚁都会被吸引到最佳捷径上来，都能以最快速度找到食物了。 蚁群算法解决最优化问题，就是利用了其分布计算和信息正反馈的特点。
我有一个模型:classItem项目有一个属性“商店”基于存储的值，我希望Item对象对特定方法具有不同的行为。Rails中是否有针对此的通用设计模式？如果方法中没有大的if-else语句，这是如何干净利落地完成的？ 最佳答案 通常通过Single-TableInheritance. 关于ruby-on-rails-Rails-子类化模型的设计模式是什么？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.co
我希望将Favorite模型添加到我的User和Link模型。业务逻辑用户可以有多个链接(即可以添加多个链接)用户可以收藏多个链接(他们自己的或其他用户的)一个链接可以被多个用户收藏，但只有一个所有者我对如何为这种关联建模以及在模型就位后如何创建用户收藏夹感到困惑？classUser 最佳答案 下面的数据模型怎么样:classUser:destroyhas_many:favorite_links,:through=>:favorites,:source=>:linkendclassLink:destroyhas_many:favor
我需要从一个View访问多个模型。以前，我的links_controller仅用于提供以不同方式排序的链接资源。现在我想包括一个部分(我假设)显示按分数排序的顶级用户(@users=User.all.sort_by(&:score))我知道我可以将此代码插入每个链接操作并从View访问它，但这似乎不是“ruby方式”，我将需要在不久的将来访问更多模型。这可能会变得很脏，是否有针对这种情况的任何技术？注意事项:我认为我的应用程序正朝着单一格式和动态页面内容的方向发展，本质上是一个典型的网络应用程序。我知道before_filter但考虑到我希望应用程序进入的方向，这似乎很麻烦。最终从任何
我有一个包含模块的模型。我想在模块中覆盖模型的访问器方法。例如:classBlah这显然行不通。有什么想法可以实现吗？ 最佳答案 您的代码看起来是正确的。我们正在毫无困难地使用这个确切的模式。如果我没记错的话，Rails使用#method_missing作为属性setter，因此您的模块将优先，阻止ActiveRecord的setter。如果您正在使用ActiveSupport::Concern(参见thisblogpost)，那么您的实例方法需要进入一个特殊的模块:classBlah
我有一个表单，其中有很多字段取自数组(而不是模型或对象)。我如何验证这些字段的存在？solve_problem_pathdo|f|%>... 最佳答案 创建一个简单的类来包装请求参数并使用ActiveModel::Validations。#definedsomewhere,atthesimplest:require'ostruct'classSolvetrue#youcouldevencheckthesolutionwithavalidatorvalidatedoerrors.add(:base,"WRONG!!!")unlesss
我想向我的Controller传递一个参数，它是一个简单的复选框，但我不知道如何在模型的form_for中引入它，这是我的观点:{:id=>'go_finance'}do|f|%>Transferirde:para:Entrada:"input",:placeholder=>"Quantofoiganho?"%>Saída:"output",:placeholder=>"Quantofoigasto?"%>Nota:我想做一个额外的复选框，但我该怎么做，模型中没有一个对象，而是一个要检查的对象，以便在Controller中创建一个ifelse，如果没有检查，请帮助我，非常感谢,谢谢
我有一些非常大的模型，我必须将它们迁移到最新版本的Rails。这些模型有相当多的验证(User有大约50个验证)。是否可以将所有这些验证移动到另一个文件中？说app/models/validations/user_validations.rb。如果可以，有人可以提供示例吗？ 最佳答案 您可以为此使用关注点:#app/models/validations/user_validations.rbrequire'active_support/concern'moduleUserValidationsextendActiveSupport:
对于Rails模型，是否可以/建议让一个类的成员不持久保存到数据库中？我想将用户最后选择的类型存储在session变量中。由于我无法从我的模型中设置session变量，我想将值存储在一个“虚拟”类成员中，该成员只是将值传递回Controller。你能有这样的类(class)成员吗？ 最佳答案 将非持久属性添加到Rails模型就像任何其他Ruby类一样:classUser扩展解释:在Ruby中，所有实例变量都是私有(private)的，不需要在赋值前定义。attr_accessor创建一个setter和getter方法:classUs
我有一个正在构建的应用程序，我需要一个模型来创建另一个模型的实例。我希望每辆车都有4个轮胎。汽车模型classCar轮胎模型classTire但是，在make_tires内部有一个错误，如果我为Tire尝试它，则没有用于创建或新建的activerecord方法。当我检查轮胎时，它没有这些方法。我该如何补救？错误是这样的:未定义的方法'create'forActiveRecord::AttributeMethods::Serialization::Tire::Module我测试了两个环境:测试和开发，它们都因相同的错误而失败。 最佳答案
ruby如何管理内存。例如:如果我们在执行过程中采用C程序，则以下是内存模型。类似于这个ruby如何处理内存。C:__________________|||stack|||------------------||||------------------|||||Heap|||||__________________|||data|__________________|text|__________________Ruby:? 最佳答案 Ruby中没有“内存”这样的东西。Class#allocate分配一个对象并返回该对象。这就是程序