运筹学胡运权预案.ppt

第六章 非线性规划 Operational Research ( OR ) 本章内容 基本概念 一维搜索 无约束极值问题 约束极值问题 非线性规划的数学模型 非线性规划的数学模型 二维问题的图解 二维问题的图解 二维问题的图解 几个定义 多元函数极值点存在的条件 多元函数极值点存在的条件 多元函数极值点存在的条件 多元函数极值点存在的条件 多元函数极值点存在的条件 多元函数极值点存在的条件 多元函数极值点存在的条件 多元函数极值点存在的条件 多元函数的泰勒(Taylor)公式 多元函数极值点存在的条件 多元函数极值点存在的条件 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 凸函数和凹函数 非线性规划 基本概念 一维搜索 无约束极值问题 约束极值问题 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 一维搜索 非线性规划 基本概念 一维搜索 无约束极值问题 约束极值问题 无约束极值问题 梯度法 梯度法 梯度法 梯度法 梯度法 牛顿法 牛顿法 牛顿法 牛顿法 非线性规划 基本概念 一维搜索 无约束极值问题 约束极值问题 最优性条件 最优性条件 最优性条件 最优性条件 最优性条件 最优性条件 最优性条件 最优性条件 最优性条件 最优性条件 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 制约函数法 考虑一般n元实函数f(X)，假定它有连续二阶偏导数，X(k)为其极小点的某一近似。在这个点附近取f(X)的二阶泰勒多项式逼近： 其中，ΔX=X-X(k) 近似函数的极小点应满足一阶必要条件，即： 设 的逆阵存在，可得 用该式求得的近似函数的极小点，仅是f(X)极小点的近似 用上式求得的近似函数的极小点，仅是f(X)极小点的近似。为求得f(X)的极小点，可以 为搜索方向(牛顿方向)，按下述公式进行迭代： 这就是所谓的阻尼牛顿法(广义牛顿法)，可用于求解非正定二次函数的极小点。 1. 可行下降方向 (1) 起作用约束 假定X(0)是一个可行解，它满足所有约束条件。对某一个约束条件gj(X)≥0来说，X(0)满足它有两种情况：一为gj(X(0))＞0，这时，X(0)不在由这个约束条件形成的可行域边界上，我们称这一约束为X(0)点的不起作用约束(或无效约束)；另一种情况是gj(X(0))=0，这时，X(0)点处于由这个约束条件形成的可行域边界上，对X(0)点的进一步摄动来说，这一约束起到了某种限制作用，故称它为X(0)点的起作用约束(或有效约束)。显然，等式约束条件对所有可行点都是起作用约束。 (2) 可行方向 设X(0)为任一可行点，对某一方向P来说，若存在实数λ0＞0，使对任意的λ∈［0,λ0］均有下式成立：X(0)+λP∈R 就称方向P为X(0)点的一个可行方向。 (3) 下降方向 设X(0)∈R，对某一方向P来说，若存在实数λ0′＞0，使对任意的λ∈［0，λ0′］均有下式成立：f(X(0)+λP)＜f(X(0)) 就称方向P为X(0)点的一个下降方向。 (4) 可行下降方向 若X(0)点的某一方向P，既是该点的可行方向，又是该点的下降方向，就称它为这个点的可行下降方向。 设X*是一个局部极小点，f(X)在X*处可 微，而且 gj(X)在X*处可微，当j∈J时 gj(X)在X*处连续，当jJ时 则在X*点不存在可行下降方向，从而不存 在P同时满足： 其中，指标集J={j｜gj(X*)=0, 1≤j≤l}。 定理4 2. 库恩-塔克条件 Gordan引理 设A1，A2，…，Al是l个n维向量，不存在向量P使 成立的充要条件是，存在不全为零的非负实数μ1，μ2，…，μl，使 (2) Fritz John定理 设X*是非线性规划的局部最优点，函数f(X)和gj(X)(j=1,2,…，l)在X*点有连续一阶偏导数，则必存在不全为零的数μ0，μ1，μ2，…，μl，使 (3) 库恩-塔克条件证明 设X*是非线性规划的局部极小点，f(X)和gj(X)(j=1,2,…，l)在点X*处有一阶连续偏导数，而且X*处的所有起作用约