文档介绍：: .
第六章随机规划
第一节问题的提出
随机规划所研究的对象是含有随机因素的数学规划问题。例,...,n)。
ijji为了合理安排生产，显然希望知道，在各种可能的情况下，maxf(X)的值是什么，也即希望知道maxf(X)的分布如何，或者希望知道maxf(X)的数学期望是多少。
也就是说，对于每个样本wgQ求解一个线性规划问题maxf(X)=£c(w)x
jj
j=1
£a(w)x=b(w),i=1,・・・,)
)
ijji，j=1
x>0,j=1,・・・,nj
然后再求maxf(X)的分布。这就是本节将要讨论的分部问题。
般地，所谓分布问题就是对于每个样本wgQ求解一个线性规划问题g(w)=minC(w)X
A(w)X=b(w)，()X>0
并求g(w)的分布函数或其他概率特征。
上述问题中，A(w)为随机矩阵，b(w)和c(w)分别随机向量。显然为使上述分布问题在数学上有意义，首先要求g(w)必须是一个随机变量，即g(w)是概率空间(Q,p,p)上的Borel可测函数。对此有如下定理。
定理1在上述分部问题中，最优目标函数值g(w)是一个随机变量，并且适当选择后可以找到该问题的一个最优解X*(w)为随机向量。
随着w的变化，问题()的最优目标函数值g(w)可能有限，也可能为无穷大。如果g(w)取+8活—g的概率大于0,则g(w)的数学期望及其它概率特征均不存在，从而该问题在许多情况下将无实际意义。因此，我们感兴趣的是：P(w:-g<g(w)<+8)=1的情况，此时问题的最优值称为无缺陷的分布。
对于分部问题可以像对待普通线性规划那样按照参数规划的思路来讨论和求解，比如单纯形法、灵敏度分析等。
第三节期望值模型
在期望约束下，使得目标函数的期望值达到最优的数学规划称为期望值模型。期望值模型是数学规划中常见的形式之一，如期望费用极小化，期望值模型极大化问题等等。
首先考虑报童问题。报童需要每天提前到邮局定购报纸并确定所定购的报纸数量X分，每份价格为c元。已经知道每份报纸的售价为a元。如果报童没有卖完当天的报纸，则回收中心以极低的价格b元回收报纸。假设每天报纸的需求量为g，若x空，则每天报纸的剩余量为x-g，否则为0。这样报童的受益为f(x,g)=J(a-c)x'x-g,()
[(b-c)x+(a-b)g,x>g
在实际问题中，报童的需求量g通常是随机变量，从而导致效益函数f(x,g)也是随机变量。既然不能准确地预测出订购x份报纸的实际收益，一个自然的方法就是考虑期望收益E[f(x,g)]=j[(b-c)x+(a-b)g]Q(g)dg+f(a-c)xQ(g)dg,(6-11)
0x其中E表示期望值算子，Q(g)表示需求量g的概率密度函数。报童问题就是寻找最优的定购数量x使期望收益E[f(x,g)]达到最大值，这是一个典型的期望值模型。
一、期望算子
假设t维随机向量g的概率密度函数为Q(g),则随机向量g的期望值定义为E[g]=jgQ(g)dg，()
Rt
通常也称其为均值
设f为定义在Rt上的实函数，则f(