优化设计的数学基础.pptVIP

对于等式约束优化问题：01minf(x)02s.t.hk(x)=0(k=1,2,?m)03需要导出极值存在的条件。04数学上有两种处理方法：05消元法（降维法）06拉格朗日乘子法（升维法）072.5等式约束优化问题的极值条件一、消元法一、消元法1）二元函数只有一个等式约束minf(x1，x2)s.t.h(x1，x2)=0处理方法：将x1表示为x1=?(x2),并代入目标函数中消去x1,变成一元函数F(x2),则等式约束优化问题变为无约束优化问题。目标函数二维变一维,故称降维法。2）n维情况minf(x1，x2，?，xn)s.t.hk(x1，x2，?，xn)=0(k=1,2,?l)由l个约束方程将n个变量中的前l个变量用其余n-l个变量表示，有x1=?(xl+1,xl+2,?,xn)x2=?(xl+1,xl+2,?,xn)?xn=?(xl+1,xl+2,?,xn)将这些函数关系代入到目标函数中，得到只含有xl+1,xl+2,?,xn共n-l个变量的函数F(xl+1,xl+2,?,xn),从而利用无约束优化问题的极值条件求解。（因为将l个约束方程联立往往求不出解来，实际上难于求解）二、拉格朗日乘子法通过增加变量将等式约束优化问题变成无约束优化问题。对于minf(x)s.t.hk(x)=0(k=1,2,?l)在极值点x*处有(k=1,2,?l)令可通过其中的l个方程(a)来求解l个待定系数?1，?2，?，?l，使得l个变量的微分dx1,dx2,?，dxl的系数全为零。于是得到则有(b)(j=l+1,l+2,?,n)式（a),(b)及等式约束条件hk(x)=0(k=1,2,?l)就是点x达到约束极值的必要条件。式（a),(b)可以合并写成(i=1,2,?,n)（c）令式中待定系数?k称为拉格朗日乘子，F(x,?)称为拉格朗日函数。本方法称为拉格朗日乘子法。把F(x,?)作为一个新的无约束条件的目标函数来求解它的极值点，所得结果就是满足约束条件的原目标函数的极值点。自F(x,?)具有极值的必要条件：可得l+n个方程。由这些方程组求得函数f(x)的极值点x*=[x1*x2*?xl*]T.单击此处添加大标题内容单击此处添加正文，文字是您思想的提炼，为了演示发布的良好效果，请言简意赅地阐述您的观点。您的内容已经简明扼要，字字珠玑，但信息却千丝万缕、错综复杂，需要用更多的文字来表述；但请您尽可能提炼思想的精髓，否则容易造成观者的阅读压力，适得其反。正如我们都希望改变世界，希望给别人带去光明，但更多时候我们只需要播下一颗种子，自然有微风吹拂，雨露滋养。恰如其分地表达观点，往往事半功倍。当您的内容到达这个限度时，或许已经不纯粹作用于演示，极大可能运用于阅读领域；无论是传播观点、知识分享还是汇报工作，内容的详尽固然重要，但请一定注意信息框架的清晰，这样才能使内容层次分明，页面简洁易读。如果您的内容确实非常重要又难以精简，也请使用分段处理，对内容