[非线性规划基本概念.ppt

我们感兴趣的是至少有一个交点（ ≥0）的情形。 此时用平面L截曲面S得到一个圆，将它投影到 平面上，仍为同样大小的圆。在这个圆上每一点的目标 函数值均为 , 若一条曲线上任何一点的目标函数值等于同一常数，则称此曲线为目标函数的等值线。 易见，变动 f 的值，得到不同等值线，这是一组同心圆 ，对应 f=0的等值线缩为一点G，对应 f 0 的等值线为空集。 易见，随着 f 值变小，等值线圆半径变小，最后缩为一点，即为问题的最小值点G， = =2 =1 0 解：先画出目标函数等值线，再画出约束曲线，本处约束曲线是一条直线，这条直线就是容许集。而最优点就是容许集上使等值线具有最小值的点。 由图易见约束直线与等值线的切点是最优点，利用解析几何的方法得该切点为 = ， 对应的最优值为 =2 由以上例子可见，对二维最优化问题。我们总可以用图解法求解，而对三维或高维问题，已不便在平面上作图，此法失效。 在三维和三维以上的空间中，使目标函数取同一常数值的是 {Z| f(Z)=r,r是常数}称为目标函数的等值面。 等值面具有以下性质： （1）不同值的等值面之间不相交，因为目标函数是单值函数。 （2）除了极值点所在的等值面外，不会在区域内部中断，因为目标函数是连续的。 (3）等值面稠的地方，目标函数值变化得较快，而稀疏的地方变化得比较慢。 （4）一般地，在极值点附近，等值面（线）近似地呈现为同心椭球面族（椭圆族）。 例：求下列函数的梯度： ① Hesse矩阵 例：求目标函数f（X）= 的梯度和Hesse矩阵。 解：因为 则 又因为： 故Hesse阵为： （2）多元函数的泰勒公式 多元函数Taylor展开式在最优化理论中十分重要。许多方法及其收敛性的证明都是从它出发的。下面就给出多元函数Taylor展开式及其证明： （3）局部极值和全局极值 给出 极小点的一个初始估计值 计算机迭代时终止计算的准则 例：把二次函数 化为矩阵向量形式并检验A是否正定，如正定，试用公式 = 求这个函数的极小点。 常用数学软件 MATLAB MAPLE MATHEMATICAN (Mathematics) SAS SPSS 在代数学中将特殊的二次函数 称为二次型。 对于二次函数，我们更关心的是A为正定矩阵的情形。 定义：设A为n×n对称矩阵 若 ， ，均有 ，则称矩阵A是正定的。 若 ，则称矩阵A是半正定的。 若 ，则称矩阵A是负定的。 若 ，则称矩阵A是半负定的。 Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profil