资源描述
非线性规划,最优性条件(Kuhn-Tucker条件),数学规划,向量化表示,非线性规划方法概述,问题minf(x)s.t.g(x)0h(x)=0约束集S=x|g(x)0,h(x)=0一、等式约束问题的最优性条件:考虑minf(x)s.t.h(x)=0回顾高等数学中所学的条件极值:问题求z=f(x,y)极值minf(x,y)在(x,y)=0的条件下。S.t.(x,y)=0引入Lagrange乘子:Lagrange函数L(x,y;)=f(x,y)+(x,y),一、等式约束性问题的最优性条件:(续)若(x*,y*)是条件极值,则存在*,使fx(x*,y*)+*x(x*,y*)=0fy(x*,y*)+*y(x*,y*)=0(x*,y*)=0推广到多元情况,可得到对于(fh)的情况:minf(x)s.t.hj(x)=0j=1,2,l若x*是(fh)的l.opt.,则存在*Rl使矩阵形式:,一、等式约束性问题的最优性条件:(续)几何意义是明显的:考虑一个约束的情况:最优性条件即:,二、不等式约束问题的Kuhn-Tucker条件:考虑问题minf(x)s.t.gi(x)0i=1,2,m设x*S=x|gi(x)0i=1,2,m令I=i|gi(x*)=0i=1,2,m称I为x*点处的起作用集(紧约束集)。如果x*是l.opt.,对每一个约束函数来说,只有当它是起作用约束时,才产生影响,如:,g2(x)=0,二、不等式约束问题的Kuhn-Tucker条件:(续)特别有如下特征:如图在x*:f(x*)+u*g(x*)=0u*0要使函数值下降,必须使g(x)值变大,则在点使f(x)下降的方向(-f()方向)指向约束集合内部,因此不是l.opt.。,g(),-f(),X*,-f(x*),g(x*),二、不等式约束问题的Kuhn-Tucker条件:(续)定理(最优性必要条件):(K-T条件)问题(fg),设S=x|gi(x)0,x*S,I为x*点处的起作用集,设f,gi(x),iI在x*点可微,gi(x),iI在x*点连续。向量组gi(x*),iI线性无关。如果x*-l.opt.那么,u*i0,iI使,二、不等式约束问题的Kuhn-Tucker条件:(续),二、不等式约束问题的Khun-Tucker条件:(续)用K-T条件求解:,二、不等式约束问题的Khun-Tucker条件:(续),二、不等式约束问题的Kuhn-Tucker条件:(续)可能的K-T点出现在下列情况:两约束曲线的交点:g1与g2,g1与g3,g1与g4,g2与g3,g2与g4,g3与g4。目标函数与一条曲线相交的情况:g1,g2,g3,g4对每一个情况求得满足(1)(6)的点(x1,x2)T及乘子u1,u2,u3,u4,验证当满足可得,且ui0时,即为一个K-T点。下面举几个情况:g1与g2交点:x=(2,1)TS,I=1,2则u3=u4=0解,二、不等式约束问题的Kuhn-Tucker条件:(续),二、不等式约束问题的Kuhn-Tucker条件:(续),三、一般约束问题的Kuhn-Tucker条件,三、一般约束问题的Kuhn-Tucker条件(续),
展开阅读全文