05-非霞斑性规划-无约束问题.pptx

第三章 最优化方法 运筹学;当要求容器的容积一定，求表面积最小，以使用料最省。;一连续反应器如图所示，进行如下反应 ;已知单位体积的液相反应速率为 原料A的单位成本 折旧、公用工程和其他费用 ;根据预测，市场只能提供物料A 600单位/h，产品B的市场需求量FB不超过50 单位/h，产品B的价格为C3=2000 元/单位。试确定物料A的进料速度FA0、初始浓度CA0、反应器体积V和转化率各取多大，才能使得该反应器在单位时间内的经济效益是最好的？;;目标函数或约束条件中有非线性函数的规划问题;非线性规划的最优解可能在其可行域中的任意一点达到 不一定是全局最优解;背景 理论计算 相对于计算要求，计算能力仍十分有限;;背景 为加快计算速度，必须明确各种方法的特点，以针对不同问题选择最合适的方法 ;求解思路： 迭代 从一个选定的初始点x0出发，按照某种特定的迭代规则产生一个点列{xk} ;基本迭代格式 ：第k轮迭代点 ：第k+1轮迭代点 tk：搜索步长 pk：迭代方向;对于 存在ε0，使 则称x*为R上的局部极小点，f(x*)称为局部极小值 →严格局部极小点、严格局部极小值 ;若对于任意x，有 则x*为R上的全局极小点， f(x*)为全局极小值 →严格全局极小点、严格全局极小值;凸集： 对于在集合中的每一对点x1和x2，连接两点所形成的直线段上任一点 都在此集合内，则该集合为凸集;凸函数 如果函数 满足 则称f(x)为F上的凸函数 若 则称f(x)为严格凸函数;凸函数 凸规划;;非线性规划 如f(x)和gi(x)都为凸函数，则称该规划问题为凸规划 可以证明：f(x)的局部极小值也是全局最小值 理想情况;若f(x)有连续的一阶导数，则 f(x)为凸函数 ? 对?x1、x2 ?R，有f(x2)≥f(x1)+?f(x1)T (x2-x1) f(x)为严格凸函数 ? 对?x1、x2 ?R，有f(x2)＞f(x1)+ ?f(x1)T (x2-x1) ;Hessian矩阵 ;例 判断下列函数的凹凸性（ x ?R） (a) f(x)=3x2 (b) f(x)=2x (c) f(x)=-5x2 (d) f(x)=2x2-x3;解 (a) f”=6， 故f(x)为（严格）凸函数。 (b) f”=0，故f(x)既凸又凹 (c) f”=-10，故f(x)为（严格）凹函数 (d) f”=4-6x，故f(x)既不为凸也不为凹;对于多元函数，如何判断H是否正定？;f(x);例 分析函数 指出此函数属于哪种类型;;;极值存在的必要条件和充分条件 对于一元函数f(x) 极值存在 必要条件→f’(x)=0（稳定点） 充分条件→ f’(x)=0且;对n维函数 必要条件： f(x)在x*处一阶可导 充分条件 H(x*)正定，则x*为极小值，反之为极大值 ;例 求函数 的所有稳定点 解;解方程组得 ;试判断所得的稳定点是否为最优解 ;求得各点的H特征值和稳定点类型如下：;;一维搜索法 多项式近似 求导数方法 ;一维搜索法 步长tk的选定是由使目标函数值沿搜索方向下降最多为依据的，因此这一工作变成了求解以tk为变量的一元函数，故得名一维搜索法。 ;适用于某些不能求得一阶导数解析解的问题 如求最小回流比 其中?ij：组分i对组分j的相对挥发度 xDi：塔顶产品中i组分的组成 ?：由Underwood公式确定 ;斐波那契（Fibonacci）法（分数法） 0.618法 无需求导，根据函数值判断搜索方向 适用于求解已知极值区间的单峰函数 ;f(x2)＜f(x1)，去掉[x1,b0]，此时x*?[a0,x1] ;f(x2)＞f(x1)，去掉[a0,x2]，此时x*?[x2,b0];f(x2)＝f(x1)： a.去掉[x1,b0]，此时x*?[a0,x1] b.去掉[a0,x2]，此时x*?[x2,b0] ;斐波那契数列 数列{Fn}为斐波那契数列 斐波那契分数 ;n;计算步骤 选取初始数据，确定单峰区间[a0, b0] 根据缩短率计算Fn，再确定最小n值 计算初值t1和t2，计算f(t1)、f(t2) ;当 区间变为[a0, t2] ;反之 区间变为[t1, b0] ;确定n个搜索点以后，每次的区间缩短率为 ;n次计算能得到的区间长度比为 要使精度够大，即 δ：区间缩短的相对精度;如果至某一步 则可令;;可以证明对于斐波那契数列，其奇数项和偶数项都各自收敛于同一极限，该极限值等于;以0.618作为固定的区间缩短率代替斐波那契法不同的缩短率，就得到了0.618法 实施更为容易;;计算步骤 选取初始区间[a0, b0] ;;搜索n