非线性规划分解.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 例 求 S f x x12 + x22 - x1x2 -10x1 - 4x2 + 60 的极小值点。 解: ① ② 2.4 有约束条件下多变量函数寻优 一、具有等式约束的极值问题： 1、消元法：n元非线性规划 S f X f x1,x2,…,xn s.t. gk X 0, k 1,2,…,m, m n 若可从m个s.t.中解出m个变量xi h xm+1,xm+2,…,xm , i 1,2,…,m, 代入目标函数中消去m个变量，则问题变为一个求n-m个变量函数的 无约束条件的极值问题。 例：求解 Min s.t. 2、拉格朗日 Lagrangian 乘子法：n元非线性规划 S f X f x1,x2,…,xn s.t. gk X 0, k 1,2,…,m 例：求解 Min s.t. 则 L X,? 有极值的必要条件为： 求出的解就是f X 的驻点。 令 其中，拉格朗日乘子?k的经济意义： 影子价格 --- 单位资源的目标增量 S f X f x1,x2,…,xn s.t. gk X bk, k 1,2,…,m 知 ?k 是约束式 gk 每变化一个单位,引起目标 f 值的变化率。 ⑴ 若目标 f 为效用函数极大化，b 为预算约束， 则 ?* 表示增加一元预算收入，可使最大效用增加的值。 ⑵ 若目标 f 为费用函数极小化，b 为产出水平， 则 ?* 表示降低一元产出，可使最大费用增加的值 --- 影子费用。 3、罚函数 代价函数 法：对 n 元非线性规划问题 S f X f x1,x2,…,xn s.t. gk X 0, k 1,2,…,m R X,pk 有极值的必要条件为： 求出的解就是f X 的驻点。 ① 当s.t.不满足时,pk越大，则R值越大，此时罚项是一种惩罚。 ② 当s.t.满足时,不论pk多大 一般取? ,R X,pk f X ,此时罚项无效。 例：求解 Min s.t. 令 得 二、具有不等式约束的极值问题： 1、拉格朗日乘子法： 引入松弛变量，将不等式约束化为等式约束。 例：求解 Min s.t. s.t. 令 2、库恩－塔克 Kuhn－Tuckers 条件法： ⑴ 适用范围：含有等式和不等式约束及变量非负的一般非线性规划。 ⑵ 库－塔条件：非线性规划 s.t. Min ① ② ③ ④ ⑤ ⑥ 注：库－塔条件是确定 X* 为极值点的 必要条件，但不是充分条件。 若为凸规划，则为充分必要条件。 ? ? B A 局部极小 全局极小 x L 例：求解 Min s.t. 由库—塔条件有： ① ② ③ ④ ⑤ ⑥ ① ② ③ ④ ⑤ ⑥ 1.求出驻点： 则由①得 x1 1，x2 2，这与④矛盾，舍去； 则由③得 x1 9/5，x2 4/5，代入①得 ?1 22/25， ?2 -24/25＜0,矛盾,舍去； 则由③,①得 x1 13/17，x2 18/17， ?1 0， ?2 4/17，用④校验正确， 得驻点 X* 13/17，18/17 T； 则由③,①得 x1 9/13，x2 20/13， ?1 2/13， ?2 0，用④校验不正确,舍去。 2.验证规划的凸性： 所以原规划为凸规划，从而 X* 13/17，18/17 T 为最小值点，此时 Z* -1173/578。 3、罚函数法： 把有s.t.问题化为无s.t.问题，依罚项形式不同有: ⑴ 外点法：从可行解域外部逐渐逼近极值点，初始点可任选。 适用于含等式和不等式s.t.、非凸问题。 s.t. Min 对 T 求无约束条件极值，最优解 X*k X*k Mk → X* Mk→∞,k→∞ 例：求解 Min s.t. 令 对不满足s.t.的点有: -x12+x2＜0，x1＜0 解得 X* M x1 x2 g1 g2 ⑵ 内点法：迭代过程始终在可行域内进行 域外函数性质复杂或无定义 。 s.t. Min 对 U 求无约束条件极值，最优解 X*k X*k rk → X* rk→0,k→∞ 例：求解 Min s.t. 令 解得 X* r x1 x2 g1 g2 ? ? ? ? 0 习 题 二 1、试用黄金分割法求下列函数的极点： f x x2 - 10x + 36 搜索区间为[4,6.2] ，精度 ? ≤ 0.1 2、用共轭梯度法求下列函数的极小值： f X x12 - 2x1x2 + 2x22 - 4x1 3、用库--塔条件求解下列非线性规划问题： Min s.t. * * * * * *