当前课程知识点:水资源系统分析理论与应用 > 第二章 实用非线性优化方法 > 2.2最优性条件 > 2.2最优性条件
本单元
主要讲授非线性规划的最优性条件
下面我们讨论一下极值点的概念
若对于定义域D中的任何x
f(X)大于等于f(X*)
即在整个定义域D上
f在X*点的函数值最小
则称X*是f(x)的全局最小值点
类似地有全局最大值点的定义
全局最小值点
全局最大值点统一称为全局最优点
若f在X*点的局部范围内函数值最小
则称X*是f(x)的局部极小值点
图中
D是局部极小值点
B是全局极小值点
A是局部极大值点
C是全局极大值点
若对于定义域D中的任何
不等于X*的X
f(X)大于f(X*)
即则称X*是f(x)的严格全局最小值点
若在X*点的局部范围内
对于任何不等于X*的X
f(X)大于f(X*)
则称X*是f(x)的严格局部极小值点
A是全局最小值点
但不是严格全局最小值点
A是严格局部极小值点
对于二元函数f(x,y)
及点(x0,y0)
若固定y=y0
是关于x的一元函数f(x,y0)
的极小值点若固定x=x0
y=y0是关于y的一元函数
f(x0,y)的极大值点
则称(x0,y0)是f(x,y)的鞍点
鞍点既不是极大值点
也不是极小值点
下面我们讨论一下极值点满足的条件
假设x*是无约束优化问题
(2.1-2)的局部极小值点
f(x)在 处可微
则必有f(x)
在x*处的梯度等于0.
反过来不成立
即
梯度等于0的点
不一定是极值点
例如
鞍点.
若在x*处
f(x)的梯度等于0
且二阶导数矩阵Hesse矩阵正定
则x*为f(x)的严格局部极小值点
对于称矩阵A
若相应的二次型是正定的
即对于任意的非零向量X
XTAX>0则称A为正定的
若相应的二次型是半正定的
即对于任意的向量X
XTAX≥0则称A为半正定的
A是正定矩阵的判别
若A的各阶顺序主子式大于0
则A是正定的
若A的各阶顺序主子式大于等于0
则A是半正定的
f(X)的 Hesse矩阵H是一个3阶对称矩阵
1阶顺序主子式=4>0
2阶顺序主子式=7>0
3阶顺序主子式=14>0
所以H是一个正定矩阵
下面我们讨论一下凸函数的极值点
与凸规划问题的最优解
凸函数的定义如下
对于凸集D上的实函数f(x)
若D中任意两点加权平均的函数值
小于等于这两点函数值的加权平均
如图所示
则称f(x)为D上的凸函数
若-f(x)是凸函数
则称f(x)为凹函数
凸函数有以下2个性质
性质1
凸函数的正线性组合
也是凸函数
凸函数的截集是凸集
如何判断f(x)是否是凸函数呢
我们有以下定理
定理 设D为Rn中的开凸集
f(x)在D上具有二阶连续的偏导数
则f(x)为D上的凸函数的充要条件
是f(x)的Hesse矩阵H(x)
在D上处处半正定
f(x)的Hesse矩阵H(x) 正定
则f(x)在D上是严格凸函数
我们不加证明地给出凸函数的极值定理
设D为Rn中的凸集
f(x)为D上的凸函数
则它的任一极小值点
就是它在D上的最小值点
若f(x)是严格凸函数
则极值点唯一
下面给出凸规划的定义
若可行域 为 中的凸集
为D上的凸函数
则称该非线性规划问题为凸规划
对于非线性规划问题(2.1-1)
若目标函数f(x)是凸函数
所有等式约束hi(x)=0是线性的
不等式约束gj(x)≥0中
-gj(x) 是凸函数
则该非线性规划为凸规划
对于凸规划问题
局部最优解也是全局最优解
当目标函数为严格凸时
最优解必定唯一
下面我们讨论约束非线性规划问题的
最优性条件即Kuhn-Tucer条件
对于标准形式的非线性规划问题
定义广义拉格朗日函数如下
对于约束条件gj(x)≥0
若gj(x*)=0
则称gj(x)≥0约束条件点
在x=x*为起作用的约束
对于非线性规划问题(2.1-1)
若在x=x
所有起作用的约束条件函数的
梯度向量线性无关
则称在x=x*满足约束规范
对于非线性规划问题的标准形式(2.1-1)
若x=x*是非线性规划问题(2.1-1)的
局部最优点
在x=x*满足约束规范
则x=x*满足Kuhn-Tucer条件
(简称K-T条件)
(1)广义拉格朗日函数的梯度等于0
(2)满足非线性规划问题(2.1-1)的约束条件
(3)对于不等式约束而言
(4)对于不等式约束而言
称这组条件为Kuhn-Tucer条件(简称K-T条件)
满足这组条件的点为K-T点.
