管理运筹学 第10章 无约束最优化.pptx

Chapter10

第10章

UnconstrainedOptimization

无约束最优化;UnconstrainedOptimization;基本概念;在科学管理和其他领域中，大量应用问题可以归结为线性规划问题，但是，也有另外许多问题，其目标函数和（或）约束条件很难用线性函数表达。如果目标函数和（或）约束条件中包含有自变量的非线性函数，则这样的规划问题就属于非线性规划。

非线性规划是运筹学的重要分支之一。最近30多年来发展很快，不断提出各种算法，而其应用范围也越来越广泛。比如在各种预报、管理科学、最优设计、质量控制、系统控制等领域得到广泛且不短深入的应用。

一般来说，求解非线性规划问题比线性规划问题困难得多。而且，也不象线性规划那样有单纯形法这一通用的方法。非线性规划的各种算法大都有自己特定的使用范围，都有一定的局限性。到目前为止还没有适合于各种问题的一般算法，这是需要深入研究的一个领域。我们只是对一些模型及应用作简单介绍。;;例2对象面积问题;例3：选址问题

设有个市场，第个市场位置为，它对某种货物的需要量为。现计划建立个仓库，第个仓库的存储容量为试确定仓库的位置，使各仓库对各市场的运输量与路程乘积之和为最小。

设第个仓库的位置为第个仓库到第个市场的货物供应量为则第个仓库到第个市场的距离为;目标函数为;（1）数学规划模型的一般形式：;（2）简记形式：;（3）数学规划问题的分类：;（4）可行域和可行解：;（5）最优解和极小点;如果有;;例1：用图解法求解

minf(x)=(x1－2)2+(x2－2)2

s.t.h(x)=x1+x2-6=0;;解：①先画出等式约束曲线的图形——抛物线，;极值点存在的条件;梯度有以下两个重要性质：

性质一函数在某点的梯度不为零，则该梯度方向必与过该点的等值面（等值线）垂直;

性质二梯度方向为函数等值面（等值线）的法线方向，沿着这个方向函数值增加最快，（负梯度方??也叫最速下降方向）。;定理2：充分条件设R是n维空间En上的某一开集，f(x)在R内有二阶连续偏导数，且在点若，且对任何非零向量有

;Hesse矩阵;注意：定理2只是充分条件

不是必要条件，不满足此条件也可能是也可能不是极小点。;二次型的正、负定判断;二次型;解：由于;解：由于;例：判定二次型的正负定;1、;2、;3、;1.凸函数的概念

凸集概念：

设R是n维线性空间En的一个点集，若R中的任意两点x(1),x(2)的连线上的一切点x仍在R中，则称R为凸集。

即：若R中的任意两点x(1),x(2)∈R，存在0≤?≤1使得

x=?x(1)+(1-?)x(2)∈R,则称R为凸集;凸函数;;;;;;;性质1:;性质2:;;定理1：（一阶条件）;3.凸函数的判定;4.凸函数的极值;例:Minf(X)=2x12+5x22+x32+2x2x3

+2x1x3-6x2+3X?E3

解：?f(X)=（4x1+2x3,10x2+2x3–6,

2x1+2x2+2x3）=0

驻点x*=(1,1,-2)T

H(X)=?xxf(X)=;H(X)=?xxf(X)=;H(X)正定，X*=(1,1,-2)T为最优解。

f(X*)=0;例:求极值f(X)=x1+2x3+x2x3-x12-x22-x32

X?E3

解：?f(X)