求解极小极大问题地新算法.docxVIP

求解极小极大问题的新算法 二 算法 第二章算法 出m归(；)仨剖卦 蠡扛，暑『，t)={ mp，掣，t)，n-I-1≤t≤n-I-m且玑0， min．‰(d，I)=川最+V最r,：ell2， 晖(△)=(露。，《。，霹‘)r 2 求解极小极大问题的新算法 二 算法 考虑子问题 min．讥(毋)=d“+{d盯凤d￡， s·t VF[dt=0, (2．3) 弧+扩”+一≥0， Ildt|I。≤△． 其中风为问题(2．1)的Lagrange函数L(x，可，t，A，／．t)的Hesse矩阵的近似．记 (2．3)的解雌(△)=(雄，硭，《)r，在(z^，Yk，埘T的尝试步d七(△)=dj{(△)+《(△)． 为了判断尝试步是否可接受，定义问题(2．1)中等式约束可行性的预测 下降量 predk(A)=IiFkli2一lI最+V风T靠(△)112 和实际下降量 aredk(A)=IIFtll2一IIF((xk，讥，“)T+以(△))112． 如果aredk(A)≥plpredk(A)，Pl∈(0，1)为常数，则对于(2．1)的约束条件，法向步靠(△)是可以接受的．但为了允许II最¨的非单调性，类似于文【2】)定义松弛的实际下降量 raredk(A)=max{Rk，∑p如I|最一，m—IlF((xk，Yk，tk)r+dk(A))li2． 其中vk∑--1肛女，：l，诈：min七十1，∥)，纵，，≥肛o，p≥1是整数．于是，接受尝 试步的条件可放宽为rated女(△)≥plpre以(△)． 关于Rt的计算，类似于文献【21中算法R，但这里选择范围更广． 算法R：选取序列％满足％≥o，0Qo S％+l／QJ≤l，limj．十oootj=0． 若IIFkll≤min{口％，BII#tII}，则令Rk=min{嚷，II鸯kll2)，且Rt≥善队，}l最一，112 时，j州=靠+1，否则，J¨=拈若lfRllmin{craj。，硎弧忆则令Rk=liFkli2． 求解极小极大问题的新算法 二 算法 同样，我们要求目标函数也有足够的下降，为此，我们定义(2．1)目标函 数的切向预测下降量 pre磙(△)=饥(d：：(△))一仇(d七Ca)) 以及关于整个尝试步的预测下降量 pre《(△)=一讥㈣(△)) 关于整个尝试步的实际下降量 吖e《(△)=tk一(“+壤(△))=一磙(△) 如果 pre《(△)≥用”e《(△)且pre《(△)≥predk(h)． (2．4) 则要求目标函数和约束条件同时改善，否则，只需改善约束条件． 算法2．1 步0：给定nPl，，yl∈(o，1)，他1，0Q，pj1，初始点(黝，Yo，to)T∈ j护+““，△≥△m‘。≥0，k：=0，如：=0． 步1：△(o)：=△，i：=o，计算F七，v取． 步2：解子问题(2．2)和(2．3)得到耀(△(i’)和嚷(△(’’)，调用算法R计算凤． 步3：若窿(△(‘’)=4CA(‘’)=0，则停止． 步4：若(2．4)成立，则转步4．1，否则，转步4．2． 步4．1：若rared女(A(‘’)ptpredk(A(‘’)或aredYk(A(’’)ptpredIk(A(‘))，则转步 5，否则，转步6． 4 求解极小极大问题的新算法 二 算法 步4．2：若raredk(A(‘’)plpredk(A(‘’)，则转步5，否则转步6 步5：△(许1)：=7l△(n，i：=i+1，转步2 步6：△女：=△(“，dk：=以(△(‘’)，且 Xkl：=z^+《，Yk+l：2 Yk+di；，tk+1：=tk+《 A∈【moz{△。打¨△k)，max{Ami。，仇△k)】 置七：=七十1，转步1 5 求解极小极大问题的新算法 三 全局收敛性 第三章全局收敛性 为证明收敛性，本文均在如下假设条件下讨论： (ASl)矗(z)0=1，2， m)在舻上二阶连续可微； (AS2)存在有界闭凸集Q使得对Vk，(孤，Yk，“)r∈Q． 定理1若露(△(‘’)=嗾(△(‘’)=0，则(孤，弧，“)r是问题(2．1)的K—T点． 工扛，Y，t，A，p，u)={erVFkVF^Td“+§11最112+扩TvFkFk V最最一(；)+p—u=。， 隆珧ⅢI。l 工(z，y，t，A，A掣，p，u)=∥‘+{棚FBkdt—ATVF七T∥一A，r(yk+d删+∥V) 求解极小极大问题的新算法 三 全局收敛性 根据解的一阶必要条件， (o／ ／o／一o ，Ae=o，urAe=0，A掣2 0，A掣T弧=0，p≥o，u≥0，AⅣ≥0 于是， (；)一㈦ 珧em i)-(引 化简，得 m m ∑丸V^=0，∑kiei= 一A”，∑九=一1 i=l ‘=1 从而，九=一硝≤0 原始问题(2．1)的Langrange函数是 L(x，Y，￡，A，