优化设计基础.pptVIP

第二章优化设计的数学基础第五节等式约束优化问题的极值条件n元函数（l个等式约束条件）：（n-l维无约束优化问题）消元法第31页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第五节等式约束优化问题的极值条件n元函数（l个等式约束条件）：拉格朗日乘子法极值必要条件第32页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第五节等式约束优化问题的极值条件例：第33页，共38页，星期日，2025年，2月5日关于优化设计基础第1页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第一节多元函数的方向导数和梯度一个多元函数可用偏导数的概念来研究函数沿各坐标方向的变化率。二元函数的偏导数：第2页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第一节多元函数的方向导数和梯度方向导数：第3页，共38页，星期日，2025年，2月5日θ2θ1o偏导数与方向导数之间的数量关系：第4页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第一节多元函数的方向导数和梯度多元函数的方向导数：第5页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第一节多元函数的方向导数和梯度例：第6页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第一节多元函数的方向导数和梯度梯度：方向导数与梯度的关系：第7页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第一节多元函数的方向导数和梯度梯度：梯度的性质：1）梯度是一个向量；2）梯度方向是方向导数最大的方向，即函数值变化最快（函数值变化率最大）的方向；3）梯度方向是等值面（线）的法线方向。第8页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第一节多元函数的方向导数和梯度多元函数的梯度：第9页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第一节多元函数的方向导数和梯度例题：解：函数变化率最大的方向就是梯度方向，用单位向量表示，函数变化率最大的数值就是梯度的模。第10页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第二节多元函数的泰勒展开一元函数第11页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第二节多元函数的泰勒展开二元函数：二元函数泰勒展开式的矩阵形式：对称矩阵第12页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第二节多元函数的泰勒展开多元函数泰勒展开式的矩阵形式：是函数在该点的梯度第13页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第二节多元函数的泰勒展开多元函数的海赛矩阵：第14页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第二节多元函数的泰勒展开正定矩阵：第15页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础矩阵正定与负定的判定：正定：矩阵A正定的条件是A的各阶主子式大于零；负定：矩阵A负定的条件是各阶主子式负、正相间。第二节多元函数的泰勒展开第16页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第三节无约束优化问题的极值条件必要条件充分条件第17页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第三节无约束优化问题的极值条件第18页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第三节无约束优化问题的极值条件例：第19页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第四节凸集、凸函数和凸规划当极值点x*能使f（x*）在整个可行域中为最小值（最大值）时，即在整个可行域中对任一x都有f（x）≥f（x*）（或者f（x）≤f（x*））时，则x*就是全局极小点（全局极大点）。全局极值点（最优点）：第20页，共38页，星期日，2025年，2月5日第二章优化设计的数学基础第四节凸集、凸函数和凸规划若f（x*）为局部可行域中的极小值（极大值）而不是整个可行域中的最小值（或最大值）时，则称x*为局部极小点（局部