数学建模工作室
2022-6-13
第1页
mecca_zj@qq.com
非线性规划的基本概念
定义 如果目标函数或约束条件中至少有一个是非线性函数
时的最优化问题就叫做非线性规划问题.
一般形式:
(1)
其中 , 是定义在 En 上的实值函数,
简记:
Xfmin
0
1,2,...,
Xg
i
i
..
ts
0
,...,2,1
Xh
j
j
,
,
i hgf
T
n
,
, 2
xx
E
x
1
j
n
n
1
1
E :
E :g
E :h
,
,
f
E
m;
.
l
X
E
n
1
E
,
n
i
j
其它情况: 求目标函数的最大值或约束条件为小于等于零
的情况,都可通过取其相反数化为上述一般形式.
数学建模工作室
2022-6-13
第2页
mecca_zj@qq.com
• 非线性规划的求解一般要比线性规划的求解困难
的多,不像线性规划那样有适应于一般情况的单
纯形法。
• 我们知道线性规划的可行域一般是个凸集,其最
优解在可行域的边界上达到;而非线性规划问题
的可行域一般不是凸集,最优解也不一定在边界
上达到。
• 现在的各种各样的算法都是针对各自特定的适用
范围的,这也是正处在研究发展中的学科领域。
数学建模工作室
2022-6-13
第3页
mecca_zj@qq.com
罚函数法
罚函数法基本思想是通过构造罚函数把
约束问题转化为一系列无约束最优化问题,
进而用无约束最优化方法去求解.这类方法
称为序列无约束最小化方法.简称为SUMT
法.
其一为SUMT外点法,其二为SUMT内点法.
数学建模工作室
2022-6-13
第4页
mecca_zj@qq.com
对一般的非线性规划:
SUTM外点法
Xf
Xg
i
Xh
j
min
..
ts
0
i
0
j
1,2,...,
2,1
,...,
m;
.
l
)1(
可设:
MXfMXT
,
,0min
Xg
i
m
i
1
l
2
M
j
1
Xh
j
2
)2(
1
将问题(
)转化为无约束问题:
min
MXTnEX
,
)3(
其中T(X,M)称为罚函数,M称为罚因子,带M的项称为罚项,这
里的罚函数只对不满足约束条件的点实行惩罚:当 时,满
Xg
足各 ,故罚项=0,不受惩罚.当 时,
i
Xg
必有 的约束条件,故罚项>0,要受惩罚.
i
0
0
,0
Xh
i
0
Xh
或
i
数学建模工作室
DX
DX
第5页
mecca_zj@qq.com
2022-6-13
SUTM内点法(障碍函数法)
Xf
Xg
i
,0
i
,2,1
i
0
m
,
,...,2,1
m
)1(
,
D
0
是可行域中
0
设集合
考虑问题:
min
..
ts
XgX
i
所有严格内点的集合。
,
rXI
构造障碍函数
,
rXI
Xf
:
D
r
|
m
i
1
ln
Xg
i
或
(
),
rXI
(
Xf
)
r
m
i
1
1
Xg
i
m
m
1
Xg
i
i
1
r
ln
Xg
i
r
或
i
1
这样问题(
)就转化为求一系列极
,
rXI
rX
k
k
)(得
为障碍项,
为障碍因子
k
r
1
其中称
min
0
DX
值问题:
数学建模工作室
2022-6-13
第6页
mecca_zj@qq.com
遗传算法
关于优化问题
传统的优化方法(局部优化)
共轭梯度法、拟牛顿法、单纯形方法
全局优化方法
漫步法(Random Walk)、模拟退火法、GA
比较:传统的优化方法
1)依赖于初始条件。
2)与求解空间有紧密关系,促使较快地收敛到局部
解,但同时对解域有约束,如可微或连续。利用
这些约束,收敛快。
3)有些方法,如Davison-Fletcher-Powell直接依
赖于至少一阶导数; 共轭梯度法隐含地依赖于梯
度。
2022-6-13
mecca_zj@qq.com
数学建模工作室
第7页
全局优化方法
1)不依赖于初始条件;
2)不与求解空间有紧密关系,对解域,无可微或连
续的要求。求 解稳健,但收敛速度慢。能获得全
局最优。适合于求解空间不知的情况
数学建模工作室
2022-6-13
第8页
mecca_zj@qq.com