约束非线性优化算法 |
您所在的位置:网站首页 › 10mg等于多少ug › 约束非线性优化算法 |
SQP 实现 SQP 实现由三个主要阶段组成,以下各小节将对它们进行简要讨论: 更新 Hessian 矩阵 二次规划解 初始化 线搜索和评价函数 更新 Hessian 矩阵. 在每次主迭代中,拉格朗日函数的 Hessian 矩阵的正定拟牛顿逼近 H 使用 BFGS 方法进行计算,其中 λi, i = 1,...,m 是拉格朗日乘数的估计值。 Hk+1=Hk+qkqkTqkTsk−HkskskTHkTskTHksk,(16)其中 sk=xk+1−xkqk=(∇f(xk+1)+∑i=1mλi⋅∇gi(xk+1))−(∇f(xk)+∑i=1mλi⋅∇gi(xk)). Powell [33] 建议保持 Hessian 矩阵为正定,即使它在解点处可能是正不定的。如果 qkTsk 在每次更新时都为正,并且 H 用正定矩阵进行初始化,则 Hessian 矩阵保持正定。当 qkTsk 为非正时,qk 将逐元素进行修正,使得 qkTsk>0。这种修正的总体目标是使 qk 的元素的失真尽可能少,这些元素有助于正定更新。因此,在修正的初始阶段,qk*sk 的最负元素会重复减半。此过程一直持续到 qkTsk 大于或等于一个小的负容差。如果在此过程后 qkTsk 仍不是正的,请通过添加向量 v 乘以常量标量 w 来修正 qk,即, qk=qk+wv,(17)其中 vi=∇gi(xk+1)⋅gi(xk+1)−∇gi(xk)⋅gi(xk) if (qk)i⋅w |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |