灰色非线性规划.docVIP

10.7 灰色非线性规划 定义10.7.1 设为决策向量，为灰参数集，则称 (10.7.1) 为灰色无约束非线性规划问题，其中为灰色价格或消耗泛函. 定义10.7.2 白化中的灰元, 称所得规划问题为的白化规划，记为. 对于灰色无约束非线性规划问题，可先行白化，然后求解. 定义10.7.3 设f (X )为可微函数，则称梯度向量 grad （10.7.2） 的解为f (X )的驻点. 定理10.7.1 设f (X )二阶可微，海赛(Hesse)矩阵 若X 0为f (X )的驻点，则当 10 H (X 0 )为正定矩阵时，X 0为极小值点； 20 H (X 0 )为负定矩阵时，X 0为极大值点； 30 H (X 0 )为半正定矩阵时，若存在X 0的邻域，使对，H (X )为半正定矩阵，则X 0为极小值点； 40 H (X 0 )为半负定矩阵时，若存在X 0的邻域，使对，H (X )为半负定矩阵，则X 0为极大值点； 50 H (X 0 )为非定矩阵时，X 0不是f (X )的极值点； 例107.1 求解灰色非线性规划 其中，，，. 解 第一步：对灰元进行均值白化，得，，，，故有白化规划 第二步：求梯度向量 grad 第三步：令grad，由 解得驻点. 第四步：求出海赛矩阵H (X ) 由 ，，， ，，， ，，， 得 第五步：将驻点代入H (X )，得 第六步：计算H (X 0 )的各阶主子式 一阶主子式 二阶主子式 三阶主子式 因其奇数阶主子式0，偶数阶主子式0，故H (X 0 )为负定矩阵，从而X 0为极大值点. 第七步：计算极大值 下面讨论灰色约束非线性规划问题. 定义10.7.4 设为决策向量，，,(j=1,2,…m； i=1,2,…,s)皆为灰参数集，则称 s.t (10.7.3) 为灰色约束非线性规划问题，其中为灰色消耗泛函,，为灰色约束泛函. 灰色非线性规划的白化规划 s.t (10.7.4) 可按以下步骤求解： 第一步：若，直接转向第二步. 当，即无等式约束时，求解无约束子规划，设最优解为X 0，令k =0，转向第三步. 第二步：求解等式约束子规划 s.t 设最优解为X 0，令k =0. 第三步：将X (k) 代入不等式约束，求未满足不等式约束的指标集 若时，X (k) 即为原规划的最优解，运算停止；若，则进入下一步. 第四步：从Jk中任取一个元素p，引进非负松弛变量，将对应的不等式约束化为等式约束，求解下列扩充的等式约束子规划问题： s.t (10.7.5) 设最优解为. 第五步：求解无约束子规划问题 设最优解为，将k+1换为k，转向第三步. 例 10.7.2 求解灰色非线性规划问题 s.t 其中，，，，. 解 第一步：对目标泛函中的灰元作均值白化，约束泛函中灰元作0.8定位白化，有 ，，，， 于是有白化规划 s.t 第二步：求解等式约束子规划 s.t 得最优解 第三步：将代入不等式约束，得 不等式约束不满足. 第四步：引进非负松弛变量，求解扩充的等式约束子规划 s.t 得最优解 第五步：求解无约束子规划 得y=0，相应的最优解 第六步：将X (2) 代入不等式约束，不等式满足，运算停止. 即为原白化规划的最优解，最优值 如果对灰色非线性规划问题不先行白化而直接求解，则最优解中一般含有灰参数，我们可以根据灰参数的取数域来研究最优解和最优值的变化情况. 例 10.7.3 求解灰色非线性规划问题 s.t 其中，，. 解 第一步：求解等式约束子规划 得最优解 第二步：将代入约束不等式，有. 因为，，所以，不满足. 类似地讨论可知满足，故有. 第三步：引进非负松弛变量，求解扩充的等式约束子规划 s.t 得最优解 第四步：求解无约束子规划 得=0，相应的最优解为 第五步：将X (2) 代入约束不等式，有 由, 的取数域可知，即不等式约束皆满足，运算停止. 为原灰色非线性规划的最优解，与之对应的最优值 当取上界，取下界时，可得理想最优值