运筹学第十四章　非线性规划.pptVIP

第一节　基本概念 一、非线性规划的数学模型二、函数的凸性三、非线性规划寻优方法概述 一、非线性规划的数学模型 非线性规划的数学模型通常表示为以下形式 Min f(x)j(x)≥0， j=1， 2， …， k 其中X=(x1，x2，…，x n)，T是n维欧氏空间En中的向量(点)， f (x)为目标函数， j(x)≥0为约束条件。目标函数和约束条件中至少有一个是自变量x的非线性函数。 二、函数的凸性 1.一元函数的情况2.多元函数的情况3.凸函数的基本性质4. 函数的凸性与局部极值及全局最优值之间的关系 1.一元函数的情况 图　14-1 2.多元函数的情况 图　14-2 3.凸函数的基本性质 (1)若f1(x)与f2(x)为凸集D上的两个凸函数， 则对任意的正数a与b， 函数af1(x)+bf2(x)仍为D上的凸函数。 (2) 当函数f (x)在凸集D上二阶导数连续时， 则对于所有的x ∈D， f (x)为凸函数的充分必要条件是： 赫森矩阵A为半正定。若赫森矩阵A为正定， 则f (x)为严格凸函数。 4. 函数的凸性与局部极值及全局最优值之间的关系 设f (x)为定义在凸集D上的一个函数， 一般来说， f (x)的极值点不一定是它的最优点。但是， 若f (x)为D上的一个凸函数， 则f (x)的任何极值点， 同时也是它的最优点。若f (x)是严格的凸函数， 则它有唯一的最优点。 三、非线性规划寻优方法概述 1.间接寻优方法(解析法)2.直接寻优方法(搜索法) 1.间接寻优方法(解析法) 利用求导数寻求函数极值的方法，即古典的微分法就属于这一类。这类方法要求把一个非线性规划问题用数学方程式描述出来，然后按照函数极值的必要条件用数学分析的方法求出其解析解，再按照充分条件或者问题的实际物理意义间接地确定最优解，因此称为间接法，也称为解析法。 2.直接寻优方法(搜索法) 这是一种数值方法，利用函数在某一局部区域的性质或一些已知点的数值。来确定下一步计算的点，这样一步步搜索、逼近，最后达到最优点。直接寻优方法又分为两大类：消去法和爬山法。 第二节　一维搜索方法 一、概述二、黄金分割法(0.618法) 一、概述 (1)确定初始搜索区间，该区间必须是单峰区间。(2)确定最优步长。 一、概述 图　14-3 图　14-4 二、黄金分割法(0.618法) 第三节　最速下降法和DFP法 一、最速下降法二、DFP法 一、最速下降法 (1)取初始点x1∈En，允许误差ε＞0，令k∶=1。(2)计算zk=-fx(xk)T。(3)检验是否满足条件(4)求单变量极值问题的最优解λk∈E1(5)令xk+1=xk+λkzk，k∶=k+1，转到(2)。 一、最速下降法 图　14-5 二、DFP法 (1)取初始点x1∈En，允许误差ε＞0。(2)检验是否满足条件(3)则H1=I(n)，I(n)为n×n单位矩阵，记(4)令=zk=-Hkgk。(5)求单变量极值问题的最优解λk：(6)令x(k+1)=xk+λkzk。(7)检验是否满足条件‖fx(xk+1)T‖≤ε？若满足，则迭代停止，得到点xk+1；否则，当k=n时，令x1∶=xk+1，转到(3)；当k＜n时，令gk+1=fx(xk+1)T，ΔgK=gk+1-gk，Δxk=xk+1-xk，计算n×n阶方阵(8)令k∶=k+1，转到(4)。 第四节　单纯形法 一、基本原理二、计算方法三、计算举例 一、基本原理 图　14-6 第十四章　非线性规划 第一节　基本概念第二节　一维搜索方法第三节　最速下降法和DFP法第四节　单纯形法第五节　约束最优化方法