数理经济学chap6专用课件.ppt

约束优化（I） 第六章 基本内容 几个例子 等式约束 两个变量一个等式约束 几个等式约束 不等式约束 一个不等式约束 几个不等式约束 混合约束 Kuhn-Tucker表述 等式约束 两个变量一个等式约束 考虑一个最简单的等式约束极大化问题： max f(x1，x2) s.t. h(x1，x2) = c （6.2.1） 几何求解法 在（x1，x2）平面上画出约束集C = {(x1，x2) | h(x1，x2) = c} 画出目标函数f的几个代表性的水平曲线{(x1，x2) | f(x1，x2) = fi }，i = 1，2，3，这里fi是常数 几何上，我们的目的是寻找满足约束集C的f的最高水平曲线．f的最高水平曲线不能与约束曲线C相交；否则，邻近的较高的水平线也将与之相交． 综上述，f的最高水平线必须与约束曲线C相切于最优解处（从而满足约束）．这意味着（过点x*的）f的最高水平线在点x*处的斜率等于约束曲线C在点x*处的斜率． 总之，通过把拉格朗日乘子?引入约束优化问题，我们将一个双变量约束问题转化为求解再增加一个变量?的函数L(x1，x2，?)的驻点问题． 在某种意义上，我们将一个双变量的约束优化问题简化为一个三变量的无约束优化问题．这种简化的代价是包含一个新的有点象人工的变量?．在后面我们会看到这个新变量?的经济含义，它将给出所考虑的问题中稀有资源价格的一种新的度量 若（6.2.4）式中的两个分母?h/?x1和?h/?x2都为零，则这种简化不奏效．由于这个原因，我们必须假设?h/?x1或?h/?x2（或两者）在约束最大值点x*处非零．由于这是对约束集的一个（轻微）的限制，称此限制为约束规格（Constraint Qualification）．特别若约束是线性的，则此约束规格自动满足． 将上面的几何分析总结成如下的定理． 两个变量一个等式约束 定理6.2.1（一阶必要条件） 设f和h是两个变量的C 1函数，x* = (x1*，x2*)是问题 max f(x1，x2) s.t. h(x1，x2) = c （6.2.7） 的解，x*不是h的驻点（即Dh(x*) ? 0）．则存在?*?R，使(x1*，x2*，?*)是拉格朗日函数， L(x1，x2，?) = f(x1，x2) ? ?[h(x1，x2) ? c]， 的驻点，即 例6.2.2 试求出下面等式约束优化问题的可能的极值点： max f (x1, x2) = x12x2 s.t. 2x12 + x22 = 3 几个等式约束 max or min f(x1, ?, xn) （6.2.8） s.t x?Ch = {x = (x1, ?, xn) ?Rn | hi(x) = ai，i = 1, 2, ?, m } 定理6.2.2 （一阶必要条件） 令f，hi (i = 1, 2, ?, m)是n元C 1函数，考虑问题（6.2.8）。设x*?Ch是f在Ch上的极大点或极小点；x*满足NDCQ，即R (Dh(x*)) = m，则存在?* = (?1*，?，?m*)，使(x*，?*)是以下拉格朗日函数的驻点， 不等式约束 从本节起，用函数hi(x1, ?, xn)定义等式约束，相应的乘子用?i表示；用函数gj (x1, ?, xn)定义不等式约束，相应的乘用?j表示． 寻找带有不等式约束的约束优化问题的可能的极值点要比寻找等式优化问题的极值点复杂的多． 一个不等式约束：一阶必要条件 考虑一个最简单的情况，即含有两个变量和一个不等式约束的极大化问题： max f(x，y) s.t. g(x，y) ? b （6.3.1） 几何求解法：情形I 在图6.3.1中，粗的绿曲线表示曲线g(x，y) = b，这条曲线的左下方的区域是约束集Cg = {(x，y) | g(x，y) ? b} ．那些细的曲线是目标函数f的水平集．通过研究图6.3.1，我们注意到满足约束集Cg的f 的最高水平集应与g的水平集相切于p点．因此?f(p)和?g(p)共线，即存在一个数??R，使 ?f(p) ? ??g(p) = 0． 由于p在约束集的边界上，即满足g(p) = b，我们称具有这种性质的约束g(x，y) ? b是紧的（binding）或起作用的． 几何求解法：情形II 设f在Cg的内部获得极大值，即存在点q满足g(q) b，q使f获极大值，见图6.3.2． 此时，存在r在水平集g(x，y) = b上，即满足g(r) = b，且过r点的