matlab试用SUMT外点法求解,第四章 非线性规划2-SUMT方法(罚函数法)

第二节 SUMT 方法(罚函数法)

一、SUMT 方法的原理

SUMT (sequential unconstrained minimization technique )法，序列无约束极小化方法,亦称为罚函数法。它是一种不等式约束最优化问题的间接解法 它的基本思想是将原来的目标函数和约束函数按一定的方式构成一个新的函数，在这个新函数中，既包括目标函数，又包括全部约束函数和一个可以变化的乘子。

当这个乘子按一定的方式改变时，就得到一个新函数序列，求每一个新函数的最优解都是一个无约束最优化问题，这样就把一个约束最优化问题转化为一系列无约束最优化问题进行求解。所得到的最优解序列将逐步逼近原问题的最优解。

引例一：min ()f X ax =

s.t ()0g X b x =-≤

显然f (X )的最优点为x*=b ，对应的最小

值为f (X*)=ab

用SUMT 求解函数的最优解 构造函数

11(,)()()k k k

X r f X r ax r g X b x

Φ=-=-- 0k r >—可变化乘子，它是一个很小的正

数。

其最优解为：

*()k X r b =+ 此时对应的(,)k X r Φ的最小值为

***1(,)k k

X r ax r b x ab Φ=--=+

最优点*()k X r 和最小值*(,)k X r Φ均是k r 的函数。当k r 取不同值时，它们有不同的

值，而当0k r →时，**()k X r X b →=，*(,)*k X r f X ab Φ→=()，即最后收敛于约束最优点。

0min lim[min (,)]() {|()0}k k i r X r f X R X g X X R

→Φ==≤∈ 以上分析从理论上说明了无约束最优化问题min (,)k X r Φ与约束优化问题

min () {|()0}i f X R X g X X R

=≤∈之间的联系：约束非线性规划问题可以通过构造新目标函数序列，用无约束优化方法求其极小点，并逐次逼近原问题的最优点。

问题：如何构造新函数？或者说新函数具有什么特点？