原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第四节：非线性约束最优化方法
第四节 约束最优化方法 线性逼近法迭代步骤： 罚函数法迭代步骤： * 基本方法介绍 线性逼近法 惩罚函数法 概述 NLP一般表达形式为 1）用LP来逐次逼近非线性规划的方法； 2）将约束问题转化为一系列无约束问题来求解（如SUMT内点法、外点法）； minf(X) (2-11) 概 述 常用算法类型 3）对约束NLP 不预先作转换,直接进行处理的分析方法,如可行方向法,梯度投影法,既约梯度法等； 4）对约束非线性规划问题不预先作转换的直接求解方法,如复形法,随机试验法等。 返回 返回 基本思想 利用目标函数和约束条件构造一个新的函数,求解该函数的一系列的无约束问题,使其极小点逼近约束问题的最优解。 惩罚函数法 将NLP转化成求解一个或一系列的无约束问题 SUMT —— Sequential Unconstrained Minimization Technique 返回
文档评论（0）