非线性规划MATLAB求解原理,专题六--非线性规划介绍及其Matlab求解方法.ppt

迭代法一般步骤 注意：数值求解最优化问题的计算效率取决于确定搜索方向P (k)和步长 的效率。 Matlab求解方法简介 Step3： 利用(3)式或其它一维搜索的方法求 计算 然后令k:=k+1, 转Step2。 例 用最速下降法求函数 的极小点。 解： 取初始点 计算得 因为 所以 为极小点， 极小值为 非线性规划建模 有约束非线性规划 目的 内容 2、掌握用数学软件求解优化问题。 1、直观了解非线性规划的基本内容。 1.非线性规划的基本理论。 2. 用数学软件求解非线性规划。 3. 钢管订购及运输优化模型 *非线性规划的基本解法 非线性规划的基本概念 非线性规划 定义 如果目标函数或约束条件中至少有一个是非线性函数时的最优化问题就叫做非线性规划问题． 非线性规划的基本概念 一般形式: (1) 其中 ， 是定义在 En 上的实值函数，简记: 其它情况: 求目标函数的最大值或约束条件为小于等于零的情况，都可通过取其相反数化为上述一般形式． 定义1 把满足问题(1)中条件的解 称为可行解(或可行点)，所有可行点的集合称为可行集(或可行域)．记为D．即 问题(1)可简记为 ． 定义2 对于问题(1)，设 ，若存在 ,使得对一切 ，且 ，都有 ，则称X*是f(X)在D上的局部极小值点(局部最优解)．特别地当 时,若 ，则称X*是f(X)在D上的严格局部极小值点(严格局部最优解)． 定义3 对于问题(1),设 ,对任意的 ,都有 则称X*是f(X)在D上的全局极小值点(全局最优解)．特别地当 时，若 ，则称X*是f(X)在D上的严格全局极小值点(严格全局最优解)． 非线性规划的基本解法 SUTM外点法 SUTM内点法(障碍罚函数法) 1. 罚函数法 2. 近似规划法 罚函数法 罚函数法基本思想是通过构造罚函数把约束问题转化为一系列无约束最优化问题，进而用无约束最优化方法去求解．这类方法称为序列无约束最小化方法.简称为SUMT法． 其一为SUMT外点法,其二为SUMT内点法． 其中T(X,M)称为罚函数，M称为罚因子，带M的项称为罚项，这里的罚函数只对不满足约束条件的点实行惩罚:当 时，满足各 ，故罚项=0，不受惩罚．当 时，必有 的约束条件，故罚项>0，要受惩罚． SUTM外点法 罚函数法的缺点是：每个近似最优解Xk往往不是容许解，而只能近似满足约束，在实际问题中这种结果可能不能使用；在解一系列无约束问题中，计算量太大，特别是随着Mk的增大，可能导致错误． 1、任意给定初始点X0，取M1>1，给定允许误差 ，令k=1； 2、求无约束极值问题 的最优解，设为Xk=X(Mk)，即 ； 3、若存在 ，使 ，则取Mk>M( )令k=k+1返回(2)，否则，停止迭代．得最优解 . SUTM外点法(罚函数法)的迭代步骤 近似规划法的基本思想：将目标函数 和约束条件 近似为线性函数，并对变量的取值范围加以限制，从而得到一个近似线性规划问题,再用单纯形法求解之，把其符合原始条件的最优解作为其解的近似． 近似规划法 每得到一个近似解后，都从这点出发，重复以上步骤． 这样，通过求解一系列线性规划问题，产生一个由线性规划最优解组成的序列，经验表明，这样的序列往往收敛于非线性规划问题的解。 近似规划法的算法步骤如下 用MATLAB软件求解,其输