非线性规划的深入解析

例1（投资决策问题）某企业有n个项目可供选择投资，并且至少要对其中一个项目投资。已知该企业拥有总资金A元，投资于第i个项目需花资金ai元，并预计可收益bi元。试选择最佳投资方案。

解:设投资决策变量为

则投资总额为∑aixi，投资总收益为∑bixi。因为该公司至少要对一个项目投资，并且总的投资金额不能超过总资金 ，故有限制条件

另外，由于 xi只取值0或1，所以还有

最佳投资方案应是投资额最小而总收益最大的方案，所以这个最佳投资决策问题归结为总资金以及决策变量（取0或1）的限制条件下，极大化总收益和总投资之比。因此，其数学模型为：

上面例题是在一组等式或不等式的约束下，求一个函数的最大值（或最小值）问题，其中目标函数或约束条件中至少有一个非线性函数，这类问题称之为非线性规划问题，简记为（NP）。可概括为一般形式

（NP)

其中x=[x1 xn]称为模型（NP）的决策变量，f称为目标函数，gi和hj 称为约束函数。另外，gi(x)=0称为等式约束，hj(x)<=0称为不等式约束。 对于一个实际问题，在把它归结成非线性规划问题时，一般要注意如下几点：

（i）确定供选方案：首先要收集同问题有关的资料和数据，在全面熟悉问题的基础上，确认什么是问题的可供选择的方案，并用一组变量来表示它们。

（ii）提出追求目标：经过资料分析，根据实际需要和可能，提出要追求极小化或极大化的目标。并且，运用各种科学和技术原理，把它表示成数学关系式。

（iii）给出价值标准：在提出要追求的目标之后，要确立所考虑目标的“好”或“坏”的价值标准，并用某种数量形式来描述它。

（iv）寻求限制条件：由于所追求的目标一般都要在一定的条件下取得极小化或极大化效果，因此还需要寻找出问题的所有限制条件，这些条件通常用变量之间的一些不等式或等式来表示。 对实际规划问题作定量分析，必须建立数学模型。建立数学模型首先要选定适当的目标变量和决策变量，并建立起目标变量与决策变量之间的函数关系，称之为目标函数。然后将各种限制条件加以抽象，得出决策变量应满足的一些等式或不等式，称之为约束条件。非线性规划问题的一般数学模型可表述为求未知量x1，x2，…，xn，使满足约束条件：

gi(x1，…，xn）≥0　i=1，…，m

hj(x1，…，xn)=0　j=1，…，p

并使目标函数f(x1，…，xn）达到最小值（或最大值）。其中f，诸gi和诸hj都是定义在n维向量空间Rn的某子集D（定义域）上的实值函数，且至少有一个是非线性函数。

上述模型可简记为：

min f(x)

st gi(x）≥0　i=1，…，m

hj(x)=0 j=1，…，p

其中x=(x1，…，xn）属于定义域D，符号min表示“求最小值”，符号st表示“受约束于”。

定义域D 中满足约束条件的点称为问题的可行解。全体可行解所成的集合称为问题的可行集。对于一个可行解x，如果存在x的一个邻域，使目标函数在x处的值f(x）优于 （指不大于或不小于）该邻域中任何其他可行解处的函数值，则称x为问题的局部最优解（简称局部解）。如果f(x）优于一切可行解处的目标函数值，则称x为问题的整体最优解（简称整体解）。实用非线性规划问题要求整体解，而现有解法大多只是求出局部解。 指寻求一元函数在某区间上的最优值点的方法。这类方法不仅有实用价值，而且大量多维最优化方法都依赖于一系列的一维最优化。常用的一维最优化方法有黄金分割法、切线法和插值法。

