非线性规划讲稿3.pdf

非线性规划讲稿3.pdf

ID:52887999

大小:155.77 KB

页数:18页

时间:2020-03-31

非线性规划讲稿3.pdf_第1页
非线性规划讲稿3.pdf_第2页
非线性规划讲稿3.pdf_第3页
非线性规划讲稿3.pdf_第4页
非线性规划讲稿3.pdf_第5页
资源描述:

《非线性规划讲稿3.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、2.非线性约束条件下的可行方向法(G.Zoutendijk法)具有非线性不等式约束的一般规划问题⎧minf(X)⎪X∈R⎨⎪R={}Xg(X)≤,0j=,2,1?,P⎩j(1)基本思想k关键是寻找可行下降方向。若第k次迭代得到X后,当p满足下式时,它是kX处的可行下降方向,即kT⎧⎪[∇f(X)]P<0⎨kTk(*)⎪⎩[∇gj(X)]P<,0j∈T(X)其中:k{k}T(X)=jg(X)=,0j=,2,1?,pj(*)式等价于:存在实数α,使得kT⎧[∇f(X)]P≤α⎪kTk⎨[∇gj(X)]P≤α,j∈T(X)⎪α<0⎩不妨设Pi≤(1i=,2,1?,n),则得

2、下面规划问题:⎧minα⎪kT⎪[∇f(X)]P≤α⎨kTk[∇g(X)]P≤α,j∈T(X)⎪j⎪P≤,1i=,2,1?,n⎩ikkkkT设(a,p1,p2,?,pn)为最优解。kk若α=0,X为最优解;k若αk≠0,则α<0,且kkkkTP=(P,P,?,P)12nk为X处的可行下降方向。求一维极值问题的最优解,设为k,即:λkkkkkminf(X+λP)=f(X+λP)λ∈Λ{kk}Λ=λλ≥,0X+λP∈R令:k+1kkkX=X+λP重复上面的步骤,继续迭代。若kα≤ε2k停止迭代,取Xmin=Xkkk若X为R内点,取p=−∇f(X),当k∇f(X)≤ε1k时

3、,停止迭代,取Xmin=X。(2)G.Zoutendijk方法的迭代步骤0k1>选定初始点X∈R,给定ε1>0及α的允许误差ε>0,令k=0;2k{k}2>确定指标集T(X)=jgj(X)=,0j=,2,1?,p;kk3>若T(X)=Φ,且∇f(X)≤ε1,则停止迭代,取kkkkXmin=X;如果∇f(X)≥ε1,则令P=−∇f(X),转(6);4>求解线性规划问题⎧minα⎪kT⎪[∇f(X)]P≤α⎨kTk[∇g(X)]P≤α,j∈T(X)⎪j⎪P≤,1i=,2,1?,n⎩ikk5>若a≤ε2,则停止迭代,取Xmin=X;否则,kkkkT令P=(P1,P2,?,P

4、2),转(6);6>求一维极值问题kkkkkminf(X+λP)=f(X+λP)λ∈Λ{kk}Λ=λλ≥,0X+λP∈Rk的最优解,设为λ;k+1kkkk=k+17>令X=X+λP,转(2)G.Zoutendijk方法程序框图如图3-17所示。【例3-18】用G.Zoutendijk方法求解下面问题22⎧min[2x+2x−2xx−4x−6x]121212⎪x+5x≤5⎪12⎪2⎨2x1−x2≤0⎪−x≤0⎪1⎪−x≤0⎩20T解:取X=.0(00.0,75),开始第一次迭代,计算0T∇f(X)=(−.550,−.300)0{}T(X)=30T∇g(X)=(−)0,1

5、3得线性规划问题⎧minα⎪⎪−.550p1−.300p2≤α⎨−p≤α⎪1⎪−1≤p≤,1i=2,1⎩i求出最优解为:0α=−.1000TP=.1(00,−.100)000为求P的最优解,需要先要确定∧。可以验证,使X+λP为可行解的最大λ值为:λ=.04114max0在P方向的点为:00TX+λP=(λ.0,75−λ)相应的目标函数为:002f(X+λP)=6λ−5.2λ−.3750X处起作用的约束为:22x−x≤012求解:2min6[λ−5.2λ−.3375]λ∈[].0,04114得最优解为:0λ=.02083令1000TX=X+λP=.0(2083.0,5

6、417)第二次迭代。由于1T1∇f(X)=(−.425,−.425),T(X)=φ故取1TP=)1,1(111由X出发,使X+λP为可行解的最大λ值为:λ=.03472max起作用约为:x+5x≤512再求2min2(λ−5.8λ−.36354)λ∈[].0,03472得最优解:λ=.034721令2111TX=X+λP=.0(5555.0,8889)重复上述步骤,…,迭代4次后可得:TX≈.0(6302.0,8740)min(3)收敛定理定理3.16设f(X)、gj(X)(j=,2,1?,p)在包含R的k某一开集上具有连续的一阶偏导数。若X∈R是正则点,k则问题的最

7、优解中α=0的充分必要条件是原非线性规划问题在kX点满足K-T条件;若原非线性规划为凸规kk划,那么,α=0的充分必要条件是X为原问题的最优解;k若在迭代过程中,α=0的情形总不发生,则得到点列kk{X}。在更严格的条件下,{X}的任意极限点都是原问题的最优解。四、罚函数法序列无约束极小化技术,简记为SUMT(SequentialUnconstrainedMinimizationTechnique)。惩罚函数法——称外点法;障碍函数法——称内点法。(一)惩罚函数法1.基本原理(1)等式约束的惩罚函数法⎧minf(X)⎨h(X)=,0i=,2,1?,m

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。