第六章 非线性规划基本概念与基本原理.ppt

6.4 下降迭代算法 第六章 非线性规划基本概念与基本原理 本章讲授非线性规划的基本概念、非线 性规划的最优解所满足的必要条件和充分条 件，这些条件是非线性规划的各种数值算法 的推导和分析提供必不可少的理论基础。 本章还将讲授非线性规划问题数值算法 的基本迭代形式和收敛性准则。 6.2 凸函数和凸规划 回顾一下凸集的概念： 定义：设集合 S ? Rn，若?x(1), x(2)?S, ??[0,1]，必有 ?x(1)＋(1- ?) x(2) ?S ，则称 S 为凸集。 规定：单点集 {x} 为凸集，空集?为凸集。 注: ?x(1)＋(1- ?) x(2) = x(2)＋?(x(1)- x(2)) 是连接 x(1)与x(2)的线段 。 凸集 非凸集 非凸集 6.2.1 凸函数定义与性质 1、凸函数及水平集 定义: 设集合 S ? Rn 为凸集，函数 f :S?R 若 ? x(1), x(2) ? S, ? ? ( 0 , 1 ) ，均有 f(?x(1)＋(1- ?) x(2) ) ≤?f(x(1))+(1- ?)f(x(2)) ， 则称 f(x) 为凸集 S 上的凸函数。 若进一步有上面不等式以严格不等式成立，则称 f(x) 为凸集 S 上的严格凸函数。 当- f(x) 为凸函数（严格凸函数）时，则称 f(x) 为凹函数（严格凹函数）。 严格凸函数 凸函数 严格凹函数 定理： f(x) 为凸集 S 上的凸函数? S 上任意有限点的凸组合的函数值不大于各点函数值的凸组合。 思考：设f1, f2是凸函数， 设?1, ?2 0, ?1f1+?2f2 , ?1f1 - ?2f2是否凸函数？ f(x)= max{ f1(x) , f2 (x) } , g(x)= min{ f1(x) , f2 (x) }是否凸函数？ 定义：设集合 S ? Rn ，函数 f :S?R，β ? R ， 称 Sβ = { x ?S∣f(x) ≤β } 为 f(x) 在 S 上的β 水平集。 注：水平集的概念相当于在地形图中，海拔高度不高于某一数值的区域。