第五讲：非线性规划.ppt

(4) 若修改主程序gying2．m, 取初值为上面的计算结果: x0=[ 3．0000 5．0000 0．0707 7．0000 0 0．9293 0 0 3．9293 0 6．0000 10．0707 6．3875 4．3943 5．7511 7．1867]’ 则得结果为: x=[3．0000 5．0000 0．3094 7．0000 0．0108 0．6798 0 0 3．6906 0 5．9892 10．3202 5．5369 4．9194 5．8291 7．2852]’ fval =103．4760 exitflag = 1 总的吨千米数比上面结果略优． (5) 若再取刚得出的结果为初值, 却计算不出最优解． MATLAB（gying2） MATLAB（gying2） * 非线性规划的基本概念 一般形式: （1） 其中 ， 是定义在 Rn 上的实值函数，简记: 1 n j 1 n i 1 n R : h , R : g , R : R R R f ? ? ? ( ) n T n R x x x X ? = , , , 2 1 L ( ) ( ) ? ? ? í ì = = = 3 . ,..., 2 , 1 0 m; 1,2,..., 0 . . l j X h i X g t s j i 其它情况: 求目标函数的最大值，或约束条件小于等于零两种情况，都可通过取其相反数化为上述一般形式． 采用向量表示法，可写成 1 n j 1 n i 1 n R : h , R : g , R : R R R f ? ? ? 定义1 把满足问题（1）中条件的解 称为可行解（或可行点），所有可行点的集合称为可行集（或可行域）．记为D．即 问题(1)可简记为 ． 定义2 对于问题(1),设 ,若存在 ,使得对一切 ,且 ,都有 ,则称X*是f(X)在D上的局部极小值点（局部最优解）．特别地,当 时，若 ,则称X*是f(X)在D上的严格局部极小值点（严格局部最优解）． 定义3 对于问题(1),设 ,若对任意的 ,都有 则称X*是f(X)在D上的全局极小值点（全局最优解）．特别地,当 时，若 ,则称X*是f(X)在D上的严格全局极小值点（严格全局最优解）． 返回 ) ( n R X ? ( ) ( ) { } n j i R X X h X g X D ? = 3 = , 0 , 0 | ( ) ( ), X f X f ￡ * 非线性规划的基本解法 SUTM外点法 SUTM内点法（障碍罚函数法） 1． 罚函数法 2． 近似规划法 返回 罚函数法 罚函数法基本思想是通过构造罚函数把约束问题转化为一系列无约束最优化问题，进而用无约束最优化方法去求解．这类方法称为序列无约束最小化方法．简称为SUMT法． 其一为SUMT外点法，其二为SUMT内点法． 其中T(X,M)称为罚函数，M称为罚因子，带M的项称为罚项，这里的罚函数只对不满足约束条件的点实行惩罚:当 时，满足各 ，故罚项为0，不受惩罚．当 时,必有约束条件 ，故罚项大于0，要受惩罚． SUTM外点法 罚函数法的缺点：每个近似最优解Xk往往不是容许解，而只能近似满足约束，在实际问题中这种结果可能不能使用；在解一系列无约束问题中，计算量太大，特别是随着Mk的增大，可能导致错误． 1．任意给定初始点 X0，取M11，给定允许误差 ，令k=1； 2．求无约束极值问题 的最优解，设Xk=X(Mk)，即