最优化理论与算法第八章Word文档格式.docx
《最优化理论与算法第八章Word文档格式.docx》由会员分享,可在线阅读,更多相关《最优化理论与算法第八章Word文档格式.docx(17页珍藏版)》请在冰豆网上搜索。
则称是处的线性化可行方向。
在处的的所有线性化可行方向的集合记为。
定义8.3设,,若存在序列和,使得对一切,有,且,,则称是处的序列可行方向。
在处的的所有序列可行方向的集合记为。
引理8.4设,且所有约束函数都在处均可微,则有:
(8.5)
证明:
对任何,由定义8.1可知,存在使得
,
令,和
则显然有,且,
因而,由的任意性,即知。
又对任何,如果,则显然。
假定,由定义8.3,存在序列和,使得,且和。
由有,
在上两式的左右两端除以,然后令趋于无穷,即得满足
因而,由的任意性,即知,证毕。
二、一阶最优性条件
引理8.5设是问题(8.1)的局部极小点,若和都在处可微,则必有,。
对任何,存在序列和,使得
,且和。
由,而且是局部极小点,故对充分大的有:
由上式可知,,引理于是证毕。
引理8.5表明:
在极小点处,所有的序列可行方向都不是下降方向。
引理8.6(Farkas引理)线性方程组和不等式组
无解的充要条件是存在实数和非负实数使得:
(8.9)
假定(8.9)式成立,且,那么对任意满足(8.6),(8.7)的,都有
因而不等式组无解。
另一方面,若不存在实数,非负实数,使(8.9)式成立。
考虑集合:
易证是中的一个闭凸锥,且。
由凸集分离定理:
必存在,使得
(是一常数)
由于,所以。
又由于是锥,故,有,从而
因而必有
再由
有
类似可得,
亦即
由以上讨论可见,是不等式组(8.6)——(8.8)的一个解。
注:
这里介绍的Farkas引理,以和其他教科书上给出的择一定理、Motzkin定理与Gordan定理,均是由凸集分离定理得出的同一类定理,它们在导出约束最优性条件方面起着至关重要的作用。
定理8.7(Karush-Kuhn-Tucker定理)设是(8.1)的局部极小点,若,则必存在,使得:
(8.10)
由引理8.5,,有,因而,有。
由的定义,知
无解。
由Farkas引理,知存在和,使得
再令,即得,且满足。
1)称为Lagrange函数,称为Lagrange乘子;
2)(8.10)通常称为问题(8.1)的K-T-T条件(或K-T条件),而满足(8.10)的点称为K-T-T点(或K-T点),(8.10)中的第二式称为互补松弛条件;
3)当约束规范性条件不成立时,局部极小点不一定是K-T点。
三、的一些充分条件
定理8.8若所有的都是线性函数,则。
,有
取,,那么当时,有
当时,有
而当时,由知:
当充分大时(),有
。
即有
这表明
即
再由,即得,证毕。
定理8.8若1)线性无关;
2)集合非空。
则。
先证
设是中任一向量,令是子空间的正交补中的标准正交基。
(由,故与正交,因而上述生成子空间的维数为)。
考虑下面以为参数的非线性方程组
(8.11)
它将确定以为参数的一个隐函数。
由于在处,上述方程组的Jacobi矩阵非奇异,且是方程组的解。
根据隐函数定理,对充分小的,必存在解且满足
事实上,将方程组确定的隐函数对求导,有
令,得
上述方程组得系数矩阵非奇异,故有唯一解,又显然方程组的解,因而有。
下证当充分小时,。
事实上,由是由方程组(8.11)确定的隐函数,由方程组(8.11)的第一式知,
当时,由的定义,有
故当充分小时,有
最后一个不等式是由于时,
当时,由。
故当充分小()时,有。
因此有。
现取
则有(,)
由上面分析,
这表明,或
由是中任意向量,故。
再由是闭集(可直接验证),故有
注意到
从而得:
,定理证毕。
定理8.9若在处线性无关,则。
1)若是空集,则易知上一定理的条件满足,从而结论成立。
2)若非空,那么对任何,由于线性无关,必存在,使得:
(,),。
事实上,若记,则线性无关。
记是
的一组标准正交基。
取
则与正交,即与正交。
因此有:
而
因而取
即满足要求,对每个,均可仿此构造出。
令
,
易证:
,即非空,由上一定理有:
定理8.9是最重要、最常用的约束规范性条件。
四、一阶充分性条件
定理8.10设,若和在处都可微,且
,()(8.12)
则是问题(8.1)的严格局部极小点。
假定(8.12)成立,而不是局部严格极小点,则存在,使得
(8.13)
且有
不失一般性,可设(否则,取其收敛子序列)。
即知
再由(8.13),有
其中,位于由与确定的线段上。
进而有
在上式中,令,即得
这与(8.12)矛盾。
定理于是证毕。
推论设,若和在处都可微,且
,()(8.14)
五、Fritz-John必要条件
定理8.11设,在上连续可微,若是问题(8.1)的局部极小点,则必存在,,使得
