非线性规划求解26页PPT
合集下载
非线性规划ppt课件
g3(x) x1 x2 x3 0
;
20
一维搜索方法
目标函数为单变量的非线性
规划问题称为一维搜索问题
min t0 (0ttmax )
其中 t R 。
(t)
➢精确一维搜索方法 0.618法 Newton法
➢非精确一维搜索方法 Goldstein法 Armijo法
;
21
0.618法（近似黄金分割法）
定义 4.1.2 对于非线性规划(MP)，若 x* X ，并且存在 x* 的一个
领域 N ( x* ) x Rn x x* ( 0, R) ，使
f (x* ) f (x), x N (x* ) X ，
则称 x* 是(MP)的局部最优解或局部极小点，称 f ( x* ) 是(MP)的局部
函数(t) 称为在[a,b]上是单谷的，如果存在一个 t * [a, b] ，使得(t) 在[a, t * ]上严格递减，且在[t * , b] 上严格递增。区间[a,b]称为(t) 的单 谷区间。
第 1 步 确定单谷区间[a,b]，给定最后区间精度 0 ;
第 2 步 计算最初两个探索点
t1 a 0.382(b a) b 0.618(b a)
;
22
0.618法例题
• 例4.3.1 用0.618法求解
min(t) t3 2t 1 t0
(t) 的单谷区间为[0,3]， 0.5
解答
例4.3.1解答 • 迭换换代tbtb 过程0311..62..∧✓18可0036145436481由-00下101.2.∧...0✓871110650431表48611 给0-0100.2.∨...0✓1470出2064308168821 --000100...∨...00✓4178376340791868681 01..7140486 a2112a
第13讲 非线性规划.ppt
6
信息与计算科学系
数学 建模
在一组等式或不等式的约束下，求一个函数的最大 值（或最小值）问题，其中至少有一个非线性函数，这 类问题称之为非线性规划问题。可概括为一般形式
min f ( x)，
s.t. hj ( x) 0, j 1, , q, （3.1） gi ( x) 0, i 1, , p.
其中 x [x1, , xn]T 称为模型（3.1）的决策变量， f 称 为目标函数， gi (i 1, , p)和hj ( j 1, ,q)称为约束函 数。另外，gi ( x) 0 (i 1, , p)称为等式约束，hj ( x) 0
3
信息与计算科学系
数学 建模
例 3.1 （投资决策问题）某企业有n个项目可供选择
投资，并且至少要对其中一个项目投资。已知该企业拥有
总资金 A元，投资于第i(i 1, ,n)个项目需花资金ai 元， 并预计可收益bi 元。试选择最佳投资方案。
解 设投资决策变量为
xi
1, 决定投资第i个项目 ，i 1, , n，
x(1)+x(2)^2+x(3)^3-20]; %非线性不等式约束
h=[-x(1)-x(2)^2+2;
x(2)+2*x(3)^2-3]; %非线性等式约束
11
信息与计算科学系
数学 建模
（3）编写主程序文件如下 [x,y]=fmincon('fun1',rand(3,1),[],[],[],[],zeros(3,1),[],'fu n2')
14
信息与计)是极小值点，对应的极小值 f (1,0) 5； 点(1,2)，( 3,0)不是极值点； 点( 3,2)是极大值点，对应的极大值 f ( 3,2) 31。
非线性规划模型PPT课件
且提供数据如表5所示：
第12页/共45页
表5 数据表
石油的
种类
ai
1
9
bi
hi
ti
3
0.50
2
2
4
5
0.20
4
已知总存储空间
T 24
第13页/共45页
代入数据后得到的模型为：
min
f
(x1, x2 )
27 x1
0.25x1
20 x2
0.10x2
s.t. 2x1 4x2 24
第23页/共45页
变的问题 P1：
min f1( x) f1 s.t. gi ( x) 0,i 1, 2, , m
的最优解 x(1)及最优值 f1，再求问题 P2：
min
f2(1
的最优解 x(2)及最优值
f
2
，即
min xR
第6页/共45页
① 适当选取初始点 x0，令k 0. ② 检验 xk 是否满足停止迭代的条件，如是，则停 止迭代，用 xk 来近似问题的最优解，否则转至③. ③ 按某种规则确定 xk 处的搜索方向.
④ 从 xk 出发，沿方向dk ，按某种方法确定步长k ，
使得：
f (xk kdk ) f (xk ) ⑤ 令 xk1 xk kdk ，然后置k k 1，返回②.
h( x) i fi ( x)作为新的目标函数，成为评价（目标） i 1
函数，再求解问题
p
min h( x) i fi ( x) i 1
s.t. gi ( x) 0,i 1,2, , m
得最优解 x(0)，取 x x(0)作为多目标规划问题的解.
