- 1、本文档共7页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
运筹学第四章作业的参考答案
精品文档
精品文档
收集于网络,如有侵权请联系管理员删除
收集于网络,如有侵权请联系管理员删除
精品文档
收集于网络,如有侵权请联系管理员删除
第四章作业的参考答案
5、判断下列函数是否为凸函数.
(3)
注:在获得Hesse矩阵时,要特别注意对角线上的元素。解: 的Hesse矩阵为
注:在获得Hesse矩阵时,要特别注意对角线上的元素。
.
的各阶主子式分别为
因而为半正定矩阵,所以是凸函数。
9、用0.618法求以下问题的近似解
已知函数的单谷区间,要求最后区间精度。
解:迭代过程用下表给出:
0
1
2
3
0.5
1.646
1.646
1.646
1.646
2.354
2.084
2.354
2.792
2.354
2.084
3.5
3.5
2.792
2.354
否
否
否
是
换
换
换
换
换
第三轮迭代开始时有。所以近似最优解为。
14、求以下无约束非线性规划问题的最优解.
(1)
解:化简目标函数,得
注:对无约束的最优化问题,若目标函数是凸函数,则它的驻点就是它最优解。所以,的Hesse矩阵为
注:对无约束的最优化问题,若目标函数是凸函数,则它的驻点就是它最优解。
.
因为是正定矩阵,所以是凸函数。另一方面,目标函数的梯度向量为
令,即
,
求得目标函数的驻点为. 所以,原问题的最优解为.
16、求最速下降法求解以下问题,要求迭代进行三轮。
(1),取初始点
解:由题意知
第一轮迭代:
。
则
。
所以
。
令
,
解得。所以,。
第二轮迭代:
。
则
。
所以
。
令
,
解得。所以,。
第三轮迭代:
。
则
。
所以
。
令
,
解得。所以,。
23(1)、写出下列问题的K-T条件,并求出它们的K-T点.
注:先把问题化成要求的形式。即,把目标函数化成求最小值的形式,把所有不等式(包括非负约束)化成小于等于零的形式,把所有等式化成等于
注:先把问题化成要求的形式。即,把目标函数化成求最小值的形式,把所有不等式(包括非负约束)化成小于等于零的形式,把所有等式化成等于零的形式。
解:将问题(1)变形为
所以,其Lagrange函数为
所以有
因此,问题(1)的K-T条件是
注:不等式约束函数的Lagrange乘子要大于等于零,而等式约束函数的Lagrange乘子为自由变量。每个不等式约束函数对应一个互补松紧条件,而等式约束函数则没有。
注:不等式约束函数的Lagrange乘子要大于等于零,而等式约束函数的Lagrange乘子为自由变量。每个不等式约束函数对应一个互补松紧条件,而等式约束函数则没有。
作为K-T点还应满足可行性条件
注:K-T点应满足可行性条件。求解时,利用互补松紧条件进行分类讨论。利用互补松紧条件进行讨论
注:K-T点应满足可行性条件。求解时,利用互补松紧条件进行分类讨论。
(I)若 ,则由互补松紧条件知
再加上可行性条件中的一个方程
以及,可解得 。再由互补松紧条件知 。将这些值代入K-T条件的前两个方程有
解得 . 经检验,均满足(1)的K-T条件和可行性条件,因而 为其K-T点.
(II)若 则由互补松紧条件知 由可行性条件知 。再由互补松紧条件知。将这些值代入K-T条件的前两个方程有
解得 与 矛盾。
(III)若 则由互补松紧条件知 由可行性条件知 。与 矛盾。
(IV) 若 将这些值代入K-T条件的前两个方程有
注:若是寻找问题的K-T点
注:若是寻找问题的K-T点,则需要将所有可能的分类都进行讨论;若是求问题的最优解,则找到第一个K-T点时就可以结束了。
再加上可行性条件中的一个方程
可解得 与 矛盾。
综上分析,问题(1)只有一个K-T点。
文档评论(0)