最优化第一部分.pptVIP

向量函数的导数 定义4 设 如果 对于自变量 的各分量的偏导数 都存在，则称向量 函数h 在 处是一阶可导的，并且称矩阵 为h(x)在 处的 一阶导数或Jacobi 矩阵，简记为 最优化理论与方法 第一部分 绪论 n元函数 的梯度是向量函数 由上面定义知，?f(x)的一阶导数或Jacobi矩阵为： 最优化理论与方法 第一部分 绪论 即函数梯度的Jacobi矩阵即为该函数的Hesse矩阵. 最优化理论与方法 第一部分 绪论 例1 求函数 在任意点的梯度 和海赛矩阵。 解: 先求f(x)的各阶偏导数，有 最优化理论与方法 第一部分 绪论 例2 求二次齐次函数的Hesse矩阵 解： 最优化理论与方法 第一部分 绪论 最优化理论与方法 第一部分 绪论 3. Taylor展式 设n元实函数 f(x) 在某点 x(0) 的某一邻域内有连续二阶偏导 数，则可写出它在 x(0 )处的泰勒展开式如下： 若在上式中略去高阶无穷小项，则有相应的近似关系式： 最优化理论与方法 第一部分 绪论 四、凸函数与凸规划 求解非线性规划问题的算法很多，但一般情况下求出的 都是局部最优解。而我们的目的是求问题的全局最优解。为 了达到这个目的，