论文--非线性规划问地的题目

《论文--非线性规划问地的题目》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文案关于非线性规划问题的求解摘要：本文主要探讨求解非线性规划问题的两种方法：共轭梯度法和变尺度法.第一种方法:共轭方向法,是最常用的一种方法，共轭梯度法具有结构简单，计算量小，储存量小且构造搜索方向不需要求解线性方程组以及算法二次终止性等优点，该方法是最优化方法中相当较好的一种方法，特别是在求解大规模无约束最优化问题时更是得到了广泛的应用.第二种方法：变尺度法，是求解无约束极值问题的一种有效方法，变尺度法是近30多年发展起来的.由于它避免了计算二阶导数矩阵及其求逆过程，又比梯度法的收敛速度快，特别是对高维问题具有显著的优越性，因而使变尺度法获得了很高的声誉，至今仍被公认为求解

2、无约束极值问题最有效的算法之一.关键词：非线性规划；无约束问题；共轭梯度法；变尺度法精彩文档实用标准文案AboutthesolutionofthenonlinearprogrammingproblemAbstract：Thisarticlemainlydiscusstwomethodsofsolvingnonlinearprogrammingproblem:conjugategradientmethodandvariablemetricmethod.Firstmethodcommonlyusedintheconjugatedirectionmethodofakindofmethod,

3、theconjugategradientmethodhassimplestructure,smallamountofcalculationandstoragecapacityissmallandthesearchdirectiondoesnotneedtosolvethelinearequationsandquadraticterminationalgorithm,optimizationmethod,thismethodisquiteagoodoneway,especiallyinsolvinglarge-scaleunconstrainedoptimizationproblems

4、ismorewidelyused.Thesecondmethodistosolveunconstrainedextremevalueproblemofakindofeffectivemethod,variablemetricmethodisdevelopedfornearly30years.Becauseitavoidsthecalculationofthesecondderivativematrixanditsinverseprocess,andfasterconvergencespeedthangradientmethod,especiallyforhigh-dimensiona

5、lproblemhassignificantadvantages,thusmakethevariablemetricmethodwonahighreputation,isstillrecognizedasoneofthemostefficientalgorithmsolvingunconstrainedextremevalueproblem.Keywords:Nonlinearprogramming;unconstrainedproblem;conjugategradientmethod;thevariablemetricmethod精彩文档实用标准文案目录1绪论12非线性规划问题的

6、方法12.1共轭梯度法简介12.2变尺度法简介13共轭梯度法13.1引言13.2基本原理23.3共轭梯度法的算法73.4数值实验74变尺度法84.1引言84.2基本原理84.3计算步骤94.4数值实验10结论13参考文献14致谢15精彩文档实用标准文案1绪论非线性规划问题时形成于二十世纪五十年代的新兴学科，是运筹学的一个重要分支.库恩和塔克于1951年发表的关于最优性条件(后来称为库恩－塔克条件，又称为K-T条件)的论文是非线性规划正式诞生的一个重要标志.非线性规划问题主要研究的是在线性或非线性的约束函数条件下线性或非线性的目标函数的最优化问题，典型的应用领域包括预报、生产流程的安排

7、、库存控制、质量控制、过程设计等诸多方面.特别是在最近三十多年，非线性规划的发展很快，不断有研究者提出各种新的算法，并其的应用范围也越来越广泛，例如在各种预报、管理方面、最优设计、质量控制、系统控制等领域.2非线性规划问题的方法2.1共轭梯度法简介共轭梯度法一开始是1908年由Schmidt引入梯度类方法计算效率高,特别是Hestenes和Stiefel在大约1951年经过不断的改进,并且和统计类反演方法结合形成了统计加迭代的组合反演方法,消除了依赖于初始