第二单元优化设计的数学基础.pptVIP

* K-T条件的几何意义可进一步表述如下： 如果是 一个局部极小点，则该点的目标函数的负梯 度 应落在该点所有起作用约束条件的约束面 梯度 和 在设计空间所组成的锥角范围之内。 * K-T条件是多元函数取得约束极值的必要条件,以用来作为约束极值的判断条件，又可以来直接求解较简单的约束优化问题。 对于目标函数和约束函数都是凸函数的情况，即：凸规划问题， 符合K-T条件的点一定是全局最优点。这种情况K-T条件即为多元函数取得约束极值的充分必要条件。 * K－T条件的作用： 1）检验某设计点是否为约束极值点或局部最优点； 步骤 2）判断和消除那些不起作用的约束条件； 3）对于凸规划问题，符合 K－T条件的点必是全局最优点。 * 1、掌握多元函数的梯度、方向导数和海赛矩阵的求法及其有关几何意义。 2、理解并掌握凸集、凸函数和凸规划的定义、性质和判定。 3、掌握无约束优化问题的极值条件。 4、理解并掌握约束优化问题的极值条件——K-T条件的意义及应用。 本章学习要求： 本 章 习 题 1．判别函数是 否为凸集D上的一个凸函数。 （D ） 2．求函数的 无约束极值，并判断是极小值还是极大值。 3．用拉格朗日乘子法求下列等式约束优化问题的极值点坐标 4. 对于约束优化极值问题： 试应用K-T条件检验点 是否为约束优化的极小点。 * 拉格朗日乘子法 拉格朗日乘子法是求解等式约束优化问题的另一种经典方法，它是通过增加变量将等式约束优化问题变成无约束优化问题。所以又称作升维法。 等式约束优化问题 无约束优化问题。 增加变量 * 对于具有 个等式约束的 维优化问题 可以构造新的目标函数： 式中的 就是原目标函数 的等式约束条件，而待定系数 称为拉格朗日乘子， 称为拉格朗日函数。这种方法称为拉格朗日乘子法。 * 在上式中显然多出了 个待定系数 （可看成是新的变量），而 有 个变量。结果共有 变量。但是 可提供 个方程，再加上 个等式约束条件 ，共有 个方程，足以解出这 个变量。 * 由于 给出 ，所以这 个方程可以看成是通过下述条件给出的 这样拉格朗日乘子法可以叙述如下 设 ，目标函数是 ，约束条件是 的 个等式约束方程。为了求出 的可能的极值点 ，引入拉格朗日乘子 ，并构成一个新的目标函数 * 把 作为一个新的无约束条件的目标函数来求解它的极值点，所得结果就是在满足约束条件 的原目标函数 的极值点。自 具有极值的必要条件 可得 个方程，从而解得 和 共 个未知变量的值。由上述方程组求得的 是函数 极值点的坐标值。 * 拉格朗日乘子法也可以用另一种方式叙述如下