①　黄金分割法　又称0618法。它适用于单峰函数。其基本思想是：在初始寻查区间中设计一列点，通过逐次比较其函数值，逐步缩小寻查区间，以得出近似最优值点。

②　切线法　又称牛顿法。它也是针对单峰函数的。其基本思想是：在一个猜测点附近将目标函数的导函数线性化，用此线性函数的零点作为新的猜测点，逐步迭代去逼近最优点。

③　插值法　又称多项式逼近法。其基本思想是用多项式（通常用二次或三次多项式）去拟合目标函数。

此外，还有斐波那契法、割线法、有理插值法、分批搜索法等。 指寻求 n元实函数f在整个n维向量空间Rn上的最优值点的方法。这类方法的意义在于：虽然实用规划问题大多是有约束的，但许多约束最优化方法可将有约束问题转化为若干无约束问题来求解。

无约束最优化方法大多是逐次一维搜索的迭代算法。这类迭代算法可分为两类。一类需要用目标函数的导函数，称为解析法。另一类不涉及导数，只用到函数值，称为直接法。这些迭代算法的基本思想是：在一个近似点处选定一个有利搜索方向，沿这个方向进行一维寻查，得出新的近似点。然后对新点施行同样手续，如此反复迭代，直到满足预定的精度要求为止。根据搜索方向的取法不同，可以有各种算法。属于解析型的算法有：①梯度法：又称最速下降法。这是早期的解析法，收敛速度较慢。②牛顿法：收敛速度快，但不稳定，计算也较困难。③共轭梯度法：收敛较快，效果较好。④变尺度法：这是一类效率较高的方法。其中达维登-弗莱彻-鲍威尔变尺度法，简称 DFP法，是最常用的方法。属于直接型的算法有交替方向法（又称坐标轮换法）、模式搜索法、旋转方向法、鲍威尔共轭方向法和单纯形加速法等。 这是一类特殊的非线性规划。在前述非线性规划数学模型中，若f是凸函数，诸gi都是凹函数，诸hj都是一次函数，则称之为凸规划。所谓f是凸函数，是指f有如下性质：它的定义域是凸集，且对于定义域中任意两点x和y及任一小于1的正数α，下式都成立：

f(（1-α）x +αy）α≤（1-α）f(x)+αf(y)

将上述不等式中的不等号反向即得凹函数的定义。所谓凸集，是指具有如下性质的集合：连结集合中任意两点的直线段上的点全部属于该集合。

对于一般的非线性规划问题，局部解不一定是整体解。但凸规划的局部解必为整体解，而且凸规划的可行集和最优解集都是凸集。 几何规划　一类特殊的非线性规划。它的目标函数和约束函数都是正定多项式（或称正项式）。几何规划本身一般不是凸规划，但经适当变量替换，即可变为凸规划。几何规划的局部最优解必为整体最优解。求解几何规划的方法有两类。一类是通过对偶规划去求解；另一类是直接求解原规划，这类算法大多建立在根据几何不等式将多项式转化为单项式的思想上。

非线性规划是一种求解目标函式或约束条件中有一个或几个非线性函式的最最佳化问题的方法。运筹学的一个重要分支。20世纪50年代初，库哈(HWKuhn) 和托克 (AWTucker) 提出了非线性规划的基本定理，为非线性规划奠定了理论基础。这一方法在工业、交通运输、经济管理和军事等方面有广泛的套用，特别是在“最优设计”方面，它提供了数学基础和计算方法，因此有重要的实用价值。

