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