- 1、本文档共21页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
2最优化设计的数学基础
最优化设计的数学基础 向量与矩阵 n个有序的数x1,x2,…,xn所组成的数组成为n维向量。 n×m个有序的数aij(i=1,2,…,m,j=1,2,…,n)排成的m行n列的数表成为m行n列矩阵。 向量、矩阵之间的加、减、乘法。 方向导数 一块长方形的金属板,四个顶点的坐标是(1,1),(5,1),(1,3),(5,3).在坐标原点处有一个火焰,它使金属板受热.假定板上任意一点处的温度与该点到原点的距离成反比.在(3,2)处有一个蚂蚁,问这只蚂蚁应沿什么方向爬行才能最快到达较凉快的地点? 问题的实质:应沿由热变冷变化最骤烈的方向(即梯度方向)爬行. 方向导数的定义 p 记为 梯度的定义 梯度与方向导数 函数梯度的特征 函数在一点的梯度是由函数在该点的所有一阶偏导数组成的向量。梯度的方向是该点函数值上升最快的方向,梯度的大小就是它的模。 函数在一点的梯度方向与函数过该点的等值线的切线相垂直,或者说是该点等值线的外法线方向。 梯度是函数在一点邻域内局部性态的描述。在邻域内上升得快的方向,离开邻域后就不一定上升得快,甚至可能下降。 函数的泰勒展开 作用:将复杂的非线性函数简化成线性函数或二次函数。 多元函数f(X)在点Xk处也可作泰勒展开,展开式一般取三项,形式与一元函数展开式的前三项相似。 称为函数f(X)的泰勒二次近似式 正定二次函数 最简单的非线性函数 一般的二次函数可写为以下向量形式: 其中:B是常数向量,相当于函数梯度;H为n阶常数矩阵,相当于函数的二阶导数矩阵。XTHX称为二次型。 矩阵有正定、负定、不定之分。 对于任意非零向量X: 若有XTHX 0,则称矩阵H是正定矩阵; 若有XTHX 0,则称矩阵H是负定矩阵; 若有时XTHX 0,有时XTHX 0,则称矩阵H是不定矩阵。 矩阵的正定性还可通过矩阵的各阶主子式进行判断。 正定二次函数的性质 正定二次函数的等值线(面)是一族同心椭圆(球)。椭圆(球)族的中心就是该二次函数的极小点。 非正定二次函数在极小点附近的等值线(面)近似于椭圆(球)。 无约束问题的极值条件 一元函数极值 必要条件:函数在该点的一阶导数为零 充分条件:对应的二阶导数不等于零 多元函数f(X)在点Xk取得极小值 必要条件:函数在该点的梯度为零 充分条件:函数的二阶导数矩阵正定 约束问题的极值条件 约束问题的极值形态众多 讨论等式约束和不等式约束两种情况 等式约束问题的极值条件 等式约束 Min f(X) S. t. hv(X)=0 可建立如下拉格朗日函数 令 上式是等式约束问题在点X取得极值得必要条件。概括为:在等式约束的极值点上,目标函数的负梯度等于诸约束函数梯度的非零线性组合。 不等式约束问题 Min f(X) S. t. gu(X)=0 引入p个松弛变量xn+u=0,可将问题变为约束问题 Min f(X) S. t. gu(X)+X2n+u=0 极值条件 不等式约束问题的极值条件,其意义可概括为:在不等式约束问题的极小点上,目标函数的负梯度等于起作用约束梯度的非负线性组合。其几何意义是在不等式约束问题的极小点上,目标函数的负梯度位于起作用约束梯度所成的夹角或锥体之内。在非极小点上,目标函数的负梯度位于起作用约束梯度所成的夹角或锥体之外。 上面两式称为k-t条件。是约束问题极值得必要条件。 一般情况下,满足k-t条件的点(k-t点)就是约束问题的最优点。 K-t条件可用作约束问题的终止条件,也可用来直接求解简单的约束最优化问题。
文档评论(0)