最优性条件(非线性规划)kuhn-tucker条件幻灯片.pptVIP

非线性规划 最优性条件 （Kuhn-Tucker 条件） 数学规划 约束集或可行域 MP的可行解或可行点 向量化表示 当p=0,q=0时，称为无约束非线性规划或者无约束最优化问题。 否则，称为约束非线性规划或者约束最优化问题。 非线性规划方法概述 问题 min f(x) s.t. g(x) ≤0 h(x)=0 约束集 S={x|g(x) ≤0 , h(x)=0} 一、等式约束问题的最优性条件： 考虑 min f(x) s.t. h(x)=0 回顾高等数学中所学的条件极值： 问题 求z=f(x,y)极值 min f(x,y) 在ф(x,y)=0的条件下。 S.t. ф(x,y)=0 引入Lagrange乘子：λ Lagrange函数 L(x,y;λ)= f(x,y)+ λ ф(x,y) (fgh) (fh) 即 一、等式约束性问题的最优性条件： (续) 若(x*,y*)是条件极值，则存在λ* ，使 fx(x*,y*)+ λ* фx (x*,y*) =0 fy(x*,y*)+ λ* фy(x*,y*) =0 Ф (x*,y*)=0 推广到多元情况，可得到对于(fh)的情况： min f(x) s.t. hj(x)=0 j=1,2, …,l 若x*是(fh)的l.opt. ,则存在υ*∈ Rl使 矩阵形式： 分量形式： 一、等式约束性问题的最优性条件： (续) 几何意义是明显的：考虑一个约束的情况： 最优性条件即： -▽f(ㄡ ) ㄡ ▽h(ㄡ ) h(x) -▽f(x*) ▽h(x*) 这里 x* ---l.opt. ▽f(x*)与 ▽h(x*) 共线，而ㄡ非l.opt. ▽f(ㄡ )与▽h(ㄡ )不共线。 二、不等式约束问题的Kuhn-Tucker条件： 考虑问题 min f(x) s.t. gi(x) ≤0 i=1,2, …,m 设 x*∈S={x|gi(x) ≤0 i=1,2, …,m} 令 I={i| gi(x*) =0 i=1,2, …,m} 称I为 x*点处的起作用集（紧约束集）。 如果x*是l.opt. ,对每一个约束函数来说，只有当它是起作用约束时，才产生影响，如： (fg) g2(x)=0 x* g1(x)=0 g1(x*)=0, g1为起作用约束 二、不等式约束问题的Kuhn-Tucker条件： （续） 特别 有如下特征：如图 在x* ： ▽f(x*)+u* ▽g(x*)=0 u*0 要使函数值下降，必须使g(x)值变大，则 在ㄡ 点使f(x)下降的方向（- ▽f(ㄡ ) 方向）指向约束集合内部，因此ㄡ不是l.opt. 。 ▽g(ㄡ ) -▽f(ㄡ ) X* -▽f(x*) ▽g(x*) 二、不等式约束问题的Kuhn-Tucker条件： （续） 定理（最优性必要条件）： （K-T条件） 问题(fg), 设S={x|gi(x) ≤0},x*∈S,I为x*点处的起作用集，设f, gi(x) ,i ∈I在x*点可微， gi(x) ,i I在x*点连续。 向量组{▽gi(x*), i ∈I}线性无关。 如果x*----l.opt. 那么， u*i≥0, i ∈I使 二、不等式约束问题的Kuhn-Tucker条件： （续） 1 2 3 4 1 2 g1=0 g2=0 g4=0 x1 g3=0 x2 x* ▽g2(x*) ▽g1(x*) -▽f(x*) (2,2)T 二、不等式约束问