内容发布更新时间 : 2024/5/20 12:15:10星期一 下面是文章的全部内容请认真阅读。

WORD格式可编辑

§6 动态规划模型举例

以上讨论的优化问题属于静态的，即不必考虑时间的变化，建立的模型——线性规划、非线性规划、整数规划等，都属于静态规划。多阶段决策属于动态优化问题，即在每个阶段（通常以时间或空间为标志）根据过程的演变情况确定一个决策，使全过程的某个指标达到最优。例如： （1）化工生产过程中包含一系列的过程设备，如反应器、蒸馏塔、吸收器等，前一设备的输出为后一设备的输入。因此，应该如何控制生产过程中各个设备的输入和输出，使总产量最大。 （2）发射一枚导弹去击中运动的目标，由于目标的行动是不断改变的，因此应当如何根据目标运动的情况，不断地决定导弹飞行的方向和速度，使之最快地命中目标。

（3）汽车刚买来时故障少、耗油低，出车时间长，处理价值和经济效益高。随着使用时间的增加则变得故障多，油耗高，维修费用增加，经济效益差。使用时间俞长，处理价值也俞低。另外，每次更新都要付出更新费用。因此，应当如何决定它每年的使用时间，使总的效益最佳。

动态规划模型是解决这类问题的有力工具，下面介绍相关的基本概念及其数学描述。 （1）阶段 整个问题的解决可分为若干个相互联系的阶段依次进行。通常按时间或空间划分阶段，描述阶段的变量称为阶段变量，记为k。

（2）状态 状态表示每个阶段开始时所处的自然状况或客观条件，它描述了研究过程的状况。各阶段的状态通常用状态变量描述。常用xk表示第k阶段的状态变量。n个阶段的决策过程有n?1个状态。用动态规划方法解决多阶段决策问题时，要求整个过程具有无后效性。即：如果某阶段的状态给定，则此阶段以后过程的发展不受以前状态的影响，未来状态只依赖于当前状态。 （3）决策 某一阶段的状态确定后，可以作出各种选择从而演变到下一阶段某一状态，这种选择手段称为决策。描述决策的变量称为决策变量。决策变量限制的取值范围称为允许决策集合。用

uk(xk)表示第k阶段处于状态xk时的决策变量，它是xk的函数，用Dk(xk)表示xk的允许决策

集合。

（4）策略 一个由每个阶段的决策按顺序排列组成的集合称为策略。由第k阶段的状态xk开始到终止状态的后部子过程的策略记为pk(xk)?{uk(xk),uk?1(xk?1),?,un(xn)}。在实际问题中，可供选择的策略有一定范围，称为允许策略集合。其中达到最优效果的策略称为最优策略。 （5）状态转移方程 如果第k个阶段状态变量为xk，作出的决策为uk，那么第k?1阶段的状态变量xk?1也被完全确定。用状态转移方程表示这种演变规律，写作xk?1?Tk(xk，uk) （6）最优值函数 指标函数是系统执行某一策略所产生结果的数量表示，是用来衡量策略优劣的数量指标，它定义在全过程和所有后部子过程上。指标函数的最优值称为最优值函数。 下面的方程在动态规划逆序求解中起着本质的作用。

专业知识分享

WORD格式可编辑

?fk(xk)?min[vk(xk,uk(xk))?fk?1(xk?1)],uk?Dk(xk)???f(x)?0,x?T(x,u),k?n,n?1,?,1k?1kkk?n?1n?1称此为动态规划逆序求解的基本方程（贝尔曼方程）。 可以把建立动态规划模型归纳成以下几个步骤： （1）将问题恰当地划分为若干个阶段；

（2）正确选择状态变量，使它既能描述过程的演变，又满足无后效性； （3）规定决策变量，确定每个阶段的允许决策集合； （4）写出状态转移方程；

（5）确定各阶段各种决策的阶段指标，列出计算各阶段最优后部策略指标的基本方程。

下面结合具体例子阐述建立动态规划模型的思路。

例13 生产计划问题。公司要对某产品制定n周的生产计划，产品每周的需求量、生产和贮存费用、生产能力的限制、初始库存量等都是已知的，试在满足需求的条件下，确定每周的生产量，使n周的总费用最少。

决策变量是第k周的生产量，记作uk(k?1,2,?,n)。已知下列数据及函数关系：第k周的需求量dk：第k周产量为uk时的生产费为ck(uk)；第k周初贮存量为xk时这一周的贮存费为

hk(xk)；第k周的生产能力限制为Uk；初始（k?0）及终结（k?n）时贮存量均为零。按

照最短路问题的思路，设从第k周初贮存量为xk到（n周末）过程结束的最小费用函数为fk(xk)，则下列逆向递推公式成立。

min[ck(uk)?hk(xk)?fk?1(xk?1)]??fk(xk)?0?uk?Uk???fn?1(xn?1)?0而xk与xk?1满足

xk?Xk,k?n,?，2,1 (1)

?xk?1?xk?uk?dk,??x1?xn?1?0k?n,?，2，1 (2)

这里贮存量xk是状态变量，（2）式给出了相邻阶段的状态在决策变量作用下的转移规律，称为状态转移规律。在用（1）式计算时，xk的取值范围——允许状态集合Xk由（2）式及允许决策集合(0?uk?Uk)决定。

在实际问题中，为简单起见，生产费用常取ck(uk)，uk?0；ck(uk)?a?cuk，uk?0，其中c是单位产品生产费，而a是生产准备费。贮存费用常取hk(xk)?hxk，h是单位产品（一

专业知识分享

WORD格式可编辑

周的）贮存费。

最优方程（1）和状态转移方程（2）构成了这个多阶段决策问题的动态规划模型。实际上，多阶段决策问题有时也可用静态规划方法求解，如例2的生产计划问题。

例14 资源分配问题。总量为m1的资源A和总量为m2的资源B同时分配给n个用户，已知第k用户利用数量uk的资源A和数量vk的资源B时，产生的效益为gk(uk,vk)，问如何分配现有资源使总效益最大。

这本来是个典型的静态规划问题： MaxZ??gk(uk,vk) (1)

k?1n s.t.?uk?1nk?m1,（2） uk?0

?vk?1nk?m2, vk?0 （3）

但是当gk比较复杂及n较大时，用非线性规划求解是困难的，特别是，若gk是用表格或图形给出而无解析表达式时，则难以求解。而这种情况下，将其转化为动态规划，是一种可行的方法。 资源A，B每分配给一个用户划分为一个阶段，分配给第k用户的数量是二维决策变量

(uk,vk)，而把向第k用户分配之前，分配者手中掌握的资源数量作为二维状态变量，记作(xk,yk)，这样，状态转移方程应为

?xk?1?xk?uk （4） ?y?y?vkk?k?1最优值函数fk(xk,yk)定义为将数量(xk,yk)的资源分配给第k至第n用户时能获得的最大效益，它满足最优方程

?fk(xk,yk)?max[gk(uk,vk)?fk?1(xk?1,yk?1)],0?uk?xk?0?vk?yk???fn?1(0,0)?00?xk?m1,0?yk?m2,k?n,?,2,1

（5）

对于由（4），（5）式构成的动态规划模型，不需要gk(uk,vk),fk(xk,yk)的解析表达式，完全可以求数值解。

例15 系统可靠性问题。一个系统由若干部件串联而成，只要有一个部件故障，系统就不能正常

专业知识分享