最優化方法.pptVIP

第七章 最优化计算方法;它的一般形式是： ;线性规划的可行解是满足约束条件的解；线性规划的最优解是使目标函数达到最优的可行解。;一般求解线性规划的常用方法是单纯形法和改进的单纯形法，这类方法的基本思路是先求得一个基本可行解，在检验该基本可行解是否为最优解；若不是最优解，可用迭代的方法找到另一个使目标函数值更优的基本可行解，在经过有限次迭代后，可以找到可行解中的最优解或者判定无最优解。 ;它的命令格式为：;【例 1】;然后建立函数M文件如下：;以programme1作为文件名保存此M文件后，在命令窗口 输入programme1后即可得到结果：;第二节 无约束规划计算方法;无约束规划问题的解法一般按目标函数的形式分为两大类：一类是一元函数的一维搜索法，如黄金分割法、插值法等；另一类是求解多元函数的下降迭代法，在下降迭代法中，一种迭代法要利用目??函数的解析性质，称为解析法，如梯度法、共轭梯度法、变尺度法等；另一种迭代法仅用到目标函数值，而不是求函数的解析性质，称为直接法，如步长加速法、单纯形法等。直接法的优点在于适用面较广，但收敛速度较慢。;求解无约束规划问题的解析法是利用函数的近似展开式来逼近目标函数的极小值，具体找出迭代的公式，从而确定极小点序列，求解无约束规划问题。 ;由此可见，搜索方法的关键在于搜索方向及搜索步长的选取。;三、实验内容与步骤：; 以fun2为文件名保存此函数文件。 ;【例 3】;【例 4】;【例 5】;在命令窗口输入： ;第三节 约束非线性规划计算方法 ;对于约束非线性规划，随着目标函数和约束条件的不同，解法也不同，一般来说，有四类方法：;二、实验内容与步骤 ：;【例 6】; 结果显示：x=0.3428 1.2614;在命令窗口输入： ;【例 8】; 解：首先建立函数文件fun8.m ;结果显示： x= 0.2012 18.3629 0.3596 18.5780 5.8000 0.2618