1)Fritz-John必要条件对约束不附加任何条件(即不要求约束满足约束规范性条件);
2)时,是K-T条件;
时,目标函数从条件中消失。
这是条件仅描述了约束条件之间的关系,使得到的Fritz-John点不是极小点的可能性增大,则也是Fritz-John条件不如Karush-Kuhn-Tucker条件使用广泛的原因;
3)证明可参见俞玉森等著《数学规划原理和方法》。
8.3二阶最优性条件
1)若且,都有,则由前一节的充分性条件知是局部严格极小点;
2)若,使,则是处的一个下降可行方向,因而不是极小点。
以上两种情形都可得到确定的结果,但若这两种情形都不出现,即
,(8.15)
且,()使(8.16)
如果仍假定约束规范性条件满足,那么类似定理8.7的证明可知是K-T点。
记是相应的Lagrange乘子,显然对使(8.16)成立的,有
由,知,由上式可推出
,。
由此,引入下述定义
定义8.12设是K-T点,是相应的Lagrange乘子,若,且满足:
则称是在处的线性化零约束方向。
处所有线性化零约束方向记为。
若处的Lagrange乘子唯一,则简记为。
定义8.13设是K-T点,是相应的Lagrange乘子,如果存在向量序列和数列,,使得,
且有,,则称是在处的序列零约束方向,处的序列零约束方向的集合记为。
由定义显然有:
且类似于
下面证明这一结论。
事实上,任取,由的定义知,存在
,()
使,
且(这里,对应的)
。
将在处展开,则有
1)若,
两边除,令,得
2)若,
类似可得:
故有
由的任意性,有。
1);
2)若,则存在,,,,使得
且,;
二阶最优性条件
定理8.14设是局部极小点,是对应的Lagrange乘子,则必有,使得
其中是Lagrange函数。
(二阶必要条件)
(略)
定理8.15设是一个K-T点,是对应的Lagrange乘子。
如果,
则是局部严格极小点。
(二阶充分条件)
1)一阶充分性条件与二阶充分性条件不是谁比谁弱的关系,彼此之间不存在简单的逻辑蕴含。
2)对一阶充分性条件,,。
若出现某些,使,这时一阶条件无效,可以转而考察二阶条件。
8.4凸规划问题
定义8.16若为凸集,为上的凸函数,则称
(8.17)
为凸规划。
在
(8.18)
中,若,均为凸函数,则为凸集,从而上述问题为凸规划问题。
在(8.18)中没有考虑等式约束。
事实上,在凸规划问题中,若包含等式约束,则该约束必为线性约束,因而为简单计,假定不含等式约束,对于包含等式约束的凸规划问题,所有讨论只须稍作修正,则同样有效。
定理8.17若在(8.18)中,均为凸函数,则其任何局部最优解均为全局最优解。
设为局部最优解,若它不是全局最优解,则必存,使得
,有
当时,,落入的邻域,但
这与为局部最优解矛盾,所以必为全局最优。
定理8.18若为严格凸函数,而均为凸函数。
若(8.18)有最优解,则必唯一。
设是(8.18)的最优解,而是另一最优解。
于是,,因而有
这与为最优解矛盾,故最优解唯一。
定理8.19设,均为凸函数,且在可微,又是问题的K-T点,则是全局最优解。
由在上凸,故,有
再由的凸性,有
当时,,而,故有
而当时,由互补松弛条件,有,
因此有
所以是全局最优解。
8.5凸规划的对偶理论
和线性规划一样,对偶理论在非线性规划的理论与算法研究中也起着重要作用。
由于构造对偶问题的不同方法,因而有不同的对偶理论。
如Rockafellare对偶理论,Wolfe对偶理论,Fenchel对偶理论。
这里只介绍Wolfe对偶理论,一方面是因为它比较简单,从计算的观点看较为方便。
另一方面,它也是目前文献中最常采用的对偶形式。
考虑非线性规划问题(NLP):
记,称函数:
为对偶目标函数,而称问题(DNLP)
对原问题的对偶问题。
对一般非线性规划问题,对偶问题的形式比较复杂,较难处理。
但当,均为上的凸函数时,由于为凸函数,而且,
其中由解出。
因而对偶问题可化为(DNLP1):
对偶理论
设原问题为:
对偶问题为:
1)若是原问题的可行解,是对偶问题的可行解,则有,即总有,这就是所谓弱对偶定理。
2)若进一步有,即,则与是分别是原问题与对偶问题的最优解。
这就是所谓强对偶定理。
8.6鞍点问题
对任一非线性规划问题,可以考虑下面三个密切相关的问题。
1)原始不等式约束问题(PP)
2)广义Lagrange问题(K-T条件)
记
3)鞍点问题(SP)
求,(),使得,和都有
称为的鞍点。
定理8.20设,可微,是(PP)的最优解。
若在处满足约束规范性条件,则必存在Lagrange乘子,使得是K-T问题的解。
定理8.21若,可微凸,且是K-T问题的解,则是(PP)的最优解。
定理8.22若,可微,是鞍点问题(SP)的解,则它是K-T问题的解。
定理8.23若,可微凸,是K-T问题的解,则它必是鞍点问题的解。
定理8.24若是鞍点问