chapter非线性规划解说.pptVIP

4. 凸函数的极值 定理6.3 若f(X)为定义在凸集R上的凸函数，则它的任意极小点就是它在R上的最小点（全局极小点），而且它的极小点形成一个凸集。 定理6.4 若f(X)为定义在凸集R上的可微凸函数，若存在点X*∈R，使得对于所有的X∈R有 则X*为f(X)在R上的最小点（全局极小点）。 由定理6.1可知： 此条件，等价于 5. 凸规划 如果一个数学规划问题的可行域为凸集，目标函数为极小化，且为R上的凸函数，则称该规划问题为凸规划。 对于非线性规划 min f(X) X∈R R={X| gi(X) ≥ 0 i = 1,2,…,l} 若f(X)为R上的凸函数，而gi(X) (i = 1,2,…,l)为凹函数（或－gi(X) (i = 1,2,…,l)为凸函数），则该规划问题为凸规划。 对于非线性规划 min f(X) X∈R R={X| hi(X) = 0 i = 1,2,…,m; gi(X) ≥ 0 i = 1,2,…,l} 若f(X)为R上的凸函数，gi(X) (i = 1,2,…,l)为凹函数，hi(X) = 0 (i = 1,2,…,m)为线性函数时，则该规划问题为凸规划。 显然，线性规划也是凸规划。 由凸函数的性质和凸规划的定义可知，凸规划的局部最优解就是全局最优解，且最优解构成一个凸集。若凸规划的目标函数为严格凸函数，且存在极小点，则该极小点为规划问题的唯一全局极小点。 例6.4 判断下列非线性规划问题是否为凸规划 Min f (X) = x12 + x22－4x1+4 s.t. g1(X) = x1－x2 +2≥0 g2(X) = －x12 + x2－1≥0 g3(X)=x1 ≥0 g4(X)=x2≥0 三、非线性规划问题的最优性条件 1. 无约束问题的最优性条件 当一个优化问题没有约束条件时，此问题可称为无约束的最优化问题，即求一个多元函数的极值问题。无约束的最优化问题的形式可描述为 min f(X) X∈En 以下给出无约束最优化问题的一阶必要条件和二阶充分条件。 定理6.5（一阶必要条件） 若f(X)在En中的某个区域R上一阶可微，若X*为R的内点，且为无约束优化问题的局部最优解，则 定理6.6（二阶充分条件） 若f(X)在En中的某个区域R上的二阶可微，若X*为R的内点，如果函数f(X)在X*处满足 且 H(X*) 正定 则X*为无约束问题的严格局部最优解。 例6.5 用无约束问题的最优性条件求解下列问题 min f (X) = 100(x2－x12 )2+ (1－x1)2 2.有约束的非线性规划问题最优性条件 带有约束的非线性优化问题，称为非线性规划问题。其具体形式如下： min f(X) s.t. gi(X) ≥ 0 i = 1,2,…,l; （1）起作用约束和不起作用约束 设X (0)是上述非线性规划的一个可行解，则X (0)必满足所有约束条件，但X (0)满足某一约束条件gi(X) ≥ 0 有两种可能： ① gi(X (0) ) 0 ② gi(X (0) ) = 0 对于①，存在充分小的λ，仍能使gi(X (0) +λD) 0，其中D为一个方向。 对于②，X (0)在gi(X)的边界上，它的移动要受到限制，因此有定义： 定义6.6 若X(0)为上述非线性规划问题的一个可行解，如果使gi(X(0)) 0，则称gi(X) ≥ 0为X(0)点的不起作用约束条件，如果使gi(X(0)) =0，则称gi(X) ≥ 0为X(0)点的起作用约束条件； （2）可行方向 定义6.7 设X(0)为非线性规划min f(X) X∈R={X| gi(X) ≥ 0 i = 1,2,…,l;}的一个可行解，对于某一方向D，若存在λ00，使对任意λ∈[0，λ0]均有 X(0) +λD∈R 则称D为X(0)点的一个可行方向。 可行方向的性质：设gi(X) ≥ 0具有一阶连续偏导数，若D为可行点X(0)的一个可行方向，gi(X) ≥ 0为X(0)的任一起作用约束条件，则必有 （3