Analytica 优化版系列网络研讨会

世界各地的公司、政府机构和大学都在使用 Analytica 优化版。由于 Analytica 高度直观性和交互式的特性,最快方式了解 Analytica 及其应用就是观看一个现场演示。在2011年4月,Lumina 举办了一系列以 Analytica 优化版优化功能为主题的广受好评的网络研讨会。如想更加深入的了解 Analytica 优化版功能,请下载并收听网络研讨会的录音文件。

1. 结构优化介绍

报告人: Paul Sanford, Lumina.

Analytica 4.3于2011年3月发布。此新版本拓展了优化性能,以及简化了编码优化问题的工作流程。 Analytica 4.3中的新结构优化框架以一个新的函数为中心DefineOptimization(), 此功能取代了以前三种具体函数类型:LPDefine()(线性规划定义),QPDefine()(二次规划定义)和NLPDefine()(非线性规划定义)。Analytica 4.3也引入了一个新的节点类型约束条件节点。允许用户使用普通的表达式来详细说明约束条件。在此网络研讨会当中,保罗使用结构优化逐步建立了几个基本样本,同时现场回答了客户的有关问题。

观看此网络研讨会记录

在此研讨会中使用的样本模型有:Beer Distribution LP1.anaBeer Distribution LP2.anaPlane Allocation LP.anaPolynomial NLP.ana

2. 线性及二次规划介绍

报告人:Dr. Lonnie Chrisman, 首席技术官, Lumina

在这个报告中,我们介绍了线性程序和二次规划的,以及如何用 Analytica 求解线性程序和二次规划的问题(通过使用 Analytica 优化版)。通过使用 Analytica 优化版的 LPDefine(线性程序定义)函数QPDefine(二次规划定义)函数,我们可以对线性程序及二次规划有效编码。因为有些人还不熟悉线性程序,因此我将在这里介绍什么是线性程序,并且分析适合这种形式体系的样本问题。我们将在 Analytica 中编译一些样本问题,并计算其最佳值。虽然线性程序和二次规划是非线性规划的一些特列,但是他们能够更加有效地求解,避免了非线性规划优化过程中出现大量复杂因素,以及完全为数组抽象。许多起初看似是非线性优化问题通常能通过改变限制条件或目标函数而重新表述为线性程序或者二次规划问题。我们也将看到如何计算次要解决方案比如说双重值(松弛变量和折扣价)以及系数灵敏度。最后,LpFindIIS 可以用来调试线性程序问题并找出为什么没有可行解的原因。

观看此网络研讨会记录

下载 Analytica 模型文件

3. 非线性优化

报告人:Dr. Lonnie Chrisman, 首席技术官, Lumina

此网络讨论会主要关注在有约束的情况下最大化或者最下化客观标准的问题。此问题被称为非线性规划。而 Analytica 优化版通过 NlpDefine (非线性规划定义)函数提供了求解此种形式的问题的能力。在此报告中,我将向给以前没有使用过此函数的人介绍(非线性规划定义)函数的使用,并且演示在 Analytica 模型里面非线性规划是如何被搭建的。我将分析非线性优化问题中内在的各种难点,研究诊断这些问题的诀窍以及一些处理方法。我们也将研究各种用来搭建参变量模型的方法(也就是对优化问题的数组抽象),以及在不确定性情况下进行优化。

观看此网络研讨会记录

4. 交互式优化讨论会

 

报告人: Paul Sanford, Lumina

这是一个交互式专题学术讨论会,在此你将了解建立结构优化模型的基础,并且你将挑战自己独自建立和求解一些案例!无需任何有关优化的培训。点击这里下载 Analytica 优化版4.3。建议参加人员已经安装 Analytica 优化版4.3,而且能够在讨论会上运行。

观看此网络研讨会记录

下载 Analytica 模型文件

5.优化复杂模型中的参数以匹配历史数据

报告人:Dr. Lonnie Chrisman, 首席技术官, Lumina

几乎所有的定量模型都有必须经专家评定或者根据历史数据推测的参数。当存在难以察觉或者难以从历史数据中获得的变量时,通过历史数据推测可能会很复杂。 最大可能性评估通过找到最小化通过模型预测的历史数据可能性的参数设置说明了这一点。在此报告中,我将提供一个 Analytica 4.3版本新结构优化功能的实用演示,把适合该任务的参数表述为一个结构优化问题(非线性规划)。

观看此网络研讨会记录

下载 Analytica 模型文件

6. 对不确定性优化问题

报告人:Dr. Lonnie Chrisman, 首席技术官, Lumina

Analytica 通过进行蒙特卡洛分析来分析不确定性。当你对一个包含不确定性因素的模型的决策变量进行优化时,你有一个选择:你可以通过蒙特卡洛分析进行优化,或者你可以进行一个蒙特卡洛 取样(也就是说,蒙特卡洛位于优化过程的内部,或者优化过程位于蒙特卡洛的内部)。第一种情况使在必须做出决策而量仍然不明确的情况下被使用。第二种情况是在不确定变量的值将在做出决策前被计算出的情况下被使用。为了说明这一点,考虑一下一个向大规模自然灾害灾民提供援助的救助组织所面对的情况。在一中情况下,必须做出一个决定-需要部署多少物资到一个受到大规模海啸袭击的特定的位置。在做出决策的时候,死亡人数是不确定。在另一种不同的情况下,该组织想突出对物资需要的不确定性,假设该组织在自然灾害发生时将最理想的部署物资以应对自然灾害。

观看此网络研讨会记录

下载幻灯片演示文稿