用非线性方程组求解等式约束非线性规划问题的降维算法

本文研究线性和非线性等式约束非线性规划问题的降维算法.首先,利用一般等式约束问题的降维方法,将线性等式约束非线性规划问题转换成一个非线性方程组,解非线性方程组即得其解;然后,对线性和非线性等式约束非线性规划问题用Lagrange乘子法,将非线性约束部分和目标函数构成增广的Lagrange函数,并保留线性等式约束,这样便得到一个线性等式约束非线性规划序列,从而,又将问题转化为求解只含线性等式约束的非线性规划问题.     

解二元函数无条件极值问题的一个有效方法

针对高等数学教学内容中二元函数无条件极值存在的第二充分条件的缺点,在一定假设下给出了二元函数无条件极值存在的一个充分且必要条件,并举例说明在一定条件下该方法比原有方法更好.     

取代拉格朗日乘数法

给出多元函数意义,纠正现今众多文献中康托尔的一个错误.从极值(点)的几何意义逐步推导出(n×n)方程组求解等式条件下n元函数极值点的新方法;用外积得出拉格朗日乘数表达式解决了上个世纪80年代钱伟长提出的乘子是否唯一的问题.给出了不定方程(组)确定显函数组命题.本文指出对应思想方法乃处理问题的重要工具.     

利用几何特性解一类条件极值问题

对于条件极值问题,一般教科书上均介绍了Lagrange乘数法,但这种方法当所给函数结构比较复杂并且变量较多、条件也多时,其计算量很大,有时求解方程组的难度也相当大.笔者发现,对于某些条件极值问题,不必拘于Lagrange乘数法,只要充分利用题目的特殊条件,就可方便快捷的求出极值或最值.     

条件极值的一种求法

求二元函数z=f(x,y)及三元函数z=f(x,y,z)的条件极值一般采用的方法有两种,一种是间接法,即将条件极值问题化为无条件极值问题来求解,但此法对不易显化的约束条件不适用;另一种是拉格朗日乘数法,这种方法对任何条件极值均适用,但对初学者往往存在这样一个容易误解的问题:例如求z=f(x,y),则在条件.(?)(x,y)= 0下的极值.由拉格朗日乘数法,作函数     

代入法求解条件极值的一点补遗

以二元函数为例,阐明把约束条件代入目标函数、从而将多元函数的条件极值转化为无条件极值这种常见求解方法的理论依据;并分析该方法本身的缺陷,得出采用方法容易遗漏极值点的结论;并利用隐函数存在定理得出一个附加要求．确定了该方法的适用范围．     

具有等式与不等式约束条件拟可微优化的Lagrange乘子型最优性条件

讨论了不等式约束优化问题中拟微分形式下Ｆｒｉｔｚ Ｊｏｈｎ必要条件与 Ｃｌａｒｋｅ广义梯度形式下Ｆｒｉｔｚ Ｊｏｈｎ必要条件的关系．在较弱条件下给出了具有等式与不等式约束条件的两个Ｌａｇｒａｎｇｅ乘子形式的最优性必要条件,在这两个条件中等式约束函数的拟微分和Ｃｌａｒｋｅ广义梯度分别被使用。     

一个求解条件极值问题的极值点的新方法

利用齐次线性方程组理论,建立了一个求解条件极值问题的极值点的新方法.该方法的优点是:能有效地避免在运用Lagrange乘数法求解条件极值时,因引进了参数而给解方程组带来的困扰.也可以说,对于有些问题我们仅从已知条件入手,不必引进参数就可以直接求得极值点.     

微分几何观点下二元函数的极值

利用曲面的局部微分性质给出二元函数极值存在的必要条件和充分条件,并将之运用于具有明显几何特征的曲面对应的二元函数极值的判别问题中.     

等式约束优化一个新的SQP算法

提出了一个处理等式约束优化问题新的SQP算法,该算法通过求解一个增广Lagrange函数的拟Newton方法推导出一个等式约束二次规划子问题,从而获得下降方向．罚因子具有自动调节性,并能避免趋于无穷．为克服Maratos效应采用增广Lagrange函数作为效益函数并结合二阶步校正方法．在适当的条件下,证明算法是全局收敛的,并且具有超线性收敛速度．