第五章+约束优化计算方法汇总.ppt

将有约束的优化问题转化为无约束优化问题来求解。前提：一是不能破坏约束问题的约束条件，二是使它归结到原约束问题的同一最优解上去。 构成一个新的目标函数，称为惩罚函数 从而有 惩罚项必须具有以下极限性质： 求解该新目标函数的无约束极小值，以期得到原问题的约束最优解。按一定的法则改变罚因子r1 和r2的值，求得一序列的无约束最优解，不断地逼近原约束优化问题的最优解。 根据约束形式和定义的泛函及罚因子的递推方法等不同，罚函数法可分为内点法、外点法和混合罚函数法三种。这种方法是1968年由美国学者A．V．Fiacco和G．P．Mcormick提出的，把不等式约束引入数学模型中，为求多维有约束非线性规划问题开创了一个新局面。 内点法 这种方法将新目标函数定义于可行域内，序列迭代点在可行域内逐步逼近约束边界上的最优点。内点法只能用来求解具有不等式约束的优化问题。 对于只具有不等式约束的优化问题： 转化后的惩罚函数形式为： 或： rk是惩罚因子，它是一个由大到小且趋近于0的正数列，即: 由于内点法的迭代过程在可行域内进行，“障碍项”的作用是阻止迭代点越出可行域。由“障碍项”的函数形式可知，当迭代点靠近某一约束边界时，其值趋近于0，而“障碍项”的值陡然增加，并趋近于无穷大，好像在可行域的边界上筑起了一道“高墙”，使迭代点始终