最優(yōu)化理論與方法第五章2013年10月_第1頁
最優(yōu)化理論與方法第五章2013年10月_第2頁
最優(yōu)化理論與方法第五章2013年10月_第3頁
最優(yōu)化理論與方法第五章2013年10月_第4頁
最優(yōu)化理論與方法第五章2013年10月_第5頁
已閱讀5頁，還剩59頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

1、第 五 章無約束最優(yōu)化方法5.1 無約束問題的 最優(yōu)性條件1局部極小點2嚴格局部極小點3全局（總體）極小點4嚴格全局（總體）極小點。注：在非線性規(guī)劃中，大多數(shù)算法都致力于求最優(yōu)化問題的局部極小點，一般求全局極小點極為困難，僅當問題為凸規(guī)劃時，局部極小為全局極小。 一、極小點的概念二、無約束問題最優(yōu)性條件5.2 最速下降法最速下降法又稱為負梯度法，由Cauchy于1847年給出。是最為古老但又十分基本的一種方法。 最速下降法解決的是具有連續(xù)可微的目標函 數(shù)的無約束極值問題。 最速下降法的基本思想：從當前點xk出發(fā)尋找 使得目標函數(shù)下降最快的方向，即負梯度方向。 優(yōu)點：迭代過程簡單，使用方便。一.

2、 最速下降法關(guān)于梯度的復習：梯度是一個向量。n元函數(shù)f(x1 ,x2 ,xn)在點x處的梯度為：梯度的方向與函數(shù)f 的等值線的一個法線方 向相同，從較低的等值線指向較高的等值線。梯度的方向就是函數(shù)f 的值增加最快的方向， 其相反方向就是函數(shù)值降低最快的方向。解:例1:用最速下降法求的極小值,只迭代一次代入目標函數(shù)得：令繼續(xù)迭代,計算可得二.算法終止標準三、最速下降算法收斂性定理四.最速下降法的收斂速度五.算法特點 相鄰兩次迭代的搜索方向是正交的,迭代點列呈鋸齒形前進，迭代點越靠近最優(yōu)解附近,目標函數(shù)值下降的速度越慢，算法收斂速度慢。 5.3 牛頓法例2:用牛頓法求的極小值,解:1)計算2)方向3)求最優(yōu)步長代入目標函

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論