6_4_非线性规划_多维约束优化_0507.pdfVIP

第六章 非线性规划 多维约束非线性优化 求解方法  解有约束非线性规划的方法分类  将约束合并到目标函数中，问接地加以处理，把有约束的非线性规划问题转化 为一个无约束的非线性规划问题，然后再用无约束问题的方法求解，例如惩罚 函数法、碰壁函数法、广义乘子法等均属于此类解法。  利用适当调整搜索方向和步长把无约束方法推广到有约束问题去，即以直接方 式处理约束。但在迭代过程中时时考虑到迭代点的位置不要超出约束约束函数 的允许范围（即不要越出可行域），例如可行方向法、梯度投影法、既约梯度 法等均属于此类解法。  利用线性函数逼近方法，把非线性规划问题归结为解一系列线性规划问题。把 非线性问题转化为线性问题是常用方法之一。 拉格朗日乘子法  等式约束下的拉格朗日乘子法 min f (x)   x n m 考虑非线性规划问题 s.t. h (x) 0 i 1, 2, m ，其中 为 维设计变量。则可以将  i , ,..., f 个等式约束方程中的每一个分别乘以 1 2 m ，然后并入到目标函数 中可得： m L f x  h x    i i   i 1 这种形式的目标函数叫做拉格朗日函数，并且用L 来表示， (i 1, 2,..., m) 被称为拉 i 格朗日乘子，如果把L 看作是带有m+n 个变量的目标函数，并设m+n 个偏导数等于 0，则可以得到如下方程组： L f m hi  i 0 j 1, 2,..., n x x x   i 1   j j j L h x 0 i 1, 2,..., m  i  