[理学]第六章 约束优化方法.ppt

例6.1 求曲面4z=3到平面x+y-4z=1的最短距离。 解：1、建立数学模型 取点A,B,限制点Ａ在曲面上变化，点Ｂ在平面上变化，则Ａ，Ｂ间距离Ｓ的最小值即为解，据此，设点Ａ( ）B（ ）， 则问题即为： 　min　 　　 s.t.　 其中已把距离Ｓ最小等价地替代成 最小以化简目标函数.　　 ２、利用最优化条件求解 在加上约束条件（or理解为 和 ） 由上述方程組解得： 相应目标函数值为 ，由几何意义知，最优解肯定存在，又据必要条件仅此一个解，　　故（ ）为最优解和 即为最优解。此例中所用的方法即称为Lagrange 乘子法. 6.4 惩罚函数法 考虑一般约束最优化问题： s.t （6.36） 本节所述方法的基本策略，根据约束的特点（等式或不等式）构造某种“惩罚”项，然后将它加到目标函数中去，使得约束问题的求解转化为一系列无约束问题的求解，这种“惩罚”策略，对于无约束问题求解过程中企图违反约束的那些点给以很大的函数值，迫使一系列无约束问题的极小点或者不断地向可行域靠近，或者一直保持在可行域内移动，直到收敛于原约束问题的极小点.本节讲述的三种方法，第一种是外部惩罚函数法（又称外点法），它对违反约束的点在目标函数中加入相应的惩罚项，而对可行点不予惩罚，此法的迭代点一般在可行域外部移动；第二种是内部惩罚函数法（又称内点法），它对企图从内部穿越可行域边界的点在目标函数中加入相应的“障碍”，距边界越近，障碍越大. 在边界上给予无穷大的障碍，从而保证迭代一直在可行域内部 移动；第三种是混合法。 一.外罚函数法 对于等式约束问题： s.t 定义辅助函数： 参数 是很大的正数，当我们求解无约束问题： （6.39） 得到最优解，满足 时。显然 即为问题 （6.37）的最优解，而在求解（6.39）的过程中，若 不满足 则（6.38）中第二项将是很大的正数，限制它成为 极小点，以迫使无约束问题（6.39）的最优解满足(或接近满足) 由此可见，求解问题（6.39）能够得到问题（6.37）的近似解. 对于不等式约束问题： s.t （6.40） 可用同样的思想方法构造辅助函数，即在可行点上辅助函数和 值相等；在非可行点上，辅助函数值等于 的值再加上一个很大的正数，例如定义： （6.41） 这样可将问题（6.40）转化为无约束问题： （6.42） 对于一般情形（6.36）可定义辅助函数： （6.43） 其中 可取如下形式： (6.44) 其中 为常数，通常取 .这样，把约束问题 （6.36）转化为无约束问题： (6.45) 其中 为很大的正数. 称为增广目标函数. 由构造知，当 为（6.36）的可行点时