作者:桂。
时间:2018-07-26 06:39:45
链接:https://www.cnblogs.com/mia1004/p/9369587.html
一、非线性模型
模型:
考虑到 = 等价于 >= & <=,上面式子可改写为:
对于可导的准则函数,极值点通常在导数为0或边界处,对于无约束情形:
1)极值点必要条件
2)充分条件
其中H为海森矩阵。
可以看到充分条件等价为H为正定,正定的判定可借助:所有主子式都大于0
当符号取反,则验证负定,原理相同。
二、凸规划
凸函数与凹函数
当然也存在非凸非凹
A-凸函数的意义
首先要明白,为什么需要凸函数。因为对于凸规划,极小值点就是最小值点。而不像一般的优化问题,可能极小值点仅仅是局部极小值点,而不是全局极小值点(最小值点)。
B-如何判定凸函数
明白了凸函数的意义,则需要运用它。面临的一个问题是:如何判定一个函数是不是凸函数。
判据1:
判据2:
C-凸规划
考虑非线性规划:
三、无约束问题的求解
1)极值点的求解:直接求解。 对于准则函数复杂的情形,可借助梯度下降(各类不同的下降思路,只是收敛速度不同);
2)判断是否为凸规划问题,若是,则极值点对应最值点。
该类求解,通常需要编程具体问题具体分析。