第六章容许方向法讲解.ppt

第七章 容许方向法 容许方向法是解决约束最优化问题的一类基本方法，这类方法一般从线性约束来开始讨论，然后再推广到非线性约束问题中。其基本迭代方式是： ①从容许 开始迭代，设已迭代到容许点 ②在 处用某种策略确定一个下降容许方向 ③在 方向上寻找新迭代点 使 是容许点。简单的说，容许方向就是要在容许集中进行迭代，而使目标函数值下降。其关键是怎样确定容许下降方向，不同的确定方法对应不同的容许方向法。 * * 1 下降容许方向的确定： 下面定理指出了下降容许方向的一种确定方法 §6.1 Zoutendijk容许方向法 一 线性约束情形： （1） A为m*n元矩阵，c为l×n 元矩阵，b为m维向量， d为l 维向量， f : 为连续可微函数。 使 则，非零向量p为从点x出发的容许方向向量的充要条件是 定理1：若（1）x是（I)的一个容许点；（2）适当调整A的 行向量与b的相应分量，然后分解 证明: 先引进一个集合D的容许方向向量概念。 定义1： 若对于某个非零向量 存在δ0 使任意 必有 则称 p 为区域D中从点 x 出发的一个容许方向向量. 定义2: 在点 处可微,则满足 的向量p之集合，即 称为点X的下降方向集。 充分性: 对任意t0和 p≠0 由已知条件 再由充分性条件 有 证：必要性: 若非零向量p是从x出发的容许方向向量，则由上面定义，存在δ0，任意t∈(0,δ) 有 由 又由 知存在δ0，使任意t∈（0，δ） 有 综上即知：任意t∈（0，δ），X+tp是容许点，因此 p是容许方向。如果p还是下降方向，须满足 于是自然会想到，要确定在X处的下降容许方向p ，就是求解线性规划： （Ⅱ） （Ⅱ）的最优解 即为x点处的一个容许下降方向。 （Ⅱ）中要附加约束条件 的条件是因为： 若 p 满足： 则任意β〉0， P=βP也满足这些条件 从而 的极小值为-∞因而无法确定出p 2 直线搜索 为确定新的迭代点x，可从x 点出发沿下降容许方向 作直线搜索， 但容许方向法本身要求新迭代点 x也必须是容许点。因此上述直线搜索中的最优步长因子 必须满足： （Ⅲ） 这是只有一个决策变量t的一维线性约束极小化问题。 其实（Ⅲ）可以简化。因为 为容许方向，x为容许点，则 Ⅲ Ⅲ 综上所述，最优步长因子 t*可由如下有约束的直线搜索而得到 定理：再约束非线性规划（Ⅰ）中，设 （1）x 是（Ⅰ）的一个容许点 （2）分解 3 终止准则 算法终止准则可由如下定理给出： 4 考虑非线性不等式约束最优化问题： （Ⅰ） 现将上一段介绍的方法推广到（Ⅳ）的求解过程。 当（Ⅳ）中有等式约束时，用zoutendijk法相当复杂，一般不宜采用，这里就不在讲述。 二 非线性约束情形 1 下降容许方向的确定： 因此同时满足上述两个条件的方向 就是 出的一个下降容许方向。 如果（Ⅴ）的最优解为 （Ⅴ） 一 计算实践和理论分析表明，在迭代中采用（V）来确定下降容许方向，可能使算法失败。为保证算法收敛性。Topkis和Veinott（1967年）对（V）作了改进，在关X0处的下降容许方向 由下述线性规划确定 p*是X0处的一个下降容许方向。事实上： 当y*0时，由（VI）的约束条件 即p*为X0处的下降方向。 又 因此p*又是X0处的一个容许方向。 若用 表示（VI）的最优解，则容易证明，当y*0时 2 直线搜索： 为确定新的迭代点X1，可从X0出发沿方向p*作有约束的直线搜索。但是，在这里的步长因子t的上界 已不像前面线性约束情形具有显示计算公式〈而要通过新迭代点的容许性利用只系直线搜索技术来确定。即： （Ⅶ） 同时求解 （Ⅷ） 由此定出最优解t*从而得到新的迭代点x1=x0+t*p*。 3 终止准则 算法的终止准则可由下述定理来确定 定理：在问题（IV）中假设：（1）X0是一个容许点，