AI
推荐
模板社区
专题
登录
免费注册
首页
思维导图
详情
9.1最优性条件
2018-12-27 14:22:50
0
举报
分享方式
仅支持查看
AI智能生成
最优性条件 最优化
最优化
最优性条件
模板推荐
作者其他创作
大纲/内容
约束问题的极值条件
子主题
子主题
子主题
子主题
子主题
子主题
<b>用户(需求)</b>
局部最优解都是FJ点,但是反之不成立<br>因为FJ点的要求比较弱,当W0等于0时,其实相当于把目标函数给略过了,则就失去了意义
子主题
子主题
子主题
例子说明,FJ点,不都是局部最优点,但局部最优点,一定是FJ点
子主题
子主题
子主题
重要 KKT
对于不起作用的约束条件,其对应的W已经等于0
子主题
子主题
<br>
子主题
子主题
子主题
凸规划
子主题
一阶充分条件
子主题
子主题
·
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
不满足凸规划,那如何判断最优解<br>举例子,KKT点不都是最优解,要求<br>满足凸规划性质
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
二阶必要性:局部最优点+正则点 -> 二阶L导数在G空间是半正定<br>二阶充分性:KKT点,二阶L导数在G空间上是正定矩阵,则为严格局部极小点 <br>如果不是KKT点,一定不是局部最优点,用于第一层筛选 非局部最优解
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
子主题
分支主题
可行域,既是约束条件构成的空间
明显与非线性规划的区别,线性规划的最优解,一定是可行区域边界点,或者更应该是可行域的某个<br>顶点。<br>但是非线性规划,一定要知道上述这个结论。
局部最优 全局最优
无约束问题的极值条件
子主题
引理
子主题
通过引理条件可以证明 定理1
定理1 一阶必要条件
必要条件,局部极小点,梯度=0
定理2 二阶必要条件
子主题
子主题
子主题
定理3 二阶充分条件
子主题
子主题
子主题
对于可微凸函数,若一阶梯度=0,则此点极小点
子主题
子主题
收藏
立即使用
9.2 对偶及鞍点问题
收藏
立即使用
15惩罚函数法
收藏
立即使用
5.灵敏度分析
收藏
立即使用
14可行方向法
孙伟博
职业:硕士
去主页
Collect
Get Started
ER-回归性分析
Collect
Get Started
跳转条件
Collect
Get Started
竞争性磋商
Collect
Get Started
独立性
评论
0
条评论
下一页
图形选择
思维导图
主题
补充说明
AI生成
修改AI描述
去编辑
重新生成
提示
关闭后当前内容将不会保存,是否继续?
取消
确定
Document