化工系统工程_03非线性规划.pptVIP

非线性规划 nonlinear programming, NLP 非线性规划一般包括 无约束极值问题：没有任何约束条件 约束极值问题：在等式或不等式约束下求最大或最小。 非线性规划解理论现状： 解析理论：非线性规划问题的解理论本身在所有应用数学进行分析的学科中都是非常重要的基础，例如经济学中的消费者理论、厂商理论都是在非线性规划解理论基础上发展起来的。 数值求解：实际求解时，往往只能得到近似解；不能保证是全局最优；常常出现不收敛的情况。因此只要可能，实际建模时尽可能建为线性模型。 求解多元函数的无约束极小点问题目前被人们所广泛接受的一种方法就是下降迭代算法，也称为搜索法。 搜索法发展的理由在于：在许多实际问题中，目标函数不满足凸性，于是促使人们考虑直接从函数的特性出发，对局部最优解进行搜索。只利用目标函数值的变化进行试探性搜索称为直接搜索法；根据目标函数的解析性质确定搜索的方法称为解析搜索法。 无约束极值问题 一阶可导函数理论解： Max（min）f(x) 必要条件：一阶条件：导数（偏导数）＝0。也就是 或者说，梯度＝0： 性质： 只是必要条件，满足一阶条件并不一定是极值点。 极大点和极小点都满足同样条件。 需考察二阶条件才能知道是否为极值点以及是极大点还是极小点。 不能保证是全局极值而不是局部极值。 数值算法： 迭代过程由四个部分组成 初始点：可由用户自行选