第27页/共45页
在一定条件下，用线性加权求和法求得的最 优解必是原多目标规划问题的有效解或弱有效 解.
非线性规划课件
得 X(1)=(x₁ (0),x₂ (1))T,S(1)=f(X(1))
②再固定x₂=x₂ (1): 求以x₁为单变量的目标函数的极值点，
得 X(2)=(x,(2),x₂ (1))T ,S(2)=f(X(2))
此时S(2)优于S(1), 且搜索区间缩短为x₁*∈[x,(2),b,],x₂*∈[x₂ (1),b₂] 第二步：如此交替搜索，直至满足给定精度ε为止
否则，继续缩短区间，
直至满足给定的精度为
①f(x₂)≥f(xq), 取[aq=ao,b,=x,]
X₁ =X2
x'2=b₁-λ(b₁-aq) ②f(x₂)<f(x₁), 取[a=x2,b,=b,]
x=aq+λ(b₁-aq)
10
x₂ =x₁
例 求 解 f(x)=-18x²+72x+28 的极大值点，δ≤0.1,起始搜索区间为[0,3] 解：①用间接法：令 f'(x)=-36x+72=0, 得驻点 x=2
xq*∈[aq,b,],x²*∈[a₂ ,b₂ ],.,x*∈[an,b,]
1、原理： ①从起点 X(0) 出发，沿平行于 x, 轴的方向P(1)进行一维搜索，
求得 f(X) 在该方向P(1)上近似极值点 X(1);
②从点 X(1) 出发，沿平行于 x₂ 轴的方向P(2)进行一维搜索，
求得 f(X) 在该方向P(2)上近似极值点 X(2); ③从点 X(2) 出发，照此交替进行下去，直至满足给定的精度ε为止
六、 寻优方法概述：
1、N.L.P.问题分类
① 无约束条件的NLP问题。 ② 有约束条件的NLP问题。 2、寻优方法
① 间接法(解析法):适应于目标函数有简单明确的数学表达式。
②再固定x₂=x₂ (1): 求以x₁为单变量的目标函数的极值点，
得 X(2)=(x,(2),x₂ (1))T ,S(2)=f(X(2))
此时S(2)优于S(1), 且搜索区间缩短为x₁*∈[x,(2),b,],x₂*∈[x₂ (1),b₂] 第二步：如此交替搜索，直至满足给定精度ε为止
否则，继续缩短区间，
直至满足给定的精度为
①f(x₂)≥f(xq), 取[aq=ao,b,=x,]
X₁ =X2
x'2=b₁-λ(b₁-aq) ②f(x₂)<f(x₁), 取[a=x2,b,=b,]
x=aq+λ(b₁-aq)
10
x₂ =x₁
例 求 解 f(x)=-18x²+72x+28 的极大值点，δ≤0.1,起始搜索区间为[0,3] 解：①用间接法：令 f'(x)=-36x+72=0, 得驻点 x=2
xq*∈[aq,b,],x²*∈[a₂ ,b₂ ],.,x*∈[an,b,]
1、原理： ①从起点 X(0) 出发，沿平行于 x, 轴的方向P(1)进行一维搜索，
求得 f(X) 在该方向P(1)上近似极值点 X(1);
②从点 X(1) 出发，沿平行于 x₂ 轴的方向P(2)进行一维搜索，
求得 f(X) 在该方向P(2)上近似极值点 X(2); ③从点 X(2) 出发，照此交替进行下去，直至满足给定的精度ε为止
六、 寻优方法概述：
1、N.L.P.问题分类
① 无约束条件的NLP问题。 ② 有约束条件的NLP问题。 2、寻优方法
① 间接法(解析法):适应于目标函数有简单明确的数学表达式。
非线性规划问题的求解方法[优质ppt]
![非线性规划问题的求解方法[优质ppt]](https://img.taocdn.com/s3/m/cd0d5afa0c22590102029d42.png)
4.2、内点法（内部惩罚函数法）： min F ( x, )
s.t. x S
算法： （ 1） 给 定 初 始 内 点 x (0) S ， 允 许 误 差 e>0，
障 碍 参 数 (1) ， 缩 小 系 数 b (0 ,1) ， 置 k= 1 ；
（ 2） 以 x (k1) 为 初 始 点 ， 求 解 下 列 规 划 问 题 ：
f21=subs(fx2x1); f22=subs(fx2x2); if(double(sqrt(f1^2+f2^2))<=0.002)
