最优化方法 第一章1.pptVIP

定理1.9 设 是二次可微函数， 为非 空开凸集。 则 为 上凸函数的充要条件是Hesse矩阵 在 上处处半正定。 定理1.10 设 是二次可微函数， 为非 空凸集， 若 的Hesse矩阵 在 上处处正定，则 是 上的严格凸函数。 这个命题的逆命题不真。 例如， 在 上为严格凸函数， 在 处是半正定的。 但是它的Hesse矩阵 * * 第1章 预备知识 1.1 经典极值问题 1. 例子， 2. 数学模型 第一，无约束极值问题 或 解法：解方程组 第二，仅含等式约束的极值问题 或 解法：Lagrange乘子法 1.2 实例 数据拟合问题 原料切割问题 运输问题 营养配餐问题 分配问题 1.3 基本概念 1. 最优化问题的向量表示法 设 则 （1） 以向量为变量的实值函数 定义向量间的序关系 定义1.1 ： 等于＝，小于 ，严格小于 。由此 （2） 以向量为变量的实向量值函数最优化问题的一般形式 （3） 2. 最优化问题的分类 试验问题：用于检验、比较最优化方法优劣的一些最优化问题。 3. 术语 目标函数 等式约束 不等式约束 容许解（点） 容许集 求解问题（3）是指：在容许集 中找一点 目标函数 在该点取极小值，即对于容许集中的任 ，总有 意一点 最优点（极小点） 最优值 最优解 严格极小点 局部 非严格极小点