- 1、本文档共124页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
则约束条件 可改写为 初始点为可行点 算例 解: 第一次迭代 即 求步长 进行一维搜索, 解 第二次迭代 进行一维搜索, 解 求步长 第三次迭代 设 为(7)的可行点, 处可微, 在 处连续。如果 则d 是 处的可行下降方向。(陈宝林P367) 在 定理: 在迭代点 x k ,I (x k)是起作用约束集,设 d k 满足 则d k是一个可行下降方向。 求解(8),可得到一个可行下降方向d k , d k 可通过下述线性规划得到: 改进方法:在找可行下降方向时考虑所有约束,即 可证:改进方法具有全局收敛性。 考虑线性约束的非线性问题 梯度投影法 目标函数的最速下降方向是负梯度方向.但是,在有约束情况下,沿最速下降方向移动可能导致非可行点. 措施:对负梯度进行投影,使得目标函数值不仅改进,同时 又保持迭代点的可行性. 梯度投影法(Gradient Projection Method) 考虑线性约束的非线性问题 梯度投影法 梯度投影法是1960年由Rosen提出,并由Goldfarb和Lapidus 于1968年加以改进. 基本思想: 当迭代点在可行域内部时,取该点处的负梯度方向 为可行下降方向;当迭代点在可行域边界上时,取该点处负梯度 方向在可行域边界上的投影产生一个可行下降方向(见图9.2.1). 梯度投影法 投影矩阵:设P为n阶矩阵,PT=P, 且P2=P,则称P为投影矩阵。 投影矩阵的性质:P为投影矩阵, (1)则P是半正定矩阵; (2) 当且仅当I-P是投影矩阵,其中I是n阶的单位矩阵; (3) 令Q=I-P, 则 与 是相互 正交的线性子空间,并且 可唯一的表示为 梯度投影法 如果M是空的,即迭代点在可行域内部时,负梯度方向 为可行下降方向; 如果M非空,即迭代点在某些约束的边界上时,该点处的负梯 度在 M 的零空间上的投影 为可行下降方向。 可行下降方向的构造------定理1和定理2 定理1:设x是问题(1)的可行解,在点x处有 其中 假设 行满秩,则 (2) 若 ,则 是x点处的可行下降方向。 梯度投影法 可行下降方向的构造------定理1和定理2 定理2:设x是问题(1)的可行解,在点x处有 其中 假设 行满秩,令 (2) 若 ,令 是u的一个负分量,相应的去掉A1中的 第j 行,得到 , ,令 则 是x点处的可行下降方向。 其中u,v分别是相应于A1,E 的分解。 设 梯度投影法 一维搜索 同Zoutendijk法中的一维搜索,即 步骤1 选取初始可行点 , 令 梯度投影法的算法步骤 步骤2 分解出起作用约束。在 处分解 使得 步骤3 确定投影矩阵。令 ,若M为空,则令 否则令 步骤4 构造可行下降方向。令 ,若 , 则转步骤5,否则转步骤6. 步骤5 令 梯度投影法的算法步骤 其中u,v分别是相应于A1,E 的分解。若 输出 ;否则令 ,相应的去掉A1中的第j 行得到 则停止迭代, 令 ,转步骤3. 步骤6 进行一维搜索, 令 ,转步骤2. 梯度投影法 算例:用梯度投影法求解下面的约束优化 取初始点 解: 第一次迭代: 只有第三个约束是起作用的约束,即 在 处, 故 算例 第一次迭代: 确定步长上限 计算 进行一维搜索
文档评论(0)