机械优化作业.doc

机械优化设计报告 二次规划法 班级：信息计算111802班 姓名： 甘金宝 学号：201118030202 一、绪论 二次规划是非线性规划中的一类特殊数学规划问题，在很多方面都有应用，如投资组合、约束最小二乘问题的求解、序列二次规划在非线性优化问题中应用等。在过去的几十年里，二次规划已经成为运筹学、经济数学、管理科学、系统分析和组合优化科学的基本方法。 二次规划的一般形式可以表示为，如下图，其中G是Hessian矩阵，τ是有限指标集，c，x和{ai}，都是R中的向量。如果Hessian矩阵是半正定的，则我们说（1.1）是一个凸二次规划，在这种情况下该问题的困难程度类似于线性规划（如果=0，二次规划问题就变成线性规划问题了）。如果有至少一个向量满足约束并且在可行域有下界，则凸二次规划问题就有一个全局最小值。如果是正定的，则这类二次规划为严格的凸二次规划，那么全局最小值就是唯一的。如果是一个不定矩阵，则为非凸二次规划，这类二次规划更有挑战性，因为它们有多个平稳点和局部极小值点。 二、算法理论 二次规划是非线性优化中的一种特殊情形, 它的目标函数是二次实函数, 约 束函数都是线性函数. 由于二次规划比较简单, 便于求解(仅次于线性规划), 并且一些非线性优化问题可以转化为求解一系列的二次规划问题, 因此二次规划的求解方法较早引起人们的重视,成为求解非线性优化的一个重要途径. 二次规划的算法较多, 本论文仅介绍求解一般约束凸二次规划的有效集方法. 考虑一般二次规划 有效集方法的最大难点是事先一般不知道有效集, 因此只有想办法构造一个集合序列去逼近它. 即从初始点出发, 计算有效集, 解对应的等式约束子问题. 重复这一做法, 得到有效集序列, , 使之, 以获得原问题的最优解. 我们分六步来介绍有效集方法的算法原理和实施步骤. 第一步 选定初始值. 给定初始可行点，令。 第二步 求解子问题. 确定相应的有效集，求解子问题 得到极小点和拉格朗日乘子向量。若转入步三；否则转步二。 第三步检验终止准则.计算拉格朗日乘子 其中，令。若，则是全局极小点，停算。否则若，则令，转步一。 第四步 确定步长. 令，其中，其中。令。 第五步 若，则令，否则，若，则令，其中满足。 第六步 令，返回第一步。 三、算法框图 四、算法程序 function [x,lamk,exitflag,output]=qpact(H,c,Ae,be,Ai,bi,x0) %功能: 用有效集方法解一般约束二次规划问题: % min f(x)=0.5*x’*H*x+c’*x, % s.t. a’˙i*x-b˙i=0,(i=1,...,l), % a’˙i*x-b˙i?=0,(i=l+1,...,m) %输入: x0是初始点, H, c分别是目标函数二次型矩阵和向量； % Ae=(a˙1,...,a˙l)’, be=(b˙1,...,b˙l)’; % Ai=(a˙–l+1?,...,a˙m), bi=(b˙–l+1?,...,b˙m)’. %输出: x是最优解， lambda是对应的乘子向量；output是结构变量, % 输出极小值f(x), 迭代次数k等信息, exitflag是算法终止类型 %%%%%%%%%%%%%%%%% 主程序开始%%%%%%%%%%%%%%%%% % 初始化 epsilon=1.0e-9; err=1.0e-6; k=0; x=x0; n=length(x); kmax=1.0e3; ne=length(be); ni=length(bi); lamk=zeros(ne+ni,1); index=ones(ni,1); for (i=1:ni) if(Ai(i,:)*xbi(i)+epsilon), index(i)=0; end end %算法主程序 while (k=kmax) %求解子问题 Aee=[]; if(ne0), Aee=Ae; end for(j=1:ni) if(index(j)0), Aee=[Aee; Ai(j,:)]; end end gk=H*x+c; [m1,n1] = size(Aee); [dk,lamk]=qsubp(H,gk,Aee,zeros(m1,1)); if(norm(dk)=err) y=0.0; if(length(lamk)ne) [y,jk]=min(lamk(ne+1:length(lamk))); end if(y=0) exitflag=0; else exitflag=1; for(i=1:ni) if(index(i)(ne+sum(index(1:i)))==jk) index(i)=0; break