运筹学-4-非线性规划

1、LP问题何时局部最优解也是全局最优解

对maximum问题来说：可行域是一个凸集，目标函数是凹规划
对minimum问题来说：可行域是凸集，目标函数是凸规划

2、无约束非线性规划

2.1理论上的海塞矩阵、鞍点

找局部最大值、局部最小值以及saddle point（鞍点），鞍点指的是不是极值点的驻点。一阶主子式应该是以-1的一次方为符号，二阶主子式应该是以-1的二次方为符号······这是concave凹函数，如果主子式的行列式的值全都是正的，那么就应该是convex凸函数。

2.2数值解法：最速下降法

*3、有约束非线性规划-KKT条件

使用kkt条件之前先判断限制条件的梯度之间是否是线性独立的。
如果目标函数的梯度不可以使用条件约束的梯度表示，那么kkt条件不成立。不可以使用这种方法。

首先构建拉格朗日等式；
然后分别对每个变量求解一阶导，令其等于0，求解出变量和拉朗日系数的值；
判断目标函数和约束条件的凹凸性，然后得出局部最优解和全局最优解之间的关系；

*4、可行方向法