2-整数规划、非线性规划、目标规划课件.pptVIP

* * * * * * 局部和全局最优 称x’为非线性规划的局部最小（A local minimum of an NLP），当对x’的小领域中任意的x都有f(x’)≤f(x)成立。 称x0为非线性规划的整体最小（A global minimum of an NLP），当对可行域中任意的x都有f(x0)≤f(x)成立。 一维的例子如下： Global minimum Local minimum x f(x) * 局部和全局最大点(Local and global maximums)可以被类似定义 统称为局部和全局最优(local and global optima) 在线性规划中，任何局部最优都是全局最优 至少有一个最优点在可行域顶点处取得 在非线性规划中，局部最优不一定是全局最优 一个局部最优可能在可行域的任何地方取得 因此，非线性规划的求解比线性规划复杂的多 * 凸函数（Convex Function） 函数 f(x) 是凸函数当且仅当对任何可行域内的x1，x2和任何0 α 1， f(αx1+(1-α)x2) ≤ αf(x1)+(1-α)f(x2)均成立 一维图例 x f(x) x1 x2 ax1+(1-a)x2 f(αx1+(1-α)x2) αf(x1)+(1-α)f(x2) * 凸集（Convex Set） 集合 S 是凸集当且仅当对任何S种元素x1 和 x2, α