一、非线性规划问题的几种求解方法1.罚函数法（外点法）.ppt

一、非线性规划问题的几种求解方法1. 罚函数法（外点法） 基本思想： 利用目标函数和约束函数构造辅助函数： 要求构造的函数 具有这样的性质：当点x位于可行域以外时， 取值很大，而离可行域越远则越大；当点在可行域内时，函数 因此可以将前面的有约束规划问题转换为下列无约束规划模型： 其中称为 罚项， 称为罚因子， 称为罚函数。 的定义一般如下： 算法步骤 如何将此算法模块化: 求解非线性规划模型例子 罚项函数： 无约束规划目标函数： global lamada%主程序main2.m,罚函数方法 x0=[1 1]; lamada=2; c=10; e=1e-5; k=1; while lamada*fun2p(x0)=e x0=fminsearch(fun2min,x0); lamada=c*lamada; k=k+1; end disp(‘最优解’),disp(x0) disp(k=),disp(k) 程序2：计算 的函数fun2p.m function r=fun2p(x) %罚项函数 r=((x(1)-1)^3-x(2)*x(2))^2; 程序3：辅助函数程序fun2min.m function r=fun2min(x) %辅助函数 global lamada r=x(1)^2+x(2)^2+lamada*fun2p(x); 运行输出： 最优解 1.00012815099165 -0.00000145071779 ? k= 33 练习题： 1、用外点法求解下列模型 2、将例子程序改写为一个较为通用的罚函数法程序。（考虑要提供哪些参数） 2. 内点法（障碍函数法） 仅适合于不等式约束的最优化问题 其中 都是连续函数，将模型的定义域记为 构造辅助函数 为了保持迭代点含于可行域内部，我们定义障碍函数 3. 问题转化为一个无约束规划 由于 很小，则函数 取值接近于f(x)，所以原问题可以归结为如下规划问题的近似解： 练习题：请用内点法算法求解下列问题： 小结 讲解了两个求解有约束非线性最小化规划 特点： 易于实现，方法简单； 没有用到目标函数的导数 问题的转化技巧（近似为一个无约束规划） 4、其它求解算法（1）间接法（2）直接法  直接搜索法 以梯度法为基础的间接法 无约束规划的Matlab求解函数 数学建模案例分析（截断切割，飞机排队） （1）间接法 在非线性最优化问题当中，如果目标函数能以解析函数表示，可行域由不等式约束确定，则可以利用目标函数和可行域的已知性质，在理论上推导出目标函数为最优值的必要条件，这种方法就称为间接法（也称为解析法） 。 一般要用到目标函数的导数。 （2）直接法 直接法是一种数值方法 这种方法的基本思想是迭代，通过迭代产生一个点序列{ X(k) }，使之逐步接近最优点。 只用到目标函数。 如黄金分割法、Fibonacci、随机搜索法。 （3）迭代法一般步骤 注意：数值求解最优化问题的计算效率取决于确定搜索方向P (k)和步长 的效率。 最速下降法（steepest descent method） 由法国数学家Cauchy于1847年首先提出。在每次迭代中，沿最速下降方向（负梯度方向）进行搜索，每步沿负梯度方向取最优步长，因此这种方法称为最优梯度法。 特点： 方法简单，只以一阶梯度的信息确定下一步的搜索方向，收敛速度慢； 越是接近极值点，收敛越慢； 它是其它许多无约束、有约束最优化方法的基础。 该法一般用于最优化开始的几步搜索。 以梯度法为基础的最优化方法 求f(x)在En中的极小点 通过一系列一维搜索来实现。 本方法的核心问题是选择搜索方向。 搜索方向的不同则形成不同的最优化方法。 最速下降法算法： 算法说明 可通过一维无约束搜索方法求解 例子：用最速下降法解下列问题 分析： 1、编写一个梯度函数程序fun1gra.m 2、求 (可以调用函数fminsearch )函数fungetlamada.m 3、最速下降法主程序main1.m 第一步：计算梯度程序 fun1gra.m function r=fun1gra(x) %最速下降法求解示例 %函数f(x)=2*x1^2+x2^2的梯度的计算 % r(1)=4*x(1); r(2)=2*x(2); 第二步：求 最优的目标函数 function