第5章 二次规划.pptVIP

第5章 二次规划 §5.1 二次规划 一个带有二次目标函数和线性约束的最优化 问题称为二次规划.这类问题不仅自身有着重 要作用,而且在通常的约束问题的求解中也有 着重要作用,例如序列二次规划方法和增广方 法等. 通常,二次规划问题叙述如下: * * 其中G是n*n对称矩阵，E与I分别对应等式和不等式约束的有限的指标集，d,x 和 , 都是n维向量。二次规划能在有限次迭代中被解或者证明是不可行的，但寻求解的效果非常依赖于目标函数的特性和不等式约束的个数。如果hesse矩阵G是不定的因此规划可能有多个稳定点和局部极小点，所以此规划更富有挑战性与更为困难。 下面给出具体的投资规划问题：每个投资者都认识到在投资中有风险和回报。为了增加在投资中期望的回报，投掷者将必须承担更大风下。投资理论研究具有回报率 的n个可能投资如何投入的模型。此回报率可能在未来为来并不知道，然而通常驾驶室一整台分布的随机变量。我们使用期望值 构成此变量的特征，此方差测 与 定变量 关于其均值的影响度，这样比值 越大表示风险越大。 一个投资者构建以整个投资额的比率 投资 于项目i（i=1，2，…,n）的投资方案。假设所 有投资额都投资并且不允许贷款，则约束是 且 投资利润回报由下面给出 为测定投资的核实利润，需要获得期望回报于 访查，此期望回报简单及为 从统计的基本定律，其方差也能计算。它依赖 于每对投资的相关方差，定义为 相关系数测定了关于投资 I和J的项目的回报已相向方向的趋势。两个项目投资回报一起上升和下降有正的协方差。 越接近1，两项投资互相 越接近。两项投资回报已方向运动具有负的协方差。整个投资的方差R由下面给出： 我们有兴趣研究在投资中所期望的回报 为最大而方差 为最小，在Markouitz提供 的模型中，组合上述两个目标加入风险允许参数 后，组成单目标函数，求解下面 问题获得最优 组合投资。 这里参数 ，所选择的值依赖于各人投 资的偏好，写作投资更强调投资的风险，所以他们将选择方差在目标函数中的权重，而增加k的值。更冒险的投资者希望获得更大期望收益，所以他们取k接近于零。应用组合投资优化问题的困难是在实际生活中如何确定期望回报，方差和协方差。一种可能是选取历史数值来定义这些量 。当然，不希望假定未 来逊于过去。进一步，就是历史数者获得也可能不方便。金融专家通常结合历史数值和自己的经验与期望产生值 。 二次规划问题不仅本身具有相当广泛实际应用背景，而且正如我们在下一章中所看到的，在求解其他类型的约束优化问题时，常常需要 求解一系列作为子问题出现的二次规划问题。 5.2 等式约束二次规划问题 等式约束二次规划问题可描述成下列形式 其中 不失一般性,以下假设A为 列满秩的,即其秩为m.对于问题(5.2.1)——(5.2.2),可以应用各种消去法求解.又由于其特殊性,还可以给也其解析解.现在使用经典直接消去法.设对等到式约束(5.2.2) (5.2.1) (5.2.2) 为m×m非奇异方阵.此时等式约束(5.2.2)可改写成 (5.2.3) 相关的量x,g,A与G作如下分块, 其中 ,其余类似.该分块使得 为m×m非奇异方阵.因 存在,此时由方程 (5.2.3)可得 (5.2.4) 将此代入q(x),则可使问题(5.2.1)——(5.2.2)转化为下列无约束优化问题 (5.2.5) 其中 如果 正定,则易知问题(5.2.5)的最优解为 代入(5.2.4)即可确定对应的 ,从而找到问题 (5.2.1)——(5.2.2)的最优解 (5.2.5a) 相应的最优Lagrange乘子 可由下式确定. (5.2.6) 其实,只须考虑该方程组的前m行即给出λ*的表达式如下, 如果G正半定,则不难证明当 (5.2.7) 时,问题(5.2.5)有界,且其最优解为 这里 为任意向量, 表示 的广义逆 矩阵.此时,原问题(5.2.1)——(5.2.2)的最优解与 最优乘子则可通过上式与(5.2.3)类似地确定.若 (5.2.7)下成立,则可以推出问题(5.2.5)无下界,从 而原问题(5.2.1)——(5.2.2)亦无下界. 如果 存在负的特征值,则问题(5.2.5)无下界, 原问题(5.2.1)——(5.2.2)不存在有限最优解. 广义消去法 直接消去法简单明了,但因要计算 的逆涉 及多个矩阵相乘,在 近于奇异时可能由于计 算误差而不稳定.消去的一个直接推广为广义消去法.基于A为列满秩,可心将全空间 划分成两 个互补的子空间:一个由A的列所生成的像空间,而另一个是A的零空间.设Y为由A的列所生成的像空间的一组基所构成