第2章优化方法的数学基础概论.pptVIP

例2-4：求目标函数f（X）= 的梯度和Hessian矩阵。 解：因为 则 故Hessian阵为： 例2-5 求函数 的极值。 解：根据极值的必要条件求驻点 得驻点 再根据极值的充分条件，判断此点是否为极值点。由于 其各阶主子式均大于零，H(x*)为正定矩阵，故X*=[2,4]T为极小点，极小值为F(X*)= -13。 §2-4 有约束优化问题的极值条件 不等式约束的多元函数极值的必要条件是著名的库恩--塔克（Kuhn-Tucker）条件，它是非线性优化问题的重要理论 1 库恩—塔克条件 (K-T条件） 对于多元函数不等式的约束优化问题： K-T条件可阐述为： 若 是一个局部极小点，则该点的目标函数梯度 可表示成诸起作用约束面梯度 的线性组合. 即 (2-17) ——在设计点处的起作用约束不等式约束面数； ——非负值的乘子，也称为拉格朗日乘子。 式中 O x1 x2 极值点处于等值线的中心 极值点处于两个约束曲线的交点上 x﹡ g1 (x)＝0 g2 (x)＝0 g3 (x)＝0 O x1 x2 x﹡ g1(x)＝0 g2(x)＝0 2 有约束问题最优点的几种情况: 有作用约