对于这个例题,
第1步
将它转化为非线性规划的标准形式(2.1-1)
第2步
写出它的广义拉格朗日函数
第3步
对广义拉格朗日函数求偏导数
并令其等于0得K-T条件(1)
第4步
再写出K-T条件(2)-(4)
K-T条件(1)-(4)中
包含不等式方程
联合求解这组方程较困难
需将拉格朗日乘子按
是否等于0组合后求解
也是该凸规划的全局最优点
对于凸规划
K-T条件也是最优解的充分条件
对于该例题
是K-T点
但它不是最优点
相应的最优值为f =-1
这说明K-T条件只是必要条件
只有当非线性规划是凸规时
它才是充要条件
对于该例题
该非线性规划问题的最优解为
但在该点
K-T条件不成立.
原因是在该点不满足约束规范
不能保证K-T条件成立
下面讨论对偶问题
问题(2.2-13)的广义拉格朗日函数
为式(2.2-14)
在式(2.2-15)中
sup为上确界符号
表示右端集合的最小上界
在上确界可达时
等于右端集合的最大值
在式(2.2-16)中
inf为下确界符号
表示右端表示集合的最大下界
在下确界可达时
等于右端集合的最小值
式(2.2-19)被称为原问题
式(2.2-20)被称为该原问题的对偶问题.
我们不加证明地给出对偶定理如下
这一单元课就上到这里
下次再见
-1.1 水资源系统分析问题的提出
-1.2 系统的概念与系统方法
-1.3系统分析的概念和内容
-1.4水资源系统分析方法
-1.5水资源系统分析量化方法案例
-第一章测试
-2.1非线性优化数学模型与求解方法
-2.2最优性条件
--2.2最优性条件
-2.3一维优化与线搜索
-2.4无约束极值问题的解析法
-2.5二次规划
--2.5二次规划
-2.6约束非线性优化罚函数法
-2.7非线性优化直接方法
-2.8 SCE-UA算法
-2.9可变容差法
--2.9可变容差法
-第二章测试
-3.1多阶段决策问题
-3.2动态规划基本原理
-3.3水库优化调度建模及求解
-3.4 随机动态规划模型
-3.5水库优化调度实例
-第三章测试
-4.1遗传算法
--4.1遗传算法
-4.2粒子群算法
--4.2粒子群算法
-4.3蚁群算法
--4.3蚁群算法
-4.4狼群算法
--4.4狼群算法
-第四章测试
-5.1多目标规划问题与特点
-5.2多目标规划模型与解的概念
-5.3多目标规划求解方法
-5.4多目标规划的实例
-第五章测试
-6.1动态系统预测方法导论
-6.2时间序列方法
-6.3线性动态系统模型方法
-6.4 BP人工神经网络方法
-6.5支持向量机方法
-6.6洪水过程动态系统预报方法实例
-第六章测试
-7.1评价程序与评价指标
-7.2层次分析法
--7.2层次分析法
-7.3模糊综合评价法
-7.4投影寻踪评价法
-第七章测试
-8.1决策分析的基本概念
-8.2 不确定性的基本概念
-8.3 完全不确定型决策
-8.4 风险的多维度量
-8.5 风险型决策(1)
-8.6风险型决策(2)
-第八章测试
-期末测试
-期末论文