吉珠运筹学课件第06章.pptVIP

制约函数法 混合法： 当要求在迭代过程中始终满足某些约束条件时，就需要使用内点法(对这些约束条件而言)；然而，内点法不能处理等式约束。因此，人们自然希望将外点法和内点法结合起来使用。即对等式约束和当前不被满足的不等式约束，使用罚函数法；对所满足的那些不等式约束，使用障碍函数法。这就是所谓的混合法(也称联合算法)。 牛顿法 例6-8 用牛顿法求例6-7中 的极小点。 解 任取初始点X(0)=(2,1)T，算出 可知X*确实为极小点。 牛顿法 考虑一般n元实函数f(X)，假定它有连续二阶偏导数，X(k)为其极小点的某一近似。在这个点附近取f(X)的二阶泰勒多项式逼近： 其中，ΔX=X-X(k) 近似函数的极小点应满足一阶必要条件，即： 设 的逆阵存在，可得 用该式求得的近似函数的极小点，仅是f(X)极小点的近似 牛顿法 用上式求得的近似函数的极小点，仅是f(X)极小点的近似。为求得f(X)的极小点，可以 为搜索方向(牛顿方向)，按下述公式进行迭代： 这就是所谓的阻尼牛顿法(广义牛顿法)，可用于求解非正定二次函数的极小点。 非线性规划 基本概念 一维搜索 无约束极值问题 约束极值问题 最优性条件 最优性条件 1. 可行下降方向 (1) 起作用约束 假定X(0)是一个可行解，它满足所有约束条件。对某一个约束条件gj(X)≥0来说，X(0)满足它有两种情况：一为gj(X(0))＞0，这时，X(0)不在由这个约束条件形成的可行域边界上，我们称这一约束为X(0)点的不起作用约束(或无效约束)；另一种情况是gj(X(0))=0，这时，X(0)点处于由这个约束条件形成的可行域边界上，对X(0)点的进一步摄动来说，这一约束起到了某种限制作用，故称它为X(0)点的起作用约束(或有效约束)。显然，等式约束条件对所有可行点都是起作用约束。 最优性条件 (2) 可行方向 设X(0)为任一可行点，对某一方向P来说，若存在实数λ0＞0，使对任意的λ∈［0,λ0］均有下式成立：X(0)+λP∈R 就称方向P为X(0)点的一个可行方向。 (3) 下降方向 设X(0)∈R，对某一方向P来说，若存在实数λ0′＞0，使对任意的λ∈［0，λ0′］均有下式成立：f(X(0)+λP)＜f(X(0)) 就称方向P为X(0)点的一个下降方向。 (4) 可行下降方向 若X(0)点的某一方向P，既是该点的可行方向，又是该点的下降方向，就称它为这个点的可行下降方向。 最优性条件 设X*是一个局部极小点，f(X)在X*处可 微，而且 gj(X)在X*处可微，当j∈J时 gj(X)在X*处连续，当jJ时 则在X*点不存在可行下降方向，从而不存 在P同时满足： 其中，指标集J={j｜gj(X*)=0, 1≤j≤l}。 定理4 最优性条件 2. 库恩-塔克条件 Gordan引理 设A1，A2，…，Al是l个n维向量，不存在向量P使 成立的充要条件是，存在不全为零的非负实数μ1，μ2，…，μl，使 最优性条件 (2) Fritz John定理 设X*是非线性规划的局部最优点，函数f(X)和gj(X)(j=1,2,…，l)在X*点有连续一阶偏导数，则必存在不全为零的数μ0，μ1，μ2，…，μl，使 最优性条件 (3) 库恩-塔克条件证明 设X*是非线性规划的局部极小点，f(X)和gj(X)(j=1,2,…，l)在点X*处有一阶连续偏导数，而且X*处的所有起作用约束梯度线性无关，则存在数 ，使 最优性条件 例6-9 用库恩-塔克条件解非线性规划 解 将其变为以下形式： 设库恩-塔克点为x*，各函数的梯度为 最优性条件 对第一个和第二个约束条件分别引入广义拉格朗日乘子μ1*和μ2*，则得该问题的库恩-塔克条件如下： 为解该方程组，需分别考虑以下几种情况： (1) μ1*＞0，μ2*＞0：无解。 (2) μ1*＞0，μ2*=0:x*=1,f(x*)=9 (3) μ1*=0,μ2*=0:x*=4,f(x*)=0 (4) μ1*=0,μ2*＞0:x*=6,f(x*)=4 对应于上述(2)、(3)和(4)三种情形，我们得到了三个库恩-塔克点，其中x*=1和x*=6为极大点，而x*=1为最大点，最大值f(x*)=9(参看下图)；x*=4为可行域的内点，它不是该问题的极大点，而是极小点。 最优性条件 制约函数法 二、制约函数法 制约函数法是通过构造某种制约函数，并将它加到非线性规划的目标函数上，从而将原来的约束极值问题，转化为无约束极值问题来求解