《最优化方法课程教学大纲.docVIP

《最优化方法》课程教学大纲课程编号：100004英文名称：Optimization Methods 一、课程说明1. 课程类别理工科学位基础课程2. 适应专业及课程性质理、工、经、管类各专业，必修文、法类各专业，选修3. 课程目的（1）使学生掌握最优化问题的建模、无约束最优化及约束最优化问题的理论和各种算法；（2）使学生了解二次规划与线性分式规划的一些特殊算法；（3）提高学生应用数学理论与方法分析、解决实际问题的能力以及计算机应用能力。4. 学分与学时学分2，学时405. 建议先修课程微积分、线性代数、Matlab语言6. 推荐教材或参考书目推荐教材：（1）《非线性最优化》（第一版）. 谢 政、李建平、汤泽滢主编.国防科技大学出版社. 2003年（2）《最优化方法》（第一版）. 孙文瑜、徐成贤、朱德通主编. 高等教育出版社. 2004年参考书目：（1）《最优化原理》（第一版）. 胡适耕、施保昌主编. 华中理工大学出版社. 2000年（2）《运筹学》》（修订版）. 《运筹学》教材编写组主编. 清华大学出版社. 1990年7. 教学方法与手段（1）教学方法：启发式（2）教学手段：多媒体演示、演讲与板书相结合8. 考核及成绩评定考核方式：考试成绩评定：考试课（1）平时成绩占20%，形式有：考勤、课堂测验、作业完成情况。（2）考试成绩占80%，形式有：笔试（开卷）。9. 课外自学要求（1）课前预习；（2）课后复习；（3）多上机实现各种常用优化算法。二、课程教学基本内容及要求第一章 最优化问题与数学预备知识基本内容：（1）最优化的概念；（2）经典最优化中两种类型的问题--无约束极值问题、具有等式约束的极值问题的求解方法；（3）最优化问题的模型及分类；（4）向量函数微分学的有关知识；（5）最优化的基本术语。基本要求：（1）理解最优化的概念；（2）掌握经典最优化中两种类型的问题--无约束极值问题、具有等式约束的极值问题的求解方法；（3）了解最优化问题的模型及分类；（4）掌握向量函数微分学的有关知识；（5）了解最优化的基本术语。 教学重点及难点：（1）教学重点：向量函数微分学的有关知识。（2）教学难点：向量函数微分学的有关知识。第二章 凸性基本内容：（1）凸集的概念及其性质；（2）多胞形的概念及其表示定理；（3）凸函数的概念及性质，凸函数的判别方法；（4）凸规划的概念及基本性质。基本要求：（1）理解凸集的概念并掌握其性质；（2）理解多胞形的概念并掌握其表示定理；（3）理解凸函数的概念及性质，掌握凸函数的判别方法；（4）理解凸规划的概念及基本性质。教学重点及难点：（1）教学重点：凸规划的基本性质。（2）教学难点：多胞形的表示定理。第三章 最优性条件基本内容：（1）无约束最优化问题的最优性条件；（2）等式约束最优化问题的最优性条件；（3）不等式约束最优化问题的最优性条件；（4）一般约束最优化问题的最优性条件。基本要求：（1）理解无约束最优化问题的最优性条件；（2）等式约束最优化问题的最优性条件；（3）理解不等式约束最优化问题的最优性条件；（4）一般约束最优化问题的最优性条件。教学重点及难点：（1）教学重点：无约束最优化问题的最优性条件。（2）教学难点：一般约束最优化问题的最优性条件。第四章 线性规划基本内容：（1）线性规划的基本理论；（2）线性规划的单纯形法；（3）线性规划的对偶理论；（4）线性规划的对偶单纯形法。基本要求：（1）理解线性规划的基本理论；（2）掌握线性规划的单纯形法；（3）理解线性规划的对偶理论；（4）掌握线性规划的对偶单纯形法。教学重点及难点：（1）教学重点：线性规划的单纯形法。（2）教学难点：线性规划的对偶单纯形法。第五章 算法的概念基本内容：（1）下降迭代算法的基本格式；（2）迭代算法收敛性与收敛速度的概念；（3）迭代算法的实用终止准则。基本要求：（1）了解下降迭代算法的基本格式；（2）了解迭代算法收敛性与收敛速度的概念；（3）了解迭代算法的实用终止准则。教学重点及难点：（1）教学重点：下降迭代算法的基本格式。（2）教学难点：下降迭代算法的基本格式。第六章 一维搜索基本内容：（1）一维搜索的概念及其性质；（2）搜索区间的概念及其确定搜索区间的进退法；（3）单谷函数的概念及其性质；（4）0.618法、Fibonacci法、Newton切线法、割线法、二次插值法、※Armijo-Goldstein法、※Wolfe-Powell法、※后退法。基本要求：（1）理解一维搜索的概念并掌握其性质；（2）理解搜索区间的概念并掌握确定搜索区间的进退法；（3）理解单谷函数的概念并掌握其性质；（4）掌握0.618法与Fibonacci法；（5）掌握Newton切线法、割线法、二次插值法，了解Armijo-Goldstein法、Wol