非线性规划的概念

简介: 非线性规划的概念

在建立规划模型时,若目标函数中决策变量或者约束方程(不等式)中某些变量为非一次(不是线性),则称建立的数学模型为非线性规划模型。

上述模型为非线性规划的标准模型(目标最小化,所有约束都是大于等于),很多优化理论的推导和优化程序的编译都是按照这种模式展开。

可行解

若x1,x2满足上述条件[10],[11],[12],则称向量x=[x1,x2]T为上述非线规划的可行解。

例如:

其中x(1),x(4)不是此问题的可行解,而x(2),x(3)是可行解。

可行集(可行域)

称为非线性规划问题[5]的可行集(域)。

举例

【问题分析】

决策变量为x=(x1,x2)T。目标函数表示决策变量x=(x1,x2)T到点(2,1)T的距离的平方(体现为以(2,1)为圆心的圆周半径变化);

第一个约束是一条抛物线(开口朝左,x1为横轴)(注意等号)

第二个约束为一次不等式;同时决策变量非负。

1、画出图形

绘制约束曲线,标出可行域

2、绘制目标函数曲线

 

该问题的目标是在抛物线段ABCD上找一个点,使得这个点到(2,1)T的距离的平方最小(距离本身也是最小)。这样的点位于以(2,1)T为圆心的圆周上。由图示可知,点D到(2,1)T的距离最小。即D(4,1)T就是抛物线段ABCD上到点(2,1)T距离平方最小的点。

因为抛物线段ABCD上,B 左右的点到(2,1)T的距离都大于B到(2,1)T的距离;C左右的点到(2,1)T的距离都小于C到(2,1)T的距离,因此f(B)为局部极小值,f( C )称为局部极大值。相应地,f(D)称为全局最小值,f(A)称为全局最大值


相关文章
|
3月前
|
机器学习/深度学习 算法
【机器学习】解释对偶的概念及SVM中的对偶算法?(面试回答)
解释了对偶的概念,指出对偶性在优化问题中的重要性,尤其是在强对偶性成立时可以提供主问题的最优下界,并且详细阐述了支持向量机(SVM)中对偶算法的应用,包括如何将原始的最大间隔优化问题转换为对偶问题来求解。
71 2
|
6月前
|
机器学习/深度学习 人工智能 算法
上升到人生法则的贝叶斯理论
贝叶斯定理在数据分析、机器学习和人工智能等领域有广泛的应用。贝叶斯定理(Bayes' theorem)是一种用于计算条件概率的重要定理,它基于条件概率的定义,描述了在已知某一条件下,另一个条件发生的概率。
|
6月前
|
存储 机器学习/深度学习 算法
图论基础:从数学原理到C/C++实现
图论基础:从数学原理到C/C++实现
204 0
|
机器学习/深度学习 BI 决策智能
线性规划 (一) 线性规划的基本形式及各种概念
线性规划 (一) 线性规划的基本形式及各种概念
379 0
|
11月前
线性规划解的概念
线性规划解的概念
|
11月前
lingo软件求解线性规划举例
lingo软件求解线性规划举例
140 0
线性规划模型基本原理与编程实现
线性规划模型基本原理与编程实现
42 0
线性规划模型基本原理与编程实现
|
算法
梯度下降算法详解(从下山比喻、数学推导到代码实现)
梯度下降算法详解(从下山比喻、数学推导到代码实现)
749 0
|
达摩院 API C语言
C语言如何使用MindOpt建模并求解线性规划问题
MindOpt是达摩院决策智能实验室研究的一款优化求解器,能帮助做方案设计、生产方案优化、资源合理分配、辅助决策等。可以支持命令行、c、c++、java和python调用,目前求解算法实现了线性规划、混合整数线性规划、二次规划。
C语言如何使用MindOpt建模并求解线性规划问题
概率统计中最重要的概念:概率统计与马尔可夫链的理解
概率统计中最重要的概念:概率统计与马尔可夫链的理解
212 0
概率统计中最重要的概念:概率统计与马尔可夫链的理解