分享创新知识、改变世界!
更新:2023.9.30【1】--
目录
4.2.2Levenberg-Marquardt方法(LM法)
第一章
1.1最优化问题及其分类
第二章 无约束优化方法
2.1最优性条件
2.5一维搜索
2.5.2牛顿法
2.5.5二点三次插值法
2.6基本下降法
2.6.2牛顿法
2.6.4修正牛顿法
2.8拟牛顿法
2.9直接搜索法
2.9.2单纯形法
第三章 约束优化方法
约束优化问题分三类:(1)用线性规划或二次规划来逐次逼近非线性规划的方法(2)约束转化为无约束问题的方法,如可行方向法、梯度投影法(3)对约束问题不预先作转换的直接搜索方法,如随机试验法
3.1 最优性条件
3.1.1等式约束问题的最优性条件
拉格朗日定理,描述了等式约束问题取极小值的一阶必要条件,即KKT条件。
3.1.2不等式约束问题的最优性条件
KTT条件
3.1.3一般约束问题的最优性条件
KTT条件 KKT条件
3.2罚函数法
思想:根据约束条件,将其转化为某种惩罚函数并增加到目标函数中去,从而将约束优化问题转化为一系列的无约束优化问题来求解。
3.2.1外罚函数法
3.2.2内点法
1.不等式约束优化问题的
2.一般约束问题的
3.2.3乘子法
乘子法是Powell和Hestenes于1969年针对等式约束优化问题同时独立提出的一种优化算法,后推广到求解不等式约束优化问题,思想是从原问题的拉格朗日函数出发+适当的罚函数,从而将原问题转化为求解一系列的无约束优化子问题。主要解决问题:克服了罚函数中随着算法的进行,增广目标函数的病态会越来越严重,使无约束优化方法的计算难以进行下去。
1.等式约束优化问题的乘子法
2.一般约束问题的乘子法
3.3可行方向法
3.3.2梯度投影法
针对线性优化问题提出的一种优化算法
3.4二次逼近法
3.4.1二次规划概念QP
3.4.2牛顿-拉格朗日法
3.4.3SQP算法
第四章 最小二乘问题
一类特殊的无约束优化问题
4.1线性问题最小二乘问题的数值解法
4.1.1满秩最小二乘问题
正定矩阵,最小二乘问题的法方程存在唯一解,可用C分解求方程得到最小二乘解或极小解。
4.1.2亏秩最小二乘问题
4.2非线性问题最小二乘问题的数值解法
在科学研究与实际工程应用中常见,还可以通过KKT条件与非线性方程组建立关系。
4.2.1Gauss-Newton法
4.2.2Levenberg-Marquardt方法(LM法)
第六章 动态规划
6.2最优化原理和基本方程
6.3动态对话的建模方法和步骤
6.5动态对话与静态规划的关系
第八章 二次规划问题
二次规划是非线性规划中的一种特殊情形,目标函数:二次实函数,约束函数:线性函数。求解简单,一些非线性优化问题可转化为求解一系列的二次规划。
8.1等式约束二次规划的解法
8.1.1零空间法
8.1.2值空间法(拉格朗日乘子法)
8.2一般凸二次规划的有效集方法
第十一章 进化算法
第十二章 模拟退火算法
第十三章 禁忌算法
第十四章 蚁群算法
第十五章 粒子群算法
第二十四章 神经网络与神经网络优化算法
24.2神经网络的模型
24.3神经网络与优化问题
24.3.1求解优化问题的神经网络方法
1.伪凸优化问题
2.带有等式和不等式约束条件的优化问题
3.带有等式和不等式约束条件的二次规划问题
4.带有线性约束的非线性凸规划问题