a(k+1)=double(x1);b(k+1)=double(x2);f0(k+1)=double(subs(f)); break; else X=[x1 x2]'-inv([f11 f12;f21 f22])*[f1 f2]'; x1=X(1,1);x2=X(2,1); end end if(double(sqrt((a(k+1)-a(k))^2+(b(k+1)b(k))^2))<=0.001)&&(double(abs((f0(k+1)-f0(k))/f0(k)))<=0.001) a(k+1) b(k+1) k f0(k+1) break; else m(k+1)=c*m(k);
min f ( x ) ( k ) B ( x )
s.t. x S
， 令 x (k) 为 所 求 极 小 点
（ 3） 如 果 (k)B (x (k) ) e ， 则 停 止 计 算 ， 得 到 结 果x (k) ，
(k 1) b (k )
非线性规划的基本概念和基本原理优秀课件
解： a1150
5 2 260
2 6
5 2 2
A 2 6 0 800 A负定
2 0 4
17
❖ 例：判定正定性
5 2 2
A
2
6
0
2 0 4
0 1 1 B 1 0 3
1 3 0
解： b11 0
01 1 0
B不 定
10
18
❖ 作业： ❖ P200 4.4（1）
19
7.2 无约束问题的极值条件
gj(X) 0 (j=1,2….l) X En f(X) hi(X) gj(X) 为En上的实函数。 或
mifn(x) 1)( 目标函数 gj(x)0 ,j1,2,,l 2) (约束条件
6
二、基本概念
1、全局极值和局部极值来自f ( X )为目标函数，S 为可行域。若存在 X* S ，XS，都 有 f(X) f(X*)，则称 X * 为该问题的全局极小点，
则称X En 为（P）的一个可行解。 记（P）的所有可行解的集合为D， D称为（P）可行域。
9
定义 X*称为（P）的一个（整体）最优解，如 果X* D，满足
f(X) f(X*)， X D。
定义 X*称为（P）的一个（局部）最优解，如 果X* D，且存在一个X*的邻域 N(X* ,)= X En X- X* < , >0 满足
负定：特征值<0； Ai <0(i为奇）, Ai >0(i为偶）
半负定：特征值≤0； detA=0，Ai ≤0(i为奇）, Ai ≥0(i为偶）
不定：特征值有> 0及< 0；除了上述情况外即为不 定。
16
❖ 例：判定正定性
5 2 2
非线性规划PPT演示文稿
正是由于局部最优解的存在，使得非线性规划问 题的求解要比线性规划问题的求解复杂得多。当求 得一个最优解时，常常无法确定该解是否为全局最 优解。但是在某些情况下，可以保证所求得的解就 是全局最优解。下面7.2节、7.3节所介绍的边际收 益递减的二次规划和可分离规划就属于这种情况。
RUC, Information School, Ye Xiang
RUC, Information School, Ye Xiang
求总风险（方差）的一种简便方法
第7章 非线性规划
由于目标函数“总风险（方差）”的公式是非线性的，也 复杂，希望找到一种不容易出错且简便的办法
构造协方差矩阵（方差、协方差）
总风险（方差）=
❖
SUMPRODUCT（MMULT（投资组合,协方差矩阵）,投资
第7章 非线性规划
这种方法是将3.2节的成本收益平衡问题非 线性化。在这种情况下，成本是与投资有关 的风险，收益是投资组合的预期回报。
因此，该模型的一般表达形式为：
最小化 风险
约束条件 预期回报≥最低可接受水平
这个模型关注投资组合的风险和预期收益 之间的平衡。
RUC, Information School, Ye Xiang
例7.1 给定一根长度为400米
的绳子，用来围成一块矩形菜 地，问长和宽各为多少，使菜 地的面积最大？ 解：这是一个小学数学问题， 现在把它当作一个规划问题来 求解。
RUC, Information School, Ye Xiang
7.1 非线性规划基本概念 第7章 非线性规划
(1) 决策变量
7.2.2 运用非线性规划优化 有价证券投资组合
第7章 非线性规划
投资组合优化，就是确定投资项目中的一 组最优投资比例。这里所说的“最优”，可 以是在一定风险水平下使得投资回报最大， 也可以是在一定的投资回报水平下使得风险 最小。
RUC, Information School, Ye Xiang
RUC, Information School, Ye Xiang
求总风险（方差）的一种简便方法
第7章 非线性规划
由于目标函数“总风险（方差）”的公式是非线性的，也 复杂，希望找到一种不容易出错且简便的办法
