非线性规划问题的求解方法.pptVIP

非线性规划问题的求解方法 Content 无约束非线性规划问题 有约束非线性规划问题 Matlab求解有约束非线性规划问题 一.无约束问题 一维搜索 指寻求一元函数在某区间上的最优值点的方法。这类方法不仅有实用 价值，而且大量多维最优化方法都依赖于一系列的一维最优化。 逐次插值逼近法 近似黄金分割法（又称0.618法） 无约束最优化 指寻求 n元实函数f在整个n维向量空间Rn上的最优值点的方法。无约束最优化方法大多是逐次一维搜索的迭代算法。这些迭代算法的基本 思想是：在一个近似点处选定一个有利搜索方向,沿这个方向进行一维寻查,得出新的近似点。然后对新点施行同样手续，如此反复迭代,直到满足预定的精度要求为止。根据搜索方向的取法不同，可以有各种算法。 最速下降法（负梯度法） Newton法 共轭梯度法 拟Newton法 变尺度法 二.有约束问题 （一）罚函数法（SUMT） 1、算法思想： 将有约束优化问题转化为一系列无约束优化问题进行求解.(Sequential Unconstrained Minimization Technique-SUMT） 2、算法类型： 外点法（外惩法） 内点法（内惩法） 3、问题： 4.1、外点法（外部惩罚函数法）： yes No 外点法框图： 4.2、内点法（内部惩罚函数法）： 内点法框图 yes No 内点法的matlab程序： m=zeros(1,50);a=zeros(1,50);b=zeros(1,50);f0=zeros(1,50); syms x1 x2 e; m(1)=1;c=0.2;a(1)=2;b(1)=-3; f=x1^2+x2^2-e*(1/(2*x1+x2-2)+1/(1-x1)); f0(1)=15; fx1=diff(f,x1);fx2=diff(f,x2);fx1x1=diff(fx1,x1);fx1x2=diff(fx1,x2);fx2x1 =diff(fx2,x1);fx2x2=diff(fx2,x2); for k=1:100 x1=a(k);x2=b(k);e=m(k); for n=1:100 f1=subs(fx1); f2=subs(fx2); f11=subs(fx1x1); f12=subs(fx1x2); f21=subs(fx2x1); f22=subs(fx2x2); if(double(sqrt(f1^2+f2^2))=0.002) a(k+1)=double(x1);b(k+1)=double(x2);f0(k+1)=double(subs(f)); break; else X=[x1 x2]-inv([f11 f12;f21 f22])*[f1 f2]; x1=X(1,1);x2=X(2,1); end end if(double(sqrt((a(k+1)-a(k))^2+(b(k+1)- b(k))^2))=0.001)(double(abs((f0(k+1)-f0(k))/f0(k)))=0.001) a(k+1) b(k+1) k f0(k+1) break; else m(k+1)=c*m(k); end end 结果： ans = 1.0000 ? ? ans = ? -7.1594e-004 ? ? k = ? 14 小结 讲解了两个求解有约束非线性规划问题的特点. 易于实现，方法简单. 没有用到目标函数的导数. 问题的