当前位置：首页 > news >正文

MATLAB优化建模：当两个连续变量相乘时，除了大M法还能怎么线性化？

news 2026/4/24 0:32:46

MATLAB优化建模：连续变量乘积线性化的多元策略与工程实践

在电力系统调度、供应链优化等实际工程问题中，连续决策变量的乘积关系常常出现在目标函数或约束条件中。这类非线性项直接求解往往面临计算复杂度高、收敛困难等问题。本文将深入探讨二进制扩展法、分段线性逼近、 McCormick包络等方法的实现细节与适用场景，并通过MATLAB/YALMIP代码实例展示如何根据问题特性选择最佳线性化策略。

1. 连续变量乘积线性化的核心挑战

当优化模型中出现形如xy的连续变量乘积项时，其非线性特性会导致两个主要问题：一是破坏了凸优化问题的结构性质，二是显著增加求解器的计算负担。以电力系统最优潮流问题为例，线路功率计算中的电压乘积项V_iV_jcos(θ_i-θ_j)就是典型场景。

常见线性化方法的适用性对比：

方法	精度控制	计算效率	实现复杂度	适用场景
大M法	低	高	低	粗略估计
二进制扩展法	可调	中	中	中等规模问题
分段线性逼近	可调	中	高	单变量非线性
McCormick包络	固定	高	低	变量范围明确的问题

提示：选择线性化方法时，需要权衡模型精度与求解速度的关系。对于实时性要求高的应用，可能更倾向于计算效率高的方法。

2. 二进制扩展法的MATLAB实现进阶

二进制扩展法通过离散化将连续变量转化为二进制组合，其核心思想是利用二进制变量的加权和来逼近原连续变量。这种方法在电力变压器分接头(OLTC)建模中已有成功应用。

改进的二进制扩展实现步骤：

确定离散精度K值：K=12通常可平衡精度与效率
构建二进制变量和辅助连续变量：
```
K = 12; zk = binvar(K,1); vk = sdpvar(K,1);
```

设置离散间隔和约束条件：

delta_y = (ymax-ymin)/(2^K); Constraints = [Constraints, xmin*(1-zk) <= x-vk <= xmax*(1-zk)]; Constraints = [Constraints, xmin*zk <= vk <= xmax*zk];

重构原变量和乘积项：

Constraints = [Constraints, y == ymin + delta_y*((2.^[[1:K]-1])*zk)]; xy_linearized = x*ymin + delta_y*((2.^[[1:K]-1])*vk);

实际应用中发现：当K>15时，Gurobi等求解器的求解时间会呈指数增长，但在电压控制等需要高精度的场景中，这种代价可能是值得的。

3. 替代方案：McCormick包络与分段线性化

McCormick包络法通过构建乘积项的凸包络和凹包络来提供线性边界，特别适合变量边界明确的问题。其核心约束形式为：

% McCormick包络实现 w = sdpvar(1,1); % 替代xy的变量 Constraints = [Constraints, w >= x_L*y + x*y_L - x_L*y_L]; Constraints = [Constraints, w >= x_U*y + x*y_U - x_U*y_U]; Constraints = [Constraints, w <= x_L*y + x*y_U - x_L*y_U]; Constraints = [Constraints, w <= x_U*y + x*y_L - x_U*y_L];

分段线性化(PWL)则通过引入SOS2类型特殊有序集来实现：

% 分段线性化实现示例 breakpoints = linspace(ymin, ymax, 10); lambda = sdpvar(length(breakpoints),1); Constraints = [Constraints, sos2(lambda)]; Constraints = [Constraints, y == breakpoints*lambda]; Constraints = [Constraints, sum(lambda) == 1]; w = x*(breakpoints*lambda); % 需要进一步处理