函数的极值条件

《函数的极值条件》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、函数的极值条件、»、▲刖5我们处理的各种优化问题可以大致分为两类：有约束的优化问题和无约束的优化问题。工程优化问题往往都是有约束的，但经过适当的处理可以用无约朿的优化方法加以解决。因此无约朿极值点存在的条件是优化理论的基本问题。关键字：无约束有约束优化求解无约束优化问题的实质是求解目标函数f(x)在n维空间屮的极值。我们先来看看一元函数的极值条件。1・无约束优化问题的极值条件1.1一元函数的极值条件由高等数学可知，任何一个单值、连续、可微的一元函数f(x)在给定区间内某点兀=疋有极值的必要条件，是它在该点处的

2、一阶导数广(疋)=0即函数的极值必须在驻点处取得。此条件是必要的，但不是充分的,也就是说驻点不一定就是极值点。如图•所示，x=0是驻点，但图1.1-1其中图a中的疋点是极小值点，而图b中的疋并不是极值点。驻点是否为极值点，还需要函数在该点的二阶导数来判断。驻点为极小值点的充分条件是，疋满足不等式：f"（xj>0驻点为极大值点的充分条件是，疋满足不等式：厂（疋）<0若：/•〃（疋）=0则疋是否为极值点，还需要逐次检验其更高阶导数的符号。开始不为零的导数阶数为偶数，则为极值点；若为奇次，则为拐点，而不是极值点。1

3、.2二元函数的极值条件对于二维无约束优化问题，即对二元函数f(x)=f(%i,X2)来说，若在X*(竝，龙)处取得极值，其必要条件是:Ofg,X2)_df(X,%2),_c心珀_udx2写成梯度形式可得:dxrdxrOfgx2)_df(x^x2H_了二x2=x^-udx2恥)=气迫吟fodxrdx2为推得二元函数极值存在的充分条件，将二元函数f(x)在驻点疋=［对，对卩作泰勒二次近似展开，得到近似表达式为:1f(x)=f(x*)+[Vf(x*)]r(x—%*)+-(%—x*)TV2f(x*)(x—%*)

4、J因为驻点满足Vf(x*)=0,故由上式可得:1f(x)—f(x*)=-(%—x*)TV2f(x*)(x—X*)J当f(x)-f(x*)>0,则由上式可知,应有:1-(%—x*)TV2f(x*)(x—%*)>0J此时，疋为极小值。而为使上式成立，根据二次型的理论可知，只耍Hessian矩阵护f(疋)为正定矩阵。故由此可得二元函数极小值存在的充分条件为:V2f(x*)>0仿此可推得二元函数极大值存在的充分条件为:V2f(x*)<013多元函数的极值条件由之前对二元函数的极值条件的推导不难将二元函数极值存在的充分

5、必要条件推广至n元函数。n元函数f(g%2,……,心)在点疋存在极值的充分必要条件为:条件1：Vf(x*)=0条件2：当V2f(%*)>0时,疋为极小值点;而当V2f(x*)<0时,疋为极大值点。条件1为极值存在的必要条件；条件2为极值存在的充分条件。图1.2-1表示满足极值存在的必要条件的驻点不是极值点而是鞍点的情况。图1.2-12•有约束优化问题的极值条件求解约束优化问题的极值条件的实质是在所有约束条件所形成的可行域内，求得目标函数的极值点。因而约束优化问题比无约束优化问题更为复杂。因为约束优化问题的极值

6、点不仅与目标函数的性态有关，而且还与约束条件的性态密切相关，它可能与目标函数的极值点重合（如图所示），也可能不是目标函数的极值点（如图2・lb所示）。图2-la表示的是有四个不等式约束的二维约束优化问题。其目标函数是凸函数，且目标函数的极值点疋处于可行域内，故疋即为该约束优化问题的极值点。图2・lb所示的目标函数和约束丙数都是凸图2-1函数。约束边界g（x）=0与目标函数的等值线疋点相切，而目标函数的自然极值点隔到了可行域之外。因此，此约束优化问题的极值点不是目标函数的自然极值点，而是切点疋。若目标函数或约束

7、函数的性态不同，致使求解约束优化问题带来许多困难。为了研究约束优化问题的求解方法，有必要介绍约束优化问题的极值条件。先阐述等式约束优化问题的极值条件，然后导出不等式约束优化问题的极值条件。2.1等式约束优化问题的极值条件求解等式优化问题：minf（X）s.t.h/XX）=0（k=1,2,/）需要导岀极值存在的条件，这是求解等式约束优化问题的理论基础。一般处理这一类问题有两种方法：消元法（降维法）和拉格朗H乘子法（升维法）。2.1.1消元法二元函数只有一个等式约束的简单情况：%2）S.匚/1（兀一%2）=0求解

8、这一问题可采用消元法。根据等式约束条件将其中一个变量X1表示成另一个变量X2的函数关系心=