第二十章 容许方向法.docVIP

第二十章 容许方向法 容许方向法是解决约束最优化问题的一类基本方法，这类方法一般从线性约束来开始讨论，然后再推广到非线性约束问题中。其基本迭代方式是： ①从容许开始迭代，设已迭代到容许点 ②在 处用某种策略确定一个下降容许方向 ③在 方向上寻找新迭代点 使是容许点。简单的说，容许方向就是要在容许集中进行迭代，而使目标函数值下降。其关键是怎样确定容许下降方向，不同的确定方法对应不同的容许方向法。 20.1 Zoutendijk容许方向法 20.1.1 线性约束情形 （1） ， A为m*n元矩阵，c为l×n 元矩阵，b为m维向量，d为l 维向量，f : 为连续可微函数。 （A）下降容许方向的确定 下面定理指出了下降容许方向的一种确定方法。 定理20.1.1 若（1）x是（I）的一个容许点；（2）适当调整A的行向量与b的相应分量，然后分解使 则，非零向量p为从点x出发的容许方向向量的充要条件是 证明: 先引进一个集合D的容许方向向量概念。 定义20.1.1 若对于某个非零向量存在δ0 使任意 必有 ，则称 p 为区域D中从点 x 出发的一个容许方向向量. 定义20.1.2 在点 处可微,则满足的向量p之集合，即 ，称为点X的下降方向集。 证：必要性:若非零向量p是从x出发的容许方向向量，则由上面定义，存在δ0，任意t∈(0,δ) 有 。 充分性：对任意t0和 p≠0 由已知条件： 再由充分性条件： 有 又由 知存在δ0，使任意t∈（0，δ）有 综上即知：任意t∈（0，δ），X+tp是容许点，因此，p是容许方向。如果p还是下降方向，须满足 于是自然会想到，要确定在X处的下降容许方向p ，就是求解线性规划： （Ⅱ） （Ⅱ）的最优解 即为x点处的一个容许下降方向。 （Ⅱ）中要附加约束条件 的条件是因为 若 p 满足： 则任意β〉0， P=βP也满足这些条件 从而 的极小值为-∞因而无法确定出p （B）直线搜索法 为确定新的迭代点x，可从x 点出发沿下降容许方向作直线搜索， 但容许方向法本身要求新迭代点 x也必须是容许点。因此上述直线搜索中的最优步长因子 t必须满足：（Ⅲ） 这是只有一个决策变量t的一维线性约束极小化问题。其实（Ⅲ）可以简化。因为为容许方向，x为容许点，则 综上所述，最优步长因子 t*可由如下有约束的直线搜索而得到 （C）终止准则 算法终止准则可由如下定理给出： 定理：再约束非线性规划（Ⅰ）中，设 （1）x是（Ⅰ）的一个容许点 （2）分解 例20.1.1 20.1.2 非线性约束情形 考虑非线性不等式约束最优化问题： （Ⅰ） 现将上一段介绍的方法推广到（Ⅳ）的求解过程。 当（Ⅳ）中有等式约束时，用zoutendijk法相当复杂，一般不宜采用，这里就不在讲述。 下降容许方向的确定 因此同时满足上述两个条件的方向就是出的一个下降容许方向。 （V） 如果（V）的最优解为 计算实践和理论分析表明，在迭代中采用（V）来确定下降容许方向，可能使算法失败。为保证算法收敛性。Topkis和Veinott（1967年）对（V）作了改进，在关处的下降容许方向，由下述线性规划确定 若用 表示（VI）的最优解，则容易证明，当y*0时，p*是X0处的一个下降容许方向。事实上： 当y*0时，由（VI）的约束条件：，即p*为X0处的下降方向。 又因此p*又是处的一个容许方向。 （B）直线搜索 为确定新的迭代点X1，可从出发沿方向p*作有约束的直线搜索。但是，在这里的步长因子t的上界 已不像前面线性约束情形具有显示计算公式〈而要通过新迭代点的容许性利用只系直线搜索技术来确定。即： （Ⅶ） 同时求解（Ⅷ） 由此定出最优解t*从而得到新的迭代点=+t*p*。 （C）终止准则 算法的终止准则可由下述定理来确定 定理20.1.2：在问题（IV）中假设：（1）是一个容许点，（2）是线性规划（VI）的最优解。则：是（IV）的FritzJohn点（即:存在不全为零的非负数, ，使的充要条件是ｙ*＝0。 （D）算法过程（Ｔｏｐｋｉｓ－Ｖｅｉｎｏｔｔ法） 已知目标函数f(x)及梯度不等式的约束函数s1(x) ，s2 (x).~sm (x)及其梯度终止限ξ 1） 取初始容许点.置ｋ：=0。 2） 求解线性规划：，求最大解为 3） 若=0　则为FritzJohn点，终止，否则转4。 4） 利用直线搜索技术求步长tk： 求解 设其最优解为 t 量=+ 5） k=k+1转2。 例20.1.2： 解： 取初始容许点 第一次迭代： 1） 在处仅第3个约束为等式。而 ()=0.5. ()=2. 因此，确定下降容许方向p0=[