最优性条件_.pptVIP

问题的提出 x1 x2 例:考虑下列非线性规划问题 对偶及鞍点问题 Lagrange对偶问题 (1) 定义(1)的对偶问题: (2) 集约束 一般情形的一阶必要条件(KKT必要条件)可表示为: 由KKT条件,得 例:考虑问题 用KKT条件解下列问题: KKT条件为： KKT点应满足方程组 二阶条件 Lagrange 函数 f(x)=0 x1 x2 x1 x2 例：考虑如下约束优化问题： f(x)=0 x* x1 x2 证明： 假设 不是问题的严格局部极小点, 则存在序列 , 使得 , 并且 , 即 记 显然, 根据有界序列的性质可知, 存在一个收敛子列 不妨假设 令 于是有 . 因为 利用KKT条件, 得到 因此, 由Taylor展开公式, 有 例:考虑下列非线性规划问题: x1 x2 x1 x2 x1 x2 x1 x2 x1 x2 Karush-Kuhn-Tucker(KKT)条件 互补松弛条件 Karush-Kuhn-Tucker(KKT)条件 例:求下列非线性规划问题的KKT点. 凸规划 一般约束问题的一阶最优性条件 定义： 定义： 定义子空间 结论： 一般约束问题的一阶最优性条件 定义广义的Lagrange函数: 乘子向量 * * 第七章 最优性条件 例:某公司经营两种设备。第一种设备每件售价为30元，第二种设备每件售价为450元。且知，售出第一、二种设备分别需时为每件约0.5小时和（2+0.25x2）小时，其中x2为第二种设备售出数量。公司的总营业时间为800小时。 求：公司为获取最大营业额（销售额）的最优营业计划。 [解]设公司应经营销售第一、二种设备数额分别为x1件和x2件，则有 max：f(X) =30x1+450x2 s.t. 0.5x1+2x2+0.25x22≤800 x1≥0，x2≥0 定义１：设f(x)为目标函数，S为可行域，x0∈S，若对?x∈S,有f(x)≥f(x0),则x0称为极小化问题minf(x)， x∈S的（全局）最优解． 定义２：设f(x)为目标函数，S为可行域，若存在x0的ε邻域 　　　 使得对?x∈S∩Nε(x0)，有f(x)≥f(x0),则x0称为极小化问题minf(x)， x∈S的局部最优解． 显然，与直线AB相切的点必为最优解。 图中的D点即为最优点，此时目标函数值为： f(x*)=2，x1*=x*2=3 A f(x)=4 f(x)=2 x1 x2 6 3 2 0 2 3 6 B C D [例]求解下述非线性规划 min f(x)=(x1－2)2+(x2－2)2 h(x)=x1+x2－6=0 [例]非线性规划为 min f(x)=(x1－2)2+(x2－2)2 h(x)=x1+x2－6≤0 最优解为x1*=x2*=2 ，f(x*)=0，该点落在可行域内部，其边界约束失去作用。 结论:非线性规划的最优解（如果存在）可在其可行域上任一点达到。 求下列约束问题的解： (-1,0)T (3,0)T 无约束问题的极值条件 定义: 必要条件 定义： 例： 约束极值问题的最优性条件 定义: 定义: 例：考虑如下约束优化问题： f(x)=0 x1 x2 x1 x2 不等式约束问题的一阶最优性条件 定义: S xA xB x1-x2=0 称为Fritz John 点(即满足Fritz John条件的点). 互补松弛条件 *