第2章经典最优化方法.ppt

第２章经典最优化方法 内容介绍 微分学中求极值 无约束最优化问题 常用微分公式 凸集与凸函数 等式约束最优化问题 不等式约束最优化问题 变分学中求极值 微分学中求极值 一元函数的极值 1.一元函数极值的求法与判别 必要条件： 设函数 在点 处具有导数，且在 处 取得极值，则该函数 在 处的导数 这里有个前提，即函数 在设计区间要连续可导。凡是满足上述的点都叫函数 的驻点。我们可知驻点并不完全是极值点，它还有拐点，当然，极值点必定是驻点。因此，还必须有判别函数极值的更充分条件。 微分学中求极值 微分学中求极值 微分学中求极值 二元函数的极值 微分学中求极值 微分学中求极值 微分学中求极值 (3)赫森矩阵（Hesse） 无约束最优化问题 由上一节可知，对于无约束最优化问题，其数学模型中只有目标函数 采用解析法求解，其求解过程可以归结为一下三个步骤： 1.令梯度g=0，解出各个驻点。 2.计算各驻点的矩阵 A,判断矩阵A正定或负定，得到相对应的极小点 或极大点； 3.计算极值。 常用微分公式 凸集与凸函数 凸集与凸函数 凸集与凸函数 凸集与凸函数 凸集与凸函数 凸集与凸函数 凸集与凸函数 凸集与凸函数 凸集与凸函数 凸集与凸函数 凸集与凸函数 凸集与凸函数 等式约束最优化问题 等式约束最优化问题的数学模型式 这里介绍两种比较常用的方法：消元法和拉格朗日乘子法。 等式约束最优化问题 等式约束最优化问题 等式约束最优化问题 等式约束最优化问题 不等式约束最优化问题 不等式约束的最优化问题的解析法与前面处理的基本思路相类似，也是构造一个包含原目标函数与约束函数的新目标函数。只是具体的构造方法不同，这里处理的也是二维问题 原问题的数学模型为 引入一个松弛变量r,把约束条件改为等式约束，即 不等式约束最优化问题 等式约束最优化问题 变分学中求极值 变分学中求极值 谢谢！ * * *