优化设计第三次课.ppt

3）若 、 两个约束在 处起作用，则根据K-T条件有 下式成立 从约束方程中解得 ，相当 于图中的B点。将得到的解代回K-T方程 得到 由于K-T条件要求 ，所以B点不是 极值点。 4）若 、 两个约束在 处起作用，则根据K-T条件有 下式成立 满足K-T条件要求 ，所以C点是 极值点。 从约束方程中解得 ，但 不满足第三个不等式约束条件 所以取 相当于图中的C点。将得到的解代回K-T方程得到 5）若只有 一个约束在 处起作用，则根据K-T条件有 下式成立 从前两方程组中解得 因为假定只有一个 约束 在 处起作用，那么第二个约束在 处不起作用，有 即 根据 可推出 由于K-T条件要求 ，所以此点不是极值点。 6）若只有 一个约束在 处起作用，则根据K-T条件有 下式成立 解上面方程组解得 此解不满足 的要求，故次点不是极值点 7）若只有 一个约束在 处起作用，则根据K-T条件有 下式成立 解上面方程组，解得 ， 此解不满足 的非负要求，故次点不是极值点 8）若 、 、 三个约束都在 处都不起作用，则根据K-T 条件有下式成立 解上面方程组，解得 ，此解不满足 的要求，故次点不是极值点 从上述八种情况的分析可以看出，利用K-T条件求极值点（解析法）往往是很繁琐的，需要确定哪些约束在极值点出起作用。因此实际应用中，很少利用K-T条件求极值点，而是主要用他来判断所要求点是否只极值点，以及检验一种搜索方法是否合理。 例：已知二维约束问题 受约束于 用K-T条件判断 是否为极小点。 一维搜索方法 第一节 一维搜索概述 求一元函数的极值问题是一维优化问题，利用直接法求一元 函数极值点的过程叫一维搜索。一维搜索更重要的作用在于它是 求解多元函数优化问题的基础。因为求解多元函数优化问题的过 程，通常可归结为反复求解一维优化问题。因此，它是优化方法 中最基本的方法。 一维搜索的方法有：分数法，0.618法（黄金分割法），二次 插值法，三次插值法，切线法，割线法等，本章主要介绍0.618法、 二次插值和切线法等常用的几种一维搜索法。 现在的问题是，在初始点 和搜索方向 已确定的情况 下，步长应走多大，也就是说步长因子 应取多大，才能使得 到的新点 的函数值最小。 换句话说，要求得一个 值，使函数 值达到最小，这样，问题就转化为求参数 的一元函数 的极值问题，即 用数学归纳法求多元函数 最优解的过程为：选择初始 点 ，由这点出发，沿着给定的方向 走一个步 ，到 达一个新点 ，而且该点的函数值有所下降。如果要使这一步 取得最好的效果，则希望所得到点 是方向 上函数值最小 的一个点。然后，又以 为新的初始点，沿着给定的方向 走 一个步长 ，到达点 ，同样，该点是 方向函数值最 小的点，如此继续，直到满足给定的计算精度