现代设计方法第二章介绍.ppt

第二章 优化方法的数学基础 第二章 优化方法的数学基础 第一节 函数的方向导数和梯度 二、梯度 三、梯度的性质 第二节 多元函数的泰勒（Taylor）展开 第三节 矩阵的正定与负定 一、二次型 二、矩阵的正定与负定 三、判定矩阵正定、负定的方法 四、正定二次函数的性质 第四节 函数的凸性 一、凸集 二、凸函数 三、函数的凸性条件 三、函数的凸性条件 四、凸函数的基本性质 第五节 无约束问题的极值条件 一、无约束极值存在的必要条件 二、无约束极值存在的充分条件 第六节 约束问题的极值条件 一、约束最优解存在的几种情况 二、可行下降方向 三 等式约束的极值条件 1) 消元法： 2）拉格朗日法 四 不等式约束问题的极值条件 第七节 优化设计的迭代算法及终止准则 一、下降迭代算法的基本思想和迭代格式 2、下降迭代法的基本格式 第七节 优化设计的分类 本章小结 作业 ４、二个或二个以上约束起作用 极值点就为起作用约束线（面）的交点，这种情况下起作用约束一般为二个。 ５、约束函数为凸函数，目标函数为非凸函数 可行域为凸集，目标函数为非凸函数，则可能有多个极值点，但只有一个点为全域最小点。 ６、约束函数是非凸函数，目标函数为凸函数 设目标函数是凸函数，而起作用约束是非凸函数，则也有可能会产生多个极值点，但只有一个为全域极小点，其余为局部极小点。 以上介