惩罚函数法迭代过程的本质及其他最优化方法中的一些概念

简单罚函数法和单参数精确罚函数法都是逐渐“淹没”可行解;而双参数精确罚函数法在“淹没”可行解的同时,移动可行解。下图为简单罚函数法迭代过程示意图。
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
下图是罚函数法与拉格朗日法的关系:
在这里插入图片描述
可微分函数的凸性
在这里插入图片描述
在这里插入图片描述
极小值点的必要条件
在这里插入图片描述
极小值点的充分条件
在这里插入图片描述
最优解的存在性
在这里插入图片描述
二次函数的一般表达式
在这里插入图片描述
二分搜索法
在这里插入图片描述
等间隔搜索法
在这里插入图片描述
牛顿下降法
在这里插入图片描述
共轭方向
在这里插入图片描述
最后,梯度(的正方向)是函数沿其变化率增大最快方向的变化率向量;方向导数是函数沿其任一方向的变化率标量。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

山高月小 水落石出

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值