基本介绍 中文名 ：非线性规划 外文名 ：nonlinear programming 套用 ：工程、管理、经济 意义 ：为最优设计提供了有力的工具 所属学科 ：运筹学 基本概念 ：具有非线性约束或目标的数学规划 发展历史,深入解析,常见问题,数学模型,最优方法,无约束法,约束法,凸规划,二次规划,几何规划,套用范围, 发展历史 非线性规划是20世纪50年代才开始形成的一门新兴学科。1951年HW库恩和AW塔克发表的关于最优性条件（后来称为库恩－塔克条件）的论文是非线性规划正式诞生的一个重要标志。在50年代还得出了可分离规划和二次规划的n种解法，它们大都是以GB丹齐克提出的解线性规划的单纯形法为基础的。50年代末到60年代末出现了许多解非线性规划问题的有效的算法。20世纪80年代以来，随着计算机技术的快速发展，非线性规划方法取得了长足进步，在信赖域法、稀疏拟牛顿法、并行计算、内点法和有限存储法等领域取得了丰硕的成果。 深入解析 常见问题 对于一个实际问题，在把它归结成非线性规划问题时，一般要注意如下几点 （i）确定供选方案：首先要收集同问题有关的资料和数据，在全面熟悉问题的基础上，确认什么是问题的可供选择的方案，并用一组变数来表示它们。 （ii）提出追求目标：经过资料分析，根据实际需要和可能，提出要追求极小化或极大化的目标。并且，运用各种科学和技术原理，把它表示成数学关系式。 （iii）给出价值标准：在提出要追求的目标之后，要确立所考虑目标的“好”或“坏”的价值标准，并用某种数量形式来描述它。 （iv）寻求限制条件：由于所追求的目标一般都要在一定的条件下取得极小化或极大化效果，因此还需要寻找出问题的所有限制条件，这些条件通常用变数之间的一些不等式或等式来表示。 数学模型 对实际规划问题作定量分析，必须建立数学模型。建立数学模型首先要选定适当的目标变数和决策变数，并建立起目标变数与决策变数之间的函式关系，称之为目标函式。然后将各种限制条件加以抽象，得出决策变数应满足的一些等式或不等式，称之为约束条件。非线性规划问题的一般数学模型可表述为求未知量x1，x2，…，xn，使满足约束条件： gi(x1，…，xn）≥0　i=1，…，m hj(x1，…，xn)=0　j=1，…，p 并使目标函式f(x1，…，xn）达到最小值（或最大值）。其中f，诸gi和诸hj都是定义在n维向量空间Rn的某子集D（定义域）上的实值函式，且至少有一个是非线性函式。 上述模型可简记为： min f(x) st gi(x）≥0　i=1，…，m hj(x)=0 j=1，…，p 其中x=(x1，…，xn）属于定义域D，符号min表示“求最小值”，符号st表示“受约束于”。 定义域D 中满足约束条件的点称为问题的可行解。全体可行解所成的集合称为问题的可行集。对于一个可行解x，如果存在x的一个邻域，使目标函式在x处的值f(x）优于 （指不大于或不小于）该邻域中任何其他可行解处的函式值，则称x为问题的局部最优解（简称局部解）。如果f(x）优于一切可行解处的目标函式值，则称x为问题的整体最优解（简称整体解）。实用非线性规划问题要求整体解，而现有解法大多只是求出局部解。 最优方法 指寻求一元函式在某区间上的最优值点的方法。这类方法不仅有实用价值，而且大量多维最最佳化方法都依赖于一系列的一维最最佳化。常用的一维最最佳化方法有黄金分割法、切线法和插值法。 ①　黄金分割法　又称0618法。它适用于单峰函式。其基本思想是：在初始寻查区间中设计一列点，通过逐次比较其函式值，逐步缩小寻查区间，以得出近似最优值点。 ②　切线法　又称牛顿法。它也是针对单峰函式的。其基本思想是：在一个猜测点附近将目标函式的导函式线性化，用此线性函式的零点作为新的猜测点，逐步叠代去逼近最优点。 ③　插值法　又称多项式逼近法。其基本思想是用多项式（通常用二次或三次多项式）去拟合目标函式。 