运筹学-无约束最优化方法.pdfVIP

第四章 无约束最优化方法 §1 最优性条件 设j (a)为一元可微函数,若a*为j (a)的局部极小 点,则j ’(a)=0. 2 g (x) f (x), G(x)  f (x) 定理1.1 (一阶必要条件) * * 若x 为f (x) 的局部极小点,且在x 的某邻域内具 有一阶连续偏导数,则 * * g f (x ) 0 （满足等式的点x*驻点，可分为极小点、极大点、鞍点） 2 Proof (basic idea): * n * T * If g  0, then there exist p  R (i.e., p g ),such that p g  0. By mean value theorem, there exists a1 (0, a) such that f (x *  ap ) f (x * )  ap Tg (x *  a p ). 1 * Since g C(N (x )), there exists   0, such thata (0, a), p Tg * (x *  a p )  0, 1 * * f (x ap ) f (x ) (contradiction!) 二阶充分条件 设j (a)为一元二阶可导函数,若j ’(a *)=0, j ”(a*)0 则a*为j (a)的严格局部极小点, 定理1.2(二阶充分条件) 若在x *的某邻域内f (x)有二阶连续偏导数且 g *=0,G(x *)正定,则x *为问题(3.1)的严格局部 极小点. (basic idea): * 1 * * * * 2 f (x ) f (x )  (x x )G (x x ) o ( x x ) 2 * 1 * * 2 * 2 * *  f (x )  max (G ) x x  o ( x x ) f (x ) (when x x 1 ) 2 4  定理1.3(二阶必要条件)  若x *为f (x) 的局部极小点,且在x *的某邻域内 f (x)有二阶连续偏导数,则g *=0,G(x *)半正定. Proof (basic idea): take p R n \{0},and define j (a )=f (x * a p ).Then T * T * j (a ) g (x a p ) p,j (a ) p G (x a p ) p, Since j (a )  j (0) for sufficiently small a , j (0) 0,j (0)  0,namely,