c语言求目标函数最优解 c语言实现目标跟踪算法

如何求目标函数在可行域中的最优解？就是...平移时怎么确定移至哪点得到最优解？

首先将目标函数如z=2x+y,，化成y=-2x+z，然后将尺子当做斜率是-2的直线在可行域内平移

因为直线y=-2x+z的截距是z，那么就看什么时候截距最大或最小（截距是有符号的数值，其实就是看与一轴交点位置的最高最低）

-------------------

目标函数如z=2x-y,，化成y=2x-z，然后将尺子当做斜率是2的直线在可行域内平移

因为直线y=2x-z的截距是-z，那么就看什么时候截距最大或最小，对应就是目标函数的最小或最大值（这时正好与前面那种情况是相反的）

----------------------------

其实一般都是在交点处有最优解，所以我都会带交点坐标到目标函数里面去算一下，比较出最大或最小值就是正确答案了。

如果是整点问题，就在交点附近找几个点的坐标带进去算，比较出最优解的值

相关问答

Q1: 已知目标函数f(x)=x +20/x,取初始区间[a,b]=[2,10],用0.618法求最优解

这里是求目标函数的极小值对应的x值吧？理论分析可知，x = 2√5 ≈ 4.472136 。直接看代码：

#include stdio.h

#include conio.h

double x618(double x1,double x2){ //求x1,x2之间靠近x1的黄金分割点

 return x1*0.618+x2*0.382;

}

double f(double x){ //目标函数

 return x+20.0/x;

}

int main(){

 double x1=2.0,x2=10.0,xt1,xt2,ft1,ft2,x;

 int cnt=0;

 xt1=x618(x1,x2);

 xt2=x618(x2,x1);//得到初始试探点，xt1靠近x1，xt2靠近x2

 while(x2-x11e-6){//这里假设精度达到0.001即退出

  ++cnt;//统计迭代次数

  ft1=f(xt1);

  ft2=f(xt2);

  if(ft1ft2){//这里要找极小值，所以要保留小的，如果要找极大值，只需把""改成""

   x2=xt2; xt2=xt1; xt1=x618(x1,x2);

  }else{

   x1=xt1; xt1=xt2; xt2=x618(x2,x1);

  }

 }

 x=(x1+x2)/2;

 printf("x=%lg, f(x)=%lg, count=%d",x,f(x),cnt);

 printf("\nFinished!\n");

 getch();

 return 0;

}

程序运行结果与理论解相符。

Q2: C语言最优解算法

#includestdio.h

int result[100][6];

int data[100000][2];

int main()

{

int i,j,T,f,temp,rlen=0,dlen,swap;

scanf("%d",T);

while(T--0)

{

for(dlen=0;1;dlen++)

{

scanf("%d %d",data[dlen][0],data[dlen][1]);

if(0==data[dlen][0] 0==data[dlen][1])

break;

}

scanf("%d",f);

for(i=0;idlen-1;i++)

{

for(j=0;jdlen-i-1;j++)

{

swap=0;

if(0==f)

{

if(data[j][0]data[j+1][0] || (data[j][0]==data[j+1][0] data[j][1]data[j+1][1]))

{

swap=1;

}

}

else if(1==f)

{

if(data[j][1]data[j+1][1] || (data[j][1]==data[j+1][1] data[j][0]data[j+1][0]))

{

swap=1;

}

}

if(1==swap)

{

temp=data[j][0];

data[j][0]=data[j+1][0];

data[j+1][0]=temp;

temp=data[j][1];

data[j][1]=data[j+1][1];

data[j+1][1]=temp;

}

}

}

if(dlen=3)

{

for(i=0;i3;i++)

{

result[rlen][2*i]=data[i][0];

result[rlen][2*i+1]=data[i][1];

}

rlen++;

}

}

for(i=0;irlen;i++)

{

printf("Case #%d:\n",i+1);

for(j=0;j3;j++)

printf("%d %d\n",result[i][2*j],result[i][2*j+1]);

}

return 0;

}

Q3: 最优解什么情况下才存在，如何求？

利用最优性条件，即每次迭代后非基变量的检验数，如果求最大问题：

1）当所有非基变量的检验数都小于零，则原问题有唯一最优解；

2）当所有非基变量的检验数都小于等于零，注意有等于零的检验数，则有无穷多个最优解；

3）当任意一个大于零的非基变量的检验数，其对应的ajk（求最小比值的分母）都小于等于零时，则原问题有无界解；

4）添加人工变量后的问题，当所有非基变量的检验数都小于等于零，而基变量中有人工变量时，则原问题无可行解。

在数学规划问题中，使目标函数取最小值（对极大化问题取最大值）的可行解。使目标函数取最小值的可行解称为极小解，使其取最大值的可行解称为极大解。

极小解或极大解均称为最优解。相应地，目标函数的最小值或最大值称为最优值。有时，也将最优解和最优值一起称为相应数学规划问题的最优解。

扩展资料：

最小二乘法估计是建立在模型服从高斯分布的假设之上。当从模型总体随机抽取M组样本观测值后，最合理的参数估计值应该使得模型能最好地拟合样本数据，也就是估计值和观测值之差的平方和最小。

而对于最大似然估计，当从模型总体随机抽取M组样本观测值后，最合理的参数估计值应该使得从模型中抽取该M组样本观测值的概率最大。

最大后验估计相比最大似然估计，只是多了一项先验概率，它正好体现了贝叶斯认为参数也是随机变量的观点，在实际运算中通常通过超参数给出先验分布。最大似然估计其实是经验风险最小化的一个例子，而最大后验估计是结构风险最小化的一个例子。

如果样本数据足够大，最大后验概率和最大似然估计趋向于一致，如果样本数据为0，最大后验就仅由先验概率决定。尽管最大后验估计看着要比最大似然估计完善，但是由于最大似然估计简单，很多方法还是使用最大似然估计。

参考资料来源：百度百科--最优解

Q4: 如何用c语言求解约束条件下的最优解

#includeiostream.h

#includestdlib.h

struct goods

{char N[2];

float W;

float P;

} g[5]=,,,,},temp,a;

int i,j,z;

float c=8,b=0;

void px()

{for(i=0;i5;i++)

{for(j=i+1;j5;j++)

if(g[i].Wg[j].W)

{temp=g[i];

g[i]=g[j];

g[j]=temp;

}

}

}

void xx()

{cout"你可免费获得的货物体积最大为8\n";

cout"你可选商品信息:"endl;

cout"商品名 商品体积 商品单价\n";

for(i=0;i5;i++)

coutg[i].N" "g[i].W" "g[i].Pendl;

}

void qu()

{for(i=0;i5c=0;i++)

{c=c-g[i].W;

b=b+g[i].P;}

c=c+g[i-1].W+g[i-2].W;

b=b-g[i-1].P-g[i-2].W;

z=i-1;

for(i=z;i4;i++)

{a=g[i];

if(g[i].Pg[i+1].Pg[i+1].W=c)

a=g[i+1];

}

c=c-a.W;

b=b+a.P;

c=8-c;

cout"\n为使您获得最大利益\n建议选择商品:";

for(i=0;iz-1;i++)

coutg[i].N" ";

couta.Nendl;

cout"商品总体积:"cendl;

cout"商品总价值:"bendl;

}

void main()

{xx();

px();

qu();

}

另外,虚机团上产品团购,超级便宜

关于c语言求目标函数最优解和c语言实现目标跟踪算法的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。