非线性最优化.pptVIP

2021/3/14 * 于是得到初始基本可行解如下 但是,只有当zj=0时才能得到原来问题的解, 故必须对上述问题进行修正,从而得到如下线性 规划问题: 2021/3/14 * 2021/3/14 * 该线性规划尚应满足式(4.17),即xj和yj(对每一个j) 不能同时为基变量.若(4.20)的最优解为 (x1*, x2*, … ,xn+m*, y1*,y2*, … , yn+m*, z1 =0, z2=0, … ,zn=0), 则 (x1*, x2*, … ,xn* )就是原二次规 划问题的最优解. 例2 求解二次规划 解: 将上述二次规划改写为 2021/3/14 * 由于c1和c2小于零,故引入的人工变量z1和z2前面取 负号,这样就得到线性规划问题如下 可知目标函数为严格凸函数.此外 2021/3/14 * 或 此外尚应满足 用线性规划的单纯形法解之(注意,在转换过程中应满足xi yj=0),得该线性规划问题的解如下: 2021/3/14 * 由此得到原二次规划问题的解为 可以验证 以及y3*=32/13满足库恩-塔克条件. 2021/3/14 * 4.3 可行方向法 现考虑非线性规划(4.3).设X(k)是它的一个可行解, 但不是要求极小点.为了求它的极小点或近似极小点, 应在X(k)点的可行方向中选取某一方向P(k),并确定步 长λk ,使 若满足精度要求,迭代停止, X(k)就是所要求的点.否则, 从出发继续进行迭代,直到满足要求为止.上述这种方 法称为可行方向法. 2021/3/14 * 可行方向法具有以下特点:迭代过程中所采用 的搜索方向为可行方向,所产生的迭代点列{X(k)} 始终在可行域内,目标函数值单调下降. 下面介绍Zoutendijk的可行方向法. 设X(k)点的起作用约束集非空,为求X(k)点的 可行下降方向,可由下述不等式组确定向量D: 这等价于由下面的不等式组求向量D和实数η: 2021/3/14 * 这等价于求解下述线性规划问题: (7.24)式中D的分量di限制为│di│≤1 ,为的 是使该线性规划有有限最优解. 2021/3/14 * 设(7.24)的最优解为(D(k),ηk ).如果ηk =0, 说 明在X(k)点不存在可行下降方向,在▽gj(X(k)) (j∈J(X(k)))线性无关的条件下, X(k)为K-T点.若 ηk0,则D(k)是可行下降方向. 上述可行方向法的迭代步骤如下: (1)给定允许误差ε 0,选初始近似点 X(0)∈S,置k:=0. (2)令J(X(k))={j| gj(X(k))=0,1≤ j≤ l} 1)若J(X(k))=φ(φ为空集),且 ‖▽ f(X(k))‖2 ≤ε,则停止迭代,得点X(k). 2021/3/14 * 2)若J(X(k))=φ,但‖▽ f(X(k))‖2 ε ,则取搜 索方向D(k) = -▽ f(X(k)),然后转向第5步. 3)若J(X(k))≠φ,转向下一步. (3)求解线性规划 设它的最优解是(D(k),ηk). 2021/3/14 * (4) 若满足|ηk|≤ε,则停止迭代,得到点X(k); 否则,以P(k)为搜索方向,并转向下一步. (5) 解下述一维极值问题 此处 (6) 令 转回第(2)步. 2021/3/14 * 第四节 制约函数法 常用的制约函数基本上有两类:一为惩罚函数 （或称罚函数）,一为障碍函数,对应这两种函数, SUMT有外点法和内点法. 一 外点法 (一)罚函数 2021/3/14 * 为使x∈S且f(x)下降,可构造辅助函数,化 为无约束问题. 2021/3/14 * 2021/3/14 * 2021/3/14 * 2021/3/14 * 2021/3/14 * 2021/3/14 * 例2.用外点法求解非线性规划P: 2021/3/14 * 2021/3/14 * 2021/3/14 * 2021/3/14 * 2021/3/14 * 2021/3/14 * 2021/3/14 * 外点法与内点法的比较: 1. 外点法的初始点可以任取,而内点法的初始 内点不易求. 2. 外点法适用于等约束,而内点法却不行. 3. 外点法的惩罚项的可导阶数较低. 4. 外点法的迭代点一般不是可行点,而内点法的的迭代点都是可行点. 5. (内)外点法均适用于非凸规划. 6. (内