国科大-林姝-算法中的最优化方法2022期末复习整理+试卷

朝朝暮暮Quake

已于 2023-03-11 23:27:51 修改

阅读量647

点赞数 2

文章标签：算法

于 2023-03-11 23:17:41 首次发布

本文链接：https://blog.csdn.net/qq_43578042/article/details/129470434

版权

国科大-算法中的最优化方法复习整理和试卷专栏收录该内容

1 篇文章 5 订阅

订阅专栏

一、迭代终止条件
1.椭球法终止条件：
在这里插入图片描述
Xk为当前迭代点，x*是优化问题的最优解，f是目标函数
2.multi-start Levenberg-Marquardt终止条件：

3.multi-start sequential quadratic programming
存在在这里插入图片描述

4.单纯形法能在有限步内找到最优解，因此没有停止条件
5.multi-start Gauss-Newton least-squares algorithm无约束最小非线性二乘问题在这里插入图片描述

，优化问题的形式为在这里插入图片描述

e代表错误函数
6.multi-start penalty function method + line search method with Powell directions and line minimization using parabolic interpolation 在这里插入图片描述

7.multi-start Lagrange method + Levenberg-Marquardt algorithm 在这里插入图片描述
h is the equality constraint function (when the constraint is written in the form h(x) = 0), andε1, ε2 are small positive numbers. where f and h are respectively the objective function and the equality constraint function of the original constrained problem (with the equality constraint written in the form h(x= 0)
8.改进单纯形法能在有限步找到最优解
a multi-start penalty function method with the Nelder-Mead algorithm (M7)
在这里插入图片描述

10.切平面法终止条件
在这里插入图片描述

11.interior point algorithm
在这里插入图片描述

二、判断凸函数：
（1）凸函数之和为凸函数
在这里插入图片描述

（2）存在非凸函数的函数之和就是非凸函数
在这里插入图片描述

（3）仿射函数的凸函数是凸函数
-log(x)是凸函数，在这里插入图片描述
是凸函数，
是凸函数
（4）
是凸函数
三、非凸函数使用multi-start method：multi-start Levenberg-Marquardt
multi-start sequential quadratic programming
multi-start Gauss-Newton least-squares algorithm