管理系统分析2008第七章系统优化理论1.ppt

9.1 概述 优化问题的一般形式及分类 优化问题的基本概念 8 多面体、极点、极方向 2.3 多面体、极点、极方向 多面体 S = { x?Rn?Ax = b , x≥0 }的极点和极方向 定理3（表示定理）考虑上述多面体S， 设A满秩，x(1),x(2) , …,x(k)为所有极点， d(1),d(2) , …,d(l)为所有极方向。那么，对于 ?x?S，?λi≥0，且λ1+ λ2+…+ λk= 1, ?j≥0, j = 1,2,…,l, 使 x = λ1 x(1) + λ2 x(2) + … + λk x(k) + ?1 d(1) + ?2 d(2) + … + ?l d(l) . 9、确定性优化模型解的核心问题 DFP法 9.4 约束优化问题 约束极值问题基本概念 等式约束问题Lagrange定理 不等式约束问题Kuhn-Tucker条件 一般约束问题Kuhn-Tucker条件 序列无约束最优化技术 9.4.1 约束极值问题基本概念 9.4.2等式约束问题 9.4.3不等式约束问题 9.4.4一般约束问题Kuhn-Tucker条件 9.4.5 序列无约束最优化技术 通过求解一系列无约束最优化问题来求解约束最优化问题的方法 外点法 内点法 9.4.5-1 外点法：罚函数法 图示 9.4.5-2闸函数法（内点罚函数法） * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 罚函数法与闸函数法的缺点： 1°当罚函数法（闸函数法）的μ →∞ （ μ → 0+）时，惩罚项→+ ∞? 0或0? + ∞形式，在计算上有困难； 2°计算一系列无约束问题，故计算量大。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * (2)、起作用约束 x(0)∈R gj(x(0))0 称约束gj(x)?0 为对x(0)不起作用约束 gj(x(0))=0 称约束gj(x)?0 为对x(0)起作用约束 R P P P P ? R P ? gj(x(0)) gj(x0)=0 x0 理由 ：∵可行域R内点x，满足gj(x)0 ∴ ? gj(x(0)) 指向域内 当0? ? ? 90? 时 =?? ??. ??P??cos? 0 P为可行方向 ? gj(x(0)).P ? gj(x(0)) (3)、可行方向条件 x(0) ,可行方向P，起作用约束gj(x)?0 有 ? gj(x(0))T .P0 ? gj(x(0))T .P0 证明：可行方向条件 (4)、下降方向 P为x(k)下降方向，必须满足： x=x(k)+?P(k) (??0) 将f(x)在x(k)点处Taylor展开 f(x(k)+?P(k))=f(x(k))+ f(x(k))T?P(k)+o(║? P(k)║) 即f(x(k)+?P(k))?f(x(k))+ f(x(k))T?P(k) 要f(x(k)+?P(k)) f(x(k)) 需 f(x(k))TP(k)0 (??0) (5)、可行下降方向 P为x(k)点处可行下降方向，必须满足： 在最优点处不存在可行下降方向，即或者不存在下降方向，或者下降方向不可行。 R P 问题 求z=f(x,y)极值，在ф(x,y)=0的条件下。 min f(x,y) S.t. ф(x,y)=0 引入Lagrange乘子：λ Lagrange函数 L(x,y;λ)= f(x,y)+ λ ф(x,y) 若(x*,y*)是条件极值，则存在λ* ，使 fx(x*,y*)- λ* фx (x*,y*) =0 fy(x*,y*)- λ* фy(x*,y*) =0 Ф (x*,y*)=0 推广到多元情况，可得到对于(fh)的情况： 若x*是(fh)的l.opt. ,则存在υ*∈ Rl使 分量形式： 矩阵形式： 几何解释： f在l.opt的梯度一定是起作用约束梯度的线性组合。 定理（最优性必要条件）（K-T条件）：问题(fg), 设S={x|gi(x