当前位置:文档之家› 最优化试题及答案

最优化试题及答案

mi 1 m *m j * g j (x*) 0最优化理论、方法及应用试题一、(30 分)1、针对二次函数f(x) 1x T Qx b T x c,其中Q是正定矩阵,试写出最速下降算法的详细步骤,并简要说明其优缺点?答:求解目标函数的梯度为g(x) Qx b,g k g(x k) Qx k b,搜索方向:从X k出发,沿g k作直线搜索以确定x k 1。

Stepl:选定X。

,计算f o,g oStep2:做一维搜索,f k i min f X k tg k , x k 1 X k tg k.Step3 :判别,若满足精度要求,则停止;否则,置 k=k+1,转步2优缺点:最速下降法在初始点收敛快,收敛速度慢。

算法简单,在最优点附近有锯齿现象,2、有约束优化问题min f (x)g i(x) 0,i 1,2,L ,ms.th j (x) 0,j 1,2,L ,l最优解的必要条件是什么?答:假设x*是极小值点。

必要条件是f,g,h函数连续可微,而且极小值点的所有起作用约束的梯度h(x*)(i 1,2丄,1)和g j(x*)( j 1,2,L ,m)线性无关,则* * * *存在1 , 2丄,I, 1, 2丄,m,使得lf(x*) i* h i(x*)i 1j*g j(x*) 0,j 1,2,L* * * * *1 ,2 ,L , l , 1 , 2 ,L ,*0, j 03、什么是起作用约束?什么是可行方向?什么是下降方向?什么是可行下降方向?针对上述有约束优化问题,如果应用可行方向法,其可行的下降方向怎样确定?答:起作用约束:若g j(x0) 0,这时点x0处于该约束条件形成的可行域边界上,它对x0的摄动起到某种限制作用可行方向:x0是可行点,某方向 p,若存在实数0 0,使得它对任意2、应用共轭梯度方法求解无约束优化问题 min X 28X |,初始点为X 0 1 1 丁 。

答:假设误差范围是0.001。

0 16f(X )2为 16X2,初始搜索方向F2f(X0)16步长:tTf °(x) f °(x)F 0T QP °2604104 0.0634,X 1 X 01 0.063412 160.8732 0.0144 第二步迭代:1.7464 f(X1)0.2304f(N )1.7615,Tf(X 1)QF 0P )T QP 。

5!昱68 0.0127, P 1 4104f (X i )0P1.7718 0.0272 ,步长: t 1皿 0.4933P T QP6.29040, 0,均有x 0p 可行点集合,则称方向p 是点X 0的可行方向。

下降方向:某一可行点X 0,对该点的任一方向p 来说,若存在实数o '0 , 使对任意 0, 01均有f X 0p f X 0,就称方向p 为X 0点的一个下降方 向。

可行下降方向:既是可行方向,又是下降方向。

可行方向的确定:可行方向法就是沿下降容许方向搜索并保持迭代点为可行 点的一种迭代方法。

(25 分)1、回答出n 维空间中非零向量系口,卩2丄P n 相互共轭的定义。

答:设C 是n x n 对称正定矩阵。

若n 维空间中非零向量系 山心丄p n满足pQP j ,i,j 1,2,L ,n, i j,则称丄p .是Q 共轭的,或称山心丄p .的方向是Q共轭方向。

x 2x 1t | P0.8732 0.01440.49331.7718 0.0008 0.02720.0013、对于无约束优化问题 min x 2 8x 2,写出其下降的牛顿方向, 并应用牛顿算 法迭代两步,初始点仍取为 TX o 1 1 。

答: g 1160,GQ0 16,求解方程G 1Rg 1, G 1 11/21/16 '1/2 1/16 216于是x 2X11、针对有约束优化问题 min f(x),stg i (x) h j (x)0,i 0,j1,2,L ,m 1,2,L ,l答:F(x,)f(x) (x)(x) h j (x)2g(x) u(g i (x)),(x)0,x 0,x其它选择(x)h j (x)mi n(0,g i (x))i 1将问题转化为如下的(20 分)试构造出两种外部惩罚函数F(x,)2、最小二乘问题mi nJ (x) f T (x) f (x) f (x)用台劳公式进行一阶线性化得f(x) f(x k) A(x k)(x x k),问题2min | f k AP|| ,其中P x x k, f k f (x k), A k A(x k)是函数在x k处的Jacobi矩阵。

证明算法2)当 A k A k 接近奇异时,若 kS 是一个适当的常数,则(NA k1kI ) 存在,从而 J(x k )P k2g k (A k A kk I) 1g k 0,因此方向 P k ( A k T A kkI ) A k f k 也是答:先求满足 K-T 条件的点 f(x)2 x 1 2 2 x 2 1g 1 ( x)2x 1, g 2( x)1 2 x1x 22 x1x220,解得2x 12x 2x 1x22 0x 11x 21 1 2/32 2/3x| Ax b,Cx d(1) 当A :A k 非奇异时,方向P 是下降的(2) 当A T A k 接近奇异时,方向R (A :A kkI)1A l f k 也是下降的。

其中k是一个适当的常数。

证明:(1)即证明 J T(x k )P k 0,J(x k ) 2A k T f k 2A k T (x x k ) 2A T(x k ) f(x k ),A ( x)是 f(x)的 Jacobi 矩阵,g kA kT f k,故 J(xQ 2A T (x k) f (x k) 2g k,T1J(x k )P k2g k A T(x k )A(x k ) g k 0。

下降的。

四、 (15 分) 求解如下的约束优化问题 f(x) (x 1 2)2(x 2 1)2 x 12x 2s.t.x 1 x 22 02(x 12) 21x 1 22(x 22)1 2五、 (10分)将Zoutendijk 可行方向法应用于优化问题 min f (x),其中x中,其中A ,b,C,d 是响应的矩阵。

试给出可行下降方向和最优步长的确定方法。

答:假设 x 是题中的某个容许点。

适当调换 A 的行向量和 b 的响应分量,然后分解 A A' b'A'',相应的分解b b'',使得A'x宀咲"'。

则非零向量P 为从点 x 出发的容许方向向量的充要条件是 A'P 0,CP 012b' b''tP*) b''。

min f T (x)P.A'p 0 st CP 01 P j 1,j 1,2,L ,n由此可得到的有限的最优解,设为 P*, P*为点x 处的一个下降容许方向向量。

为了确定一个新的迭代点 %可以从点x 出发沿下降容许方向P*直线搜索, 即 f(x t*P*) minf(x tP*), x x t* P* 最优步长t*的确定A(x tP*) bmin f (x tP*), st C(x tP*) d(多余)t 0, A'(x tP*)A(x tP *) b分解成 A''(x tP*)A''(x,简化成 minf (x tPg t 0求可行区间:A''x 时,对t 0,u 时,为使u b'' tA'' P* tv 总成立。

tv 成立,即u i u tv , u , 从而 A''x b'' tv i (i 1,2,L , v 的维数与b''相同,u tA''P*成立,此时t )成立,只需考虑vi ' i 0,当 v 0 ,当v 0 0的不等式 若取r m in{u i V i V i 0},则对 t 0,F ,都有 u i tv i (i 1,2,L ,)成立,从而 tmi n{Uiv i 0}, v i 0。

相关主题