约束优化方法
一般形式的约束优化问题是:
有以下相关概念:
1. 可行域——满足约束条件的x的集合
2.x点的有效约束——在x点等号成立的约束
3.可行方向
在x*处的可行方向的集合记为FD(x*,X)
4.线性化可行方向
在x*处的线性化可行方向的集合记为LFD(x*,X)
5.序列可行方向
在x*处的线序列可行方向的集合记为SFD(x*,X)
几个约束规范条件:
1.约束规范条件(CQ):LFD(x*,X)=SFD(x*,X)
2.线性函数约束规范条件(LFCQ):所有的约束函数都是线性函数
3.线性无关约束规范条件(LICQ):约束函数的梯度线性无关
可以证明:线性函数约束规范条件或线性无关约束规范条件成立,则约束规范条件成立
约束优化的一阶最优条件称为kkt条件:
kkt条件从上到下依次称为:驻点条件、可行性条件、可行性条件、乘子非负条件、互补松弛条件
相应的,有kkt定理:如果约束规范条件满足,则存在λi*(i=1,2,...,m),使得kkt条件成立
与kkt条件有密切联系的一个函数是Lagrange函数:
关于约束优化问题,还有几个一阶和二阶最有条件:
首先定义LFD的子集F2:
一阶最优性充分条件:
二阶最优性必要条件:
二阶最优性充分条件:
-----------------------------------------------------------------我是分割线-----------------------------------------------------------------
求解约束优化问题有以下几个常用方法:
1. 二次罚函数法
罚函数法是一类对不可行点进行迭代的方法,对不可行约束采用惩罚函数
对于等式约束问题,二次罚函数定义为:
对于一般问题,二次罚函数定义为:
其中μ>0是罚参数
二次罚函数的步骤如下:
2.内点障碍罚函数法
与罚函数法不同,内点障碍罚函数法是一类保持严格可行性的方法,因此这种方法适用于只有不等式约束的问题
常用的障碍函数是对数障碍函数和分数障碍函数法
对数障碍函数法的步骤如下: