吉珠运筹学演示课件第06章_12样版.pptVIP

牛顿法 考虑一般n元实函数f(X)，假定它有连续二阶偏导数，X(k)为其极小点的某一近似。在这个点附近取f(X)的二阶泰勒多项式逼近： 其中，ΔX=X-X(k) 近似函数的极小点应满足一阶必要条件，即： 设 的逆阵存在，可得 用该式求得的近似函数的极小点，仅是f(X)极小点的近似 牛顿法 用上式求得的近似函数的极小点，仅是f(X)极小点的近似。为求得f(X)的极小点，可以 为搜索方向(牛顿方向)，按下述公式进行迭代： 这就是所谓的阻尼牛顿法(广义牛顿法)，可用于求解非正定二次函数的极小点。 非线性规划 基本概念 一维搜索 无约束极值问题 约束极值问题 最优性条件 最优性条件 1. 可行下降方向 (1) 起作用约束 假定X(0)是一个可行解，它满足所有约束条件。对某一个约束条件gj(X)≥0来说，X(0)满足它有两种情况：一为gj(X(0))＞0，这时，X(0)不在由这个约束条件形成的可行域边界上，我们称这一约束为X(0)点的不起作用约束(或无效约束)；另一种情况是gj(X(0))=0，这时，X(0)点处于由这个约束条件形成的可行域边界上，对X(0)点的进一步摄动来说，这一约束起到了某种限制作用，故称它为X(0)点的起作用约束(或有效约束)。显然，等式约束条件对所有可行点都是起作用约束。 凸函数和凹函数 对于极小化问题，我们要求由