西北农林科技大学运筹学课件第六章非线性规划.pptVIP

第六章 非线性规划 一、基本概念 二、一维搜索 三、无约束极值问题 四、约束极值问题 一、基本概念 一、基本概念 一、基本概念 一、基本概念 一、基本概念 一、基本概念 二、一维搜索 二、一维搜索 二、一维搜索 给定初始点X(1)，允许误差ε0，k=1 确定有利得搜索方向d(k)为X(k)点的负梯度方向 判断精度 确定最优步长 求出新点.令k＝k＋1返回第2步 给定初始点X(1)，允许误差ε0，k=1 确定搜索方向d(k)： 判断精度 确定最优步长 求出新点.令k＝k＋1返回第2步 求下列非线性规划问题的库恩－塔克点 算法步骤 给定初始点x(0),初始罚因子M10，放大系数C1,允许误差ε0,令k=1 求解罚函数p(X,Mk)的无约束极小 以X(k-1)为始点，求解min p(X,Mk),得其极小点X(k) 判断精度 在X(k)点，若罚项ε,停止计算。否则，令Mk+1=CMk,k=k+1 算法步骤 给定初始点x(0),初始罚因子r10，允许误差ε0,令k=1 求解罚函数p(X,rk)的无约束极小 以X(k-1)为始点，求解min p(X,rk),得其极小点X(k) 判断精度 在X(k)点，若罚项≤ε,停止计算。否则，令rk+1=Crk,k=k+1 * 第六章 一般形式 1．非线性规划的数学模型 2．二维问题的图解 考虑非线性规划问题 B A C D 0 5 x1 x2 3．几个定义 定义1 局部极小值(严格局部极小值) 定义1 全局极小值(严格全局极小值) 4．多元函数极值点存在的条件 1)必要条件 梯度 2)充分条件 海赛矩阵 函数在某点的梯度，垂直于过该点的等值面的切平面。 梯度方向是函数值增加最快的方向。 满足梯度为零的点称为驻点。 若海赛矩阵是正定的，则驻点是极小点； 若海赛矩阵是负定的，则驻点是极大点； 若海赛矩阵是不定的，则驻点不是极值点； 若海赛矩阵是半定的，须视高阶导数的性质而定 。 例 利用极值条件求解下列问题： 解： 驻点处的海赛矩阵： 极小点 极大点 不定 不定 5．下降迭代算法 选取某一初始点X(1),令k=0 确定一个有利搜索方向d(k) 确定最优步长λK，得一新点X(k+1) 检验X(k+1) 是否为极小点，若是，停止计算。否则令k＝k＋1返回第2步继续迭代。 x y a b b1 a1 0 X′ x y a b b1 a1 0 X′ 一维搜索方法的斐波那契法与黄金分割法的寻优途径不是直接找出最优点，而是不断缩小最优点所处区域，直到符合精度为止。这两种方法的主要特点为：①适于单峰（谷）函数；②压缩峰（谷）点所处的区域 1．0.618法(黄金分割法) 在区间[a1,b1]上选取t1和t1 计算f(t1),f(t1)比较函数值的大小，缩短区间。 置换区间端点。 判断精度（bk+1-ak+1)/(b1-a1)δ 极值计算：t*=(ak+1+bk+1)/2，f(x*)为近似值。 b1 a1 t1 t′1 L-z z t1=a1+0.618(b1-a1) t′1=a1+0.382(b1-a1) t1=t′1+0.382(b1-t′1)＝a2+0.382(b2-a2) t′1=a1+0.618(t1-a1) =a2+0.618(b2-a2) 例 黄金割法求下述问题的极小点,要求绝对误差不超过0.25。 （1） 解： 二、一维搜索 二、一维搜索 1 1 2 3 5 8 … Fn 0 1 2 3 4 5 … n 2．斐波那契法 根据缩短率,计算出Fn,确定试点个数n. 选取前两个试点的位置. 计算f(t1),f(t1)比较函数值的大小，缩短区间。 置换区间端点。 当进行至k=n-1时,计算tn-1及tn-1以函数值较小者为近似极小点. Fn-2 Fn-1 a0 t1 t1 b0 Fn-3 三、无约束极值问题 1．梯度法（最速下降法） 例 给定初始条件，求下列问题的最小值。 解： 三、无约束极值问题 三、无约束极值问题 三、无约束极值问题 2．牛顿法 三、无约束极值问题 例 给定初始点求下列函数极值 三、无约束极值问题 库恩－塔克条件是确定能够非线性规划问题中某点为最优点的一阶必要条件。但对于凸规划，库恩－塔克条件是充要条件。 对非线性规划数学模型 minf(x) Hi(X)= 0 (i=1,2,…,m) gj(X)≥0 (j=1,2,…,l)