高级运筹学-第9章：非线性规划知识讲解.ppt

第 九 章：非线性规划模型;例9-2 某厂生产两种产品，第一种产品每件售价30元，第二种产品每件售价450 元。设x1与x2分别为第一、二种产品的数量，据统计，生产第一种产品所需工作 时间平均为0.5小时，生产第二种产品所需工作时间平均为(2+0.25x2)小时。已 知该工厂在这段时间内允许的总工作时间为800小时，试确定使总收入最大的生 产计划？ ; 2、多元函数 y=f(X)=f(x1,x2,…,xn)：在 X0 附近作泰勒展开，得 ;四、凸函数与凹函数： 1、定义：y=f(x) 是En中某凸集R上的函数 ① 对???[0,1]及?X1、X2 ?R，且 X1≠X2 若f[?X1+(1-?)X2]≤?f(X1)+(1-?)f(X2) ，则f(x)为R上的凸函数。 若f[?X1+(1-?)X2]＜?f(X1)+(1-?)f(X2) ，则f(x)为R上的严格凸函数。 ② 对???[0,1]及?X1、X2 ?R，且 X1≠X2 若f[?X1+(1-?)X2]≥?f(X1)+(1-?)f(X2) ，则f(x)为R上的凹函数。 若f[?X1+(1-?)X2]＞?f(X1)+(1-?)f(X2) ，则f(x)为R上的严格凹函数。; 2、性质：fi(X) 为凸集R上的凸函数，则对?ki≥0，i=1,2,…,m，有 k1f1(X)+k2f2(X)+…+kmfm(X)仍为凸函数。 3、凸函数的判定：f(X) 定义在凸集R上，若f(X)有连续的二阶导数， 则f(X)为凸函数 ? H为半正定。 f(X)为严格凸函数 ? H为正定。 4、凸函数的局部极值与全局极值的关系 若目标函数在可行域中为凸函数，则其极值点为最优值点； 若目标函数在可行域中为严格凸函数，则其极值点为唯一最优值点。 ;五、凸规划： 1、定义：非线性规划;9.2 无约束条件下单变量函数寻优 一、消去法原理： 逐步缩小搜索区间，直至极值点存在的区间达到允许的误差范围为止。 设要寻求f(X)的极小值点为 X* ，起始搜索区间为[a0,b0]。 ?x1、x2 ?[a0,b0]，且x2＜x1，计算 f(x1)和f(x2)，并且比较结果：;二、黄金分割法(0.618法)：是一种常用的消去法 与对分法、Fibonacci法比较，具有计算次数少，过程简单的特点。 ; 3、计算步骤：求函数f(x)的极值点 ;例 求解 f(x)=-18x2+72x+28 的极大值点，?≤0.1，起始搜索区间为[0,3] ;9.3 无约束条件下多变量函数寻优 一、爬山法原理： 通过点的直接移动，逐步改善目标函数取值，???至达到极值点为止。 由以下二部分组成： ① 选定搜索方向； ② 在选定的方向上爬山搜索。; 2、算法步骤： 设 S=f(X)=f(x1,x2)，极值点存在的区间为x1*?[a1,b1]，x2*?[a2,b2] 第一步：从 X(0)=(x1(0),x2(0))T出发 ①先固定x1=x1(0): 求以x2为单变量的目标函数的极值点， 得 X(1)=(x1(0),x2(1))T ，S(1)=f(X(1)) ②再固定x2=x2(1): 求以x1为单变量的目标函数的极值点， 得 X(2)=(x1(2),x2(1))T ，S(2)=f(X(2)) 此时S(2)优于S(1)，且搜索区间缩短为x1*?[x1(2),b1]，x2*?[x2(1),b2] 第二步：如此交替搜索，直至满足给定精度 ? 为止 |f(X(k)) -f(X(k-1))|＜? 或 |S(k)-S(k-1)|＜? ;例 求 S = f(x) = x12 + x22 - x1x2 -10x1 - 4x2 + 60 的极小值点， ?=0.01 ;k;三、一阶梯度法(最速下降或上升法):选择负梯度方向为搜索方向 设求 S=f(X)=f(x1,x2,…,xn)的极值点。 1、原理：①从起点 X(0) 出发，沿某个有利方向 P(0) 进行一维搜索， 求得 f(X) 在 P(0) 方向近似极小点 X(1) ； ②从点 X(1) 出发，沿某个新有利方向 P(1) 进行一维搜索， 求得 f(X) 在 P(1) 方向近似极小点 X(2