此外，还有斐波那契法、割线法、有理插值法、分批搜寻法等。 无约束法 指寻求 n元实函式f在整个n维向量空间Rn上的最优值点的方法。这类方法的意义在于：虽然实用规划问题大多是有约束的，但许多约束最最佳化方法可将有约束问题转化为若干无约束问题来求解。 无约束最最佳化方法大多是逐次一维搜寻的叠代算法。这类叠代算法可分为两类。一类需要用目标函式的导函式，称为解析法。另一类不涉及导数，只用到函式值，称为直接法。这些叠代算法的基本思想是：在一个近似点处选定一个有利搜寻方向，沿这个方向进行一维寻查，得出新的近似点。然后对新点施行同样手续，如此反复叠代，直到满足预定的精度要求为止。根据搜寻方向的取法不同，可以有各种算法。属于解析型的算法有：①梯度法：又称最速下降法。这是早期的解析法，收敛速度较慢。②牛顿法：收敛速度快，但不稳定，计算也较困难。③共轭梯度法：收敛较快，效果较好。④变尺度法：这是一类效率较高的方法。其中达维登-弗莱彻-鲍威尔变尺度法，简称 DFP法，是最常用的方法。属于直接型的算法有交替方向法（又称坐标轮换法）、模式搜寻法、旋转方向法、鲍威尔共轭方向法和单纯形加速法等。 约束法 指前述一般非线性规划模型的求解方法。常用的约束最最佳化方法有 4种。 ①拉格朗日乘子法：它是将原问题转化为求拉格朗日函式的驻点。 ②制约函式法：又称系列无约束最小化方法，简称SUMT法。它又分两类，一类叫惩罚函式法，或称外点法；另一类叫障碍函式法，或称内点法。它们都是将原问题转化为一系列无约束问题来求解。 ③可行方向法：这是一类通过逐次选取可行下降方向去逼近最优点的叠代算法。如佐坦迪克法、弗兰克－沃尔夫法、投影梯度法和简约梯度法都属于此类算法。 ④近似型算法：这类算法包括序贯线性规划法和序贯二次规划法。前者将原问题化为一系列线性规划问题求解，后者将原问题化为一系列二次规划问题求解。 凸规划 这是一类特殊的非线性规划。在前述非线性规划数学模型中，若f是凸函式，诸gi都是凹函式，诸hj都是一次函式，则称之为凸规划。所谓f是凸函式，是指f有如下性质：它的定义域是凸集，且对于定义域中任意两点x和y及任一小于1的正数α，下式都成立： f(（1-α）x +αy）α≤（1-α）f(x)+αf(y) 将上述不等式中的不等号反向即得凹函式的定义。所谓凸集，是指具有如下性质的集合：连结集合中任意两点的直线段上的点全部属于该集合。 对于一般的非线性规划问题，局部解不一定是整体解。但凸规划的局部解必为整体解，而且凸规划的可行集和最优解集都是凸集。 二次规划 一类特殊的非线性规划。它的目标函式是二次函式，约束条件是线性的。求解二次规划的方法很多。较简便易行的是沃尔夫法。它是依据库恩－塔克条件，线上性规划单纯形法的基础上加以修正而成的。此外还有莱姆基法、毕尔法、凯勒法等。 几何规划 几何规划　一类特殊的非线性规划它的目标函式和约束函式都是正定多项式（或称正项式）。几何规划本身一般不是凸规划，但经适当变数替换，即可变为凸规划。几何规划的局部最优解必为整体最优解。求解几何规划的方法有两类。一类是通过对偶规划去求解；另一类是直接求解原规划，这类算法大多建立在根据几何不等式将多项式转化为单项式的思想上。 套用范围 在经营管理、工程设计、科学研究、军事指挥等方面普遍地存在着最最佳化问题。例如：如何在现有人力、物力、财力条件下合理安排产品生产，以取得最高的利润；如何设计某种产品，在满足规格、性能要求的前提下，达到最低的成本；如何确定一个自动控制系统的某些参数，使系统的工作状态最佳；如何分配一个动力系统中各电站的负荷，在保证一定指标要求的前提下，使总耗费最小；如何安排库存储量，既能保证供应，又使储存费用最低；如何组织货源，既能满足顾客需要，又使资金周转最快等。对于静态的最最佳化问题，当目标函式或约束条件出现未知量的非线性函式，且不便于线性化，或勉强线性化后会招致较大误差时，就可套用非线性规划的方法去处理。

