用外点法求解非线性约束最优化问题.docVIP

题目：用外点法求解非线性约束最优化问题 学 院 信息管理学院 学生姓名 余 楠 学 号 专 业 数量经济学 届 别 2013 指导教师 易 伟 明 职 称 教 授 二O一三年十二月 PAGE \* MERGEFORMAT PAGE \* MERGEFORMAT 2 PAGE \* MERGEFORMAT PAGE \* MERGEFORMAT 1 用外点法求解非线性约束最优化问题 摘要 约束最优化问题是一类重要的数学规划问题。本文主要研究了用外点罚函数法对约束非线性规划问题进行求解。对于一个约束非线性规划用罚函数求解的基本思路是通过目标函数加上惩罚项，将原约束非线性规划问题转化为求解一系列无约束的极值问题。本文最后利用c语言编程得到满足允许误差内的最优解。 本文主要对一个约束非线性规划问题的实例，首先利用上述迭代的方法，计算出各迭代点的无约束极值问题的最优解。然后应用c语言编程，得到精确地最优解，需迭代四次次才使得0.001，得到的最优解为=()。 关键词：外点罚函数法 非线性规划 约束最优化 迭代最优解 背景描述 线性规划的目标函数和约束条件都是决策变量的线性函数，但如果目标函数或约束条件中含有决策变量的非线性函数，就称为非线性规划。非线性规划与线性规划一样，也是运筹学的一个极为重要的分支，它在经济、管理、计划、统计以及军事、系统控制等方面得到越来越广泛的应用。 非线性规划模型的建立与线性规划模型的建立类似，但是非线性规划问题的求解却是至今为止的一个研究难题。虽然开发了很多求解非线性规划的算法，但是目前还没有适用于求解所有非线性规划问题的一般算法，每个方法都有自己特定的适用范围。 罚函数法是应用最广泛的一种求解非线性规划问题的数值解法，它的基本思路是通过目标函数加上惩罚项，将原约束非线性规划问题转化为求解一系列无约束的极值问题。这种惩罚体现在求解过程中，对于企图违反约束的那些迭代点，给予很大的目标函数值，迫使这一系列无约束问题的极小值点无限的向可行集（域）逼近，或者一直保持在可行集（域）内移动，直到收敛于原来约束问题的极小值点。 外点法的经济学解释如下：若把目标函数看成“价格”，约束条件看成某种“规定”，采购人员在规定的范围内采购时价格最便宜，但若违反了规定，就要按规定加收罚款。采购人员付出的总代价应是价格和罚款的综合。采购人员的目标是使总代价最小，当罚款规定的很苛刻时，违反规定支付的罚款很高。这就迫使采购人员在规定的范围内采购。数学上表现为罚因子足够大时，无约束极值问题的最优解应满足约束条件，而成为约束问题的最优解。 二、基础知识 2.1 约束非线性优化问题的最优条件 该问题是一个约束非线性优化问题，利用外点罚函数法求解该问题，约束非线性优化问题的最优解所要满足的必要条件和充分条件是我们设计算法的依据，为此有以下几个定理。 设具有不等式约束的极值问题：min s.t.(X)0 (*) 定理1(Kuhn-Tucker条件)在(*)中假设：①是局部最小值；②f( X),i=1,2,…,m在点连续可微；③(),i线性无关，则存在一组参数使得广义Lagrange函数满足： 对以上定理做几点说明： (1)本应是：或,即是紧约束函数在处的梯度的非负线性组合，但若规定：当时则等式可写成： (2)等价于 (3)如果对所有线性无关，则称为约束的一个正则点，即如果在处起作用的约束函数的梯度是线性无关的，则是一个正则点。如果不是正则点，则K-T条件可能不成立。 定理2 设是问题(*)的可行解，,是凸函数，且在可微，又有满足K-T条件，则是全局最优解。 根据以上两个定理可见，对凸规划来说，K-T条件也是借的充分必要条件。 然而从具体例子可以看出利用极值的必要条件和充分条件去求非线性规划问题的最优解不都是很容易的，下面介绍应用广泛的外点罚函数法的基本算法。 2.2外点罚函数法的基本思想 它的基本思路是通过目标函数加上惩罚项，这种惩罚体现在求解过程中，对于企图违反约束的那些迭代点，给与很大的目标函数值，迫使这一系列无约束问题的极小值点或者无限的向可行集逼近，或者一直保持在可行集内移动，直到收敛于原来约束问题的极小值点。 先考虑不含等式约束的非线性规划问题： (1) 构造一个函数： 现把，则当时，，当时，，即有： (2) 再构造函数： 求解无约束极值问题： (3) 若(3)有极小值