经典优化问题
- 决策变量的取值是连续的,成为连续最优化问题;
- 决策变量的取值是离散的,称为离散最优化问题,如整数规划、资源配置、生产安排等
- 一般情况下离散优化问题求解比连续优化问题求解更难
光滑与非光滑最优化问题
- 所有函数都连续可微,称为光滑最优化问题;
- 只要有一个函数非光滑,就是非光滑最优化问题
经典无约束优化问题
最小二乘问题的形式为:
其中,称为残量函数,特别地,r_{i}(x)为线性函数,问题变为线性最小二乘问题,通常表示为:
线性规划问题(LP)的一般数学模型为:
线性规划就是目标函数是线性函数,约束函数也是线性函数的优化问题
二次规划问题(QP)的一般数学模型为:
其中G是对称矩阵,和I分别对应等式约束和不等式约束的有限指标集
应用于计算机辅助设计问题等
问题的计算
- 迭代下降
- 逼近
- 收敛性分析
经典有约束优化方法
- 单纯形法
- 二次罚函数法
- 内点法
- 序列二次规划SQP
经典无约束优化方法
- 最速下降法
- 共轭梯度法
- 拟牛顿方法
- 牛顿法
算法的评价
- 稳定性
- 有效性(计算时间少,占用存储空间少)
- 精确性
极值点概念
- 极大值点:使目标函数达到极大值的点
- 极小值点:使目标函数达到极小值的点
- 驻点:使目标函数梯度为0的点
- 鞍点:首先是驻点,并且从该点出发的一个方向是函数的极大值点,而在另一个方向是函数的极小值点
局部最优解和全局最优解
凸集和凸函数
凸集:
1.无约束优化问题
定理(二阶必要条件)
若是无约束最优化问题的局部最优值点,且在点附近二阶连续可微,则且半正定
二阶充分条件
若满足且正定,则是无约束优化问题的严格局部最优解
2.约束优化问题
既要考虑最优化问题,也要考虑约束问题
最优点:最优点处的可行方向均不是下降方向