运筹学课件非线性规划（精品ppt）.pptVIP

简约梯度法 (4.5.12) Wolfe法步骤 惩罚函数法 思想：利用问题中的约束函数做出适当的带有参数的惩罚函数，然后在原来的目标函数上加上惩罚函数构造出带参数的增广目标函数，把(MP)问题的求解转换为求解一系列无约束非线性规划问题。 罚函数法 障碍函数法 罚函数法 设法适当地加大不可行点处对应的目标函数值，使不可行点不能成为相应无约束极小化问题的最优解。 罚函数 实际应用中，选取一个递增且趋于无穷的正罚函数参数列 其中 *** ** 罚函数法计算步骤 障碍函数法 在可行区域的边界上筑起一道“墙”，当迭代点靠近边界时，所构造的增广目标函数值陡然增大，于是最优点就被“挡”在可行区域内部了。 构造障碍函数 障碍函数法步骤 第*页 运 筹 帷 幄 之 中 决 胜 千 里 之 外 运 筹 学 课 件 非线性规划 Non-linear Programming 非线性规划 基本概念 凸函数和凸规划 一维搜索方法 无约束最优化方法 约束最优化方法 基本概念 非线性规划问题 非线性规划方法概述 非线性规划问题 例1 曲线的最优拟合问题 例2 构件容积问题 数学规划 约束集或可行域 MP的可行解或可行点 向量化表示 当p=0,q=0时，称为无约束非线性规划或者无约束最优化问题。 否则，称为约束非线性规划或者约束最优化问题。 最优解和极小点 非线性规划方法概述 非线性规划基本迭代格式 凸函数和凸规划 凸函数及其性质 凸规划及其性质 凸函数及其性质 凸规划及其性质 约束集 如果(MP)的约束集X是凸集，目标函数f是X上的凸函数，则(MP)叫做非线性凸规划，或简称为凸规划。 定理 4.2.6 凸规划的任一局部最优解都是它的整体最优解。 一维搜索方法 精确一维搜索方法 0.618法 Newton法 非精确一维搜索方法 Goldstein法 Armijo法 0.618法（近似黄金分割法） Newton法 Goldstein法 Goldstein法步骤 Armijo法 无约束最优化方法 无约束问题的最优性条件 最速下降法 共轭方向法 无约束问题的最优化条件 最速下降法 共轭方向法 二次严格凸函数的无约束最优化问题 F-R法步骤 约束最优化方法 约束最优化问题的最优化条件 简约梯度法 惩罚函数法 其中 (MP) 约束最优化问题的最优化条件 令 K-T条件 第*页