第章 非线性优化理论.pptVIP

第4章 非线性优化基本理论 主要内容 4.1 凸函数与凸规划 4.2 最优性条件 4.3 下降迭代法 4.4 常用一维搜索算法 线性规划问题的目标函数是线性函数，约束条件是线性等式或不等式。 如果实际问题的数学模型的目标函数或约束条件中包含有非线性函数，则这样的最优化问题就是非线性规划问题，又非线性优化问题。 近半个世纪来，非线性最优化的理论、方法及应用得到了长足的进展，已成为运筹学与最优化的重要分支，在最优化设计、管理科学和系统控制等领域得到越来越广泛的应用。 本章介绍非线性优化的基本概念和基本理论。 4.1 凸函数与凸规划4.1.1 凸函数 凸函数几何意义：向下凸的 水平集 定义： 4.1.2 凸函数的性质 4.1.2 凸函数的性质 4.1.2 凸函数的性质 4.1.3 凸函数的判定 使用MATLAB软件求函数导数、偏导数 使用MATLAB软件求函数梯度、海赛（Hesse）矩阵 判定凸函数的几个定理 4.1.4 凸函数的极值 4.1.5 凸规划 4.2 最优性条件 4.3 下降迭代法 图4-7 二阶最优性条件示例图 4.3.1 下降迭代法的基本思想 4.3.2 迭代初值的选择 4.3.3下降方向的选择 4.3.4迭代步长的确定 4.3.5 迭代序列的收敛性 4.3.6 迭代算法的收敛速度 4.3.7 下降迭代算法的收敛准则 4.3.7 下降迭代算法的收敛准则 小结 4.4常用一维搜索算法 单峰函数的概念 4.4.1 黄金分割法 4.2.1 无约束非线性优化问题的最优性条件 4.2.2 约束优化问题的最优性条件 * * 凸函数的定义表明：凸函数上任意两点间的线性插值不低于这个函数值； 定理4-1则说明：基于某点导数的线性近似不高于这个函数值，反之亦然。如图4-3 。