基本概念
数值优化问题的一般形式如下:
m i n x ⃗ f 0 ( x ⃗ ) s . t . f i ( x ⃗ ) ≤ 0 , i ∈ I = { 1 , 2 , … , m } h i ( x ⃗ ) = 0 , i ∈ E = { 1 , 2 , … , p } x ⃗ ∈ R n \begin{aligned} min_{\vec{x}} &\quad f_{0}(\vec{x}) \\ s.t. &\quad f_{i}(\vec{x}) \leq 0, i\in\mathcal{I}=\{1,2,\dots,m\} \\ &\quad h_{i}(\vec{x}) = 0, i\in\mathcal{E}=\{1,2,\dots,p\} \\ &\quad \vec{x}\in R^{n} \end{aligned} minxs.t.f0(x)fi(x)≤0,i∈I={
1,2,…,m}hi(x)=0,i∈E={
1,2,…,p}x∈Rn
其中, f 0 ( x ⃗ ) f_{0}(\vec{x}) f0(x)称为优化目标或目标函数(objective), x ⃗ \vec{x} x称为决策变量(variables), { f i ( x ⃗ ) ∣ i ∈ I } \{f_{i}(\vec{x})|i\in\mathcal{I}\} {
fi(x)∣i∈I}称为不等式约束函数, { h i ( x ⃗ ) ∣ i ∈ E } \{h_{i}(\vec{x})|i\in\mathcal{E}\} {
hi(x)∣i∈E}称为等式约束函数,两者合称为约束函数。其他形式的数值优化问题均可等价转化为上述形式。
向量 x ⃗ \vec{x} x