序列二次规划_序列二次规划算法

序列二次规划法

求解一般线性优化问题

:

1

2

min

(x)

h

(x)

0,i

E

{

1,...,m

}

s.t.

(x)

0,i

{

1,...,m

}

i

i

f

g

I



















(1.1)

基本思想

：

在每次迭代中通过求解一个二次规划子问题来确定一个下降方向，

通

过减少价值函数来获取当前迭代点的移动步长，

重复这些步骤直到得到原问题的

解。

1.1

等式约束优化问题的

Lagrange-Newton

法

考虑等式约束优化问题

min

(x)

s.t.h

(x)

0,

E

{

1,...,m}

j

f

j







(1.2)

其中

:

,

n

f

R

R



:

(

)

n

i

h

R

R

i

E





都为二阶连续可微的实函数

.

记

1

(

)

(

(

),...,

(

))

T

m

h

x

h

x

h

x



.

则

(1.3)

的

Lagrange

函数为：

1

(

,

)

(

)

*

(

)

(

)

*

(

)

m

T

i

i

i

L

x

u

f

x

u

h

x

f

x

u

h

x













(

1.3

)

其中

1

2

(

,

,...,

)

T

m

u

u

u

u



为拉格朗日乘子向量。

约束函数

(

)

h

x

的

Jacobi

矩阵为：

1

(

)

(

)

(

(

),...,

(

))

T

T

m

A

x

h

x

h

x

h

x











.

对(

1.3

)求导数，可以得到下列方程组：

(

,

)

(

)

A(

)

*

(

,

)

0

(

,

)

(

)

T

x

u

L

x

u

f

x

x

u

L

x

u

L

x

u

h

x











































(

1.4

)

现在考虑用牛顿法求解非线性方程(

1.4

)

.

(

,

)

L

x

u



的

Jacobi

矩阵为：

(

,

)

(

)

(

,

)

(

)

0

T

W

x

u

A

x

N

x

u

A

x

















