附录5《最优化方法》复习题.docx
《附录5《最优化方法》复习题.docx》由会员分享,可在线阅读,更多相关《附录5《最优化方法》复习题.docx(15页珍藏版)》请在冰豆网上搜索。
![附录5《最优化方法》复习题.docx](https://file1.bdocx.com/fileroot1/2022-10/26/e3401106-e3e5-4026-b4b6-1084fff5a955/e3401106-e3e5-4026-b4b6-1084fff5a9551.gif)
附录5《最优化方法》复习题
附录5《最优化方法》复习题
1、设是对称矩阵,,求在任意点处的梯度和Hesse矩阵.
解.
2、设,其中二阶可导,,试求.
解.
3、设方向是函数在点处的下降方向,令
,
其中为单位矩阵,证明方向也是函数在点处的下降方向.
证明 由于方向是函数在点处的下降方向,因此,从而
,
所以,方向是函数在点处的下降方向.
4、是凸集的充分必要条件是的一切凸组合都属于.
证明 充分性显然.下证必要性.设是凸集,对用归纳法证明.当时,由凸集的定义知结论成立,下面考虑时的情形.令,
其中,且.不妨设(不然,结论成立),记,有,
又,
则由归纳假设知,,而,且是凸集,故.
5、设为非空开凸集,在上可微,证明:
为上的凸函数的充要条件是.
证明 必要性.设是上的凸函数,则及,有
,
于是,
因为开集,在上可微,故令,得
,即.
充分性.若有,
则,取,从而
,,
将上述两式分别乘以和后,相加得
,
所以为凸函数.
6、证明:
凸规划的任意局部最优解必是全局最优解.
证明用反证法.设为凸规划问题的局部最优解,即存在的某个邻域,使.若不是全局最优解,则存在,使.由于为上的凸函数,因此
,有
.
当充分接近1时,可使,于是,矛盾.从而是全局最优解.
7、设为非空凸集,是具有一阶连续偏导数的凸函数,证明:
是问题的最优解的充要条件是:
.
证明必要性.若为问题的最优解.反设存在,使得
,则是函数在点处的下降方向,这与为问题的最优解矛盾.故.
充分性.若.反设存在,使得.
,
因为凸集,在上可微,故令,得
,这与已知条件矛盾,故是问题的最优解.
8、设函数具有二阶连续偏导数,是的极小点的第次近似,利用在点处的二阶Taylor展开式推导Newton法的迭代公式为
.
证明 由于具有二阶连续偏导数,故
.
且是对称矩阵,因此是二次函数.为求的极小点,可令,即,若正定,则上式解出的的平稳点就是的极小点,以它作为的极小点的第次近似,记为,即,这就得到了Newton法的迭代公式.
9、叙述常用优化算法的迭代公式.
(1)0.618法的迭代公式:
(2)Fibonacci法的迭代公式:
.
(3)Newton一维搜索法的迭代公式:
.
(4)最速下降法用于问题的迭代公式:
(5)Newton法的迭代公式:
.
(6)共轭方向法用于问题的迭代公式:
.
10、已知线性规划:
(1)用单纯形法求解该线性规划问题的最优解和最优值;
(2)写出线性规划的对偶问题;
(3)求解对偶问题的最优解和最优值.
解
(1)引进变量,将给定的线性规划问题化为标准形式:
3
1
1
1
0
0
60
1
-2
2
0
1
0
10
1
1*
-1
0
0
1
20
-2
1
-1
0
0
0
0
2
0
2
1
0
-1
40
3
0
0
0
1
2
50
1
1
-1
0
0
1
20
-3
0
0
0
0
-1
-20
所给问题的最优解为,最优值为.
(2)所给问题的对偶问题为:
(1)
(3)将上述问题化成如下等价问题:
引进变量,将上述问题化为标准形式:
(2)
-3
-1
-1
1
0
0
2
-1
2
-1*
0
1
0
-1
-1
-2
1
0
0
1
1
-60
-10
-20
0
0
0
0
-2
-3
0
1
-1
0
3
1
-2
1
0
1
0
1
-2
0
0
0
1
1
0
-40
-50
0
0
-20
0
20
问题
(2)的最优解为,最优值为(最小值).
问题
(1)的最优解为,最优值为(最大值).
11、用0.618法求解,要求缩短后的区间长度不超过0.2,初始区间取.
解第一次迭代:
取.
确定最初试探点分别为
,.
求目标函数值:
,.
比较目标函数值:
.
比较.
第二次迭代:
.
.
.
第三次迭代:
.
.
.
第四次迭代:
.
.
.
第五次迭代:
.
.
.
第六次迭代:
.
.
.
第七次迭代:
.
.
.
第八次迭代:
.
.
.
第九次迭代:
.
.
.
故.
12、用最速下降法求解,取,迭代两次.
解 ,
将写成的形式,则.
第一次迭代:
.
第二次迭代:
.
13、用FR共轭梯度法求解,取,迭代两次.若给定判定是否还需进行迭代计算.
解,
再写成,,.
第一次迭代:
,令,
从出发,沿进行一维搜索,即求的最优解,得
.
第一次迭代:
.,
.
从出发,沿进行一维搜索,即求
的最优解,得
.
此时
.
得问题的最优解为,无需再进行迭代计算.
14、用坐标轮换法求解,取,迭代一步.
解 从点出发,沿进行一维搜索,
即求的最优解,得
.
再从点出发,沿进行一维搜索,
即求的最优解,得
.
15、用Powell法求解,取,初始搜索方向组,给定允许误差(迭代两次).
解第一次迭代:
令,从点出发沿进行一维搜索,易得
;
接着从点出发沿进行一维搜索,得
由此有加速方向.
因为,所以要确定调整方向.
由于,按(8.4.17)式有
,
因此,并且
.
又因,故(8.4.18)式不成立.于是,不调整搜索方向组,并令.
第二次迭代:
取,从点出发沿作一维搜索,得
.
接着从点出发沿方向作一维搜索,得
.
由此有加速方向
.
因为,所以要确定调整方向.因
,
故按(8.4.17)式易知,并且
.
由于
,
因此(8.4.18)式成立。
于是,从点出发沿作一维搜索,得
。
同时,以替换,即下一次迭代的搜索方向组取为
.
16、用外罚函数法在直线上求一点,使得到原点的距离近似最短,取.
解令,问题可归为求解如下最优化问题
引入罚函数.
则原约束最优化问题相应的一系列无约束最优化问题为:
,其中.
解上述无约束问题,得,
同时.
依次对用上述公式计算和,结果如下表所示.
1
0.5
2
1.2500
2
1
3
1.1111
3
2
5
8.0000
4
4
9
4.9383
5
8
17
2.7682
6
16
33
1.4692
7
32
65
7.5740
8
64
129
3.8459
9
128
257
1.9380
10
256
513
9.7276
11
512
1025
4.8733
12
1024
2049
2.4390
13
2048
4097
1.2201
14
4096
8193
6.102
由迭代终止条件可得原约束问题的近似最优解(保留4位有效数字).