解决非线性优化问题
非线性规划(NP)涉及到受约束约束、线性约束或非线性约束的非线性目标函数的最小化或最大化,其中约束可以是不等式或等式。工程中的例子问题包括分析设计权衡,选择最佳设计,计算最佳轨迹,和投资组合优化以及计算金融学中的模型校准。
无约束非线性规划是寻找一个矢量\(x\),它是非线性标量函数\(f(x)\)的局部最小值的数学问题。Unconstrained意味着对\(x\)的范围没有任何限制。
\ [\ min_x f (x) \]
以下算法通常用于无约束非线性规划:
- 拟牛顿:使用二次和三次混合搜索程序和Broyden-Fletcher-Goldfarb-Shanno (BFGS)公式更新Hessian矩阵的近似
- Nelder-Mead:使用直接搜索算法,只使用函数值(不需要导数)并处理非光滑目标函数
- 信赖域:用于无约束非线性优化问题,尤其适用于可利用稀疏性或结构的大规模问题
有约束非线性规划是一个数学问题,寻找一个矢量\(x\),使受一个或多个约束的非线性函数\(f(x)\)最小化。
求解有约束非线性规划问题的算法包括:
- 内点:对于具有稀疏性或结构的大规模非线性优化问题特别有用
- 顺序二次规划(SQP)解决一般非线性问题,并在所有迭代中遵守边界
- 信赖域反射:只解决有界约束的非线性优化问题或线性等式
例子和如何
软件参考
参见:优化工具箱,全局优化工具箱,线性规划,二次规划,整数规划,多目标优化,遗传算法,模拟退火,优化设计,规范的分析,凸优化