坐标的拼音是zuò biāo。

解释：用来确定直线上一点、空间一点、给定平面或曲面上一点位置的有次序的一组数。例如，要确定轮船在海洋中的位置，就用经度和纬度两个数，这两个数共同组成这个轮船所在位置的坐标。

坐标造句：1、于是我用对数坐标，作了张图,列出了向心加速度,与平均距离的关系。

2、通过采用坐标轮换法优化，发现所求最优化问题具有多极值特点。

3、温柔，是你给的项圈，把爱紧扣心田；浪漫，是你给的坐标，把情直达云天；走遍天涯海角，心心相念；不管署去寒来，真爱永远。亲爱的，我将与你一生相伴！

4、本文采用坐标网目法对带孔件成形过程进行了试验研究。

5、建立了溶质平均收敛点坐标的计算方程，并从自由能变的角度表征了收敛点坐标的物理意义，阐明了收敛点的纵坐标相等的原因是溶质在收敛点处的自由能变为零。

6、一种是“可变参数内插法”，另一种是用契比雪夫多项式对卫星直角坐标进行高阶内插的方法。

7、结果定义了28颗人工牙的坐标系，并得到相应参数在其坐标系下的测量值。

8、平行坐标用其坐标点显示变量，直线连接坐标点为折线。

计算机中的顺序查询是指：是按照序列原有顺序对数组进行遍历比较查询的基本查找算法。对于任意一个序列以及一个给定的元素，将给定元素与序列中元素依次比较，直到找出与给定关键字相同的元素，或者将序列中的元素与其都比较完为止。

计算机中的随机查询是指：从数据中随机抽出一个数字跟5比较，比如第一次随机抽到了4跟5比较，然后再随机抽一个3跟5比较，不断的随机抽然后比较，最终找到结果。

计算机中的直接查询是指：基于启发式方法的只利用目标函数值信息的无约束优化方法，如坐标轮换法、鲍威尔法，称为直接搜索法。因为直接搜索法既不需要计算也不要逼近导数，他们常常被描述成“导数无关”。

扩展资料：

直接查询法一般被分为三类，许多在应用文献中提到的新方法都是这三种方法的基本原理的改进版本。分为：模式搜索法、单纯形法、搜索方向集适应法。

模式搜索法（Pattern search）用一系列的点模式考虑目标函数的行为的试探位移来刻划。所有都依赖于有理格。试探位移由当前迭代邻近网格的点访问的系统策略组成。在戴维森的 ANL 5990[2]延期的序言中，他描述了最基础的一种模式搜索算法，由于这么简单而没有归类。

单纯形搜索法（Simplex search）由指导搜索的简单策略刻划。第一个单纯形方法是在 1962 年由 Spendley et al[3]在论文中提出的。他们是由于早期的直接搜索法在任何地方都需要 2n 到 2n 个目标估值完成叠代改进的搜索的事实。

搜索方向集适应法，最后一个经典方法的家族包括 Rosenbrock 和 Powell 的方法，称作搜索方向集适应法（Methods with adaptive sets of search directions）。这些算法试图利用在搜索过程中获得的函数曲率的信息构造方向来加速搜索。

参考资料来源：百度百科-直接搜索法

参考资料来源：百度百科-顺序查询

答：共轭梯度法是以函数的梯度构造共轭方向的一种算法，具有共轭方向的性质。共轭梯度法具有超线性收敛速度。梯度法与共轭梯度法的区别是：

1)最速下降法(梯度法) ：搜索方向为目标函数负梯度方向，计算效率优于坐标轮换法。开始几步搜索下降快，但愈接近极值点下降愈慢。对初始点的选择要求不高，适合与其它方法结合使用。

2)共轭梯度法：第一步搜索沿负梯度方向，然后沿负梯度的共轭方向搜索。计算效率介于梯度法和牛顿法之间。对初始点没有特殊的要求，不需要计算二阶偏导数矩阵及其逆矩阵，计算量与梯度法相当。适用于各种规模的问题

以上就是关于非线性规划的深入解析全部的内容，包括:非线性规划的深入解析、非线性规划详细资料大全、坐标的拼音等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！