构造协方差矩阵（方差、协方差）
总风险（方差）=
❖
SUMPRODUCT（MMULT（投资组合,协方差矩阵）,投资
第7章 非线性规划
这种方法是将3.2节的成本收益平衡问题非 线性化。在这种情况下，成本是与投资有关 的风险，收益是投资组合的预期回报。
因此，该模型的一般表达形式为：
最小化 风险
约束条件 预期回报≥最低可接受水平
这个模型关注投资组合的风险和预期收益 之间的平衡。
RUC, Information School, Ye Xiang
例7.1 给定一根长度为400米
的绳子，用来围成一块矩形菜 地，问长和宽各为多少，使菜 地的面积最大？ 解：这是一个小学数学问题， 现在把它当作一个规划问题来 求解。
RUC, Information School, Ye Xiang
7.1 非线性规划基本概念 第7章 非线性规划
(1) 决策变量
7.2.2 运用非线性规划优化 有价证券投资组合
第7章 非线性规划
投资组合优化，就是确定投资项目中的一 组最优投资比例。这里所说的“最优”，可 以是在一定风险水平下使得投资回报最大， 也可以是在一定的投资回报水平下使得风险 最小。
非线性规划基础PPT课件
f
(
xk
tkdk
)
min t 0
f(xk
tdk
)，
令 xk 1 xk tk dk ；k=k+1，转第1步。
第32页/共35页
• 一维搜索的方法很多，归纳起来，可分为试探 法和函数逼近法。试探法中包括如黄金分割法、 Fibonacci法等；函数逼近法中包括如牛顿法、 割线法等。
第33页/共35页
x (3,1)T
• 例13.6：
是下列优化问题的最优解，验
证x满足Fmrixitnzf-(Jxo) h(nx1定 7理)2 。 (x2 3)2
s.t.gg12((xx))
x12 x1
x22 x2
10 0, 4 0,
g
3
(
x)
x2
0,
第23页/共35页
紧指标集 I={1,2}
f(x)
-
• 在x点取到局部最优值的条件为：F0 G0
g f
i (x)T (x)T
d d
0 0
无解
第21页/共35页
• 定理13.11（Gorden）：
设 A (A1,, Am ), Ai Rn ,i 1,, m ，则Ax<0有解
y( Rm ) 0
的充A分T y必 0要(i 条 1件,为, m：) 不存在非零向量
G {d | d 0, x D, 0, (0, ), x d D}
定理13.6 若f(x)在点 x 可微，如果存在方向d，
使 f (x)T d 0 ，则 0 使 (0, ) 有
f (x d) f (x)
第17页/共35页
一、无约束优化的最优性条件
• 在无约束规划问题中，由于不涉及到可行域的 问题，因此，只涉及下降方向。不涉及可行方 向的问题。
运筹学课件第六章 非线性规划
或 x
k 1
x tk p , tk 0
k k
称p k 为 第k轮 搜 索 方 向 ， 为 第k轮 沿 搜 索 方 向 tk p k的 步 长 。
第11页
n n n 定义3 设f : R R, x R , p R , p 0， 0，使得 若
f ( x tp) f ( x ), t (0, )
2 1
令 0 得： f ( x1 )T ( x 2 x1 ) f ( x 2 ) f ( x1 )
f ( x 2 ) f ( x1 )
第23页
x1 , x 2 S f ( x ) ( x x ) f ( x ) f ( x )
1 T 2 1 2 1
1 T 2 1 2 1
证 (1) 必要性.设f是S上的凸函数，则对 (0,1), 有
f ( x 2 (1 ) x1 ) f ( x 2 ) (1 ) f ( x1 )
x1 , x 2 S
f ( x 1 ( x 2 x 1 )) f ( x1 )
第14页
全局优化算法概述
全局优化方法可分为随机性方法和确定性方法. 确定性方法充分利用了问题的解析性质, 如函数的 凸性、单调性、稠密性等, 产生一个确定性的有限 或无限点序列, 使得该点序列收敛于全局最优解. 包 括分枝定界算法、区间算法、填充函数法、割平面 法、顶点枚举法等,这类算法在理论上有较强的可行 性, 但对较为复杂的大型优化问题却难于应用.
如果有 f ( x* ) f ( x), x D, x x* 则称 x * 是(P)的严格全局最优解或严格全局极小点， 称 f ( x * ) 是(P)的严格全局最优值或严格全局极小值。