算法:(Zoutendijk法)

已知目标函数f(x)f(x)f(x)及其梯度∇f(x)\nabla f(x)∇f(x),不等式约束中的矩阵AAA和向量bbb,等式约束中的矩阵CCC和向量ddd,终止限ε\varepsilonε。

  1. 选定初始容许点x0x_{0}x0​;置k=0k=0k=0。
  2. 把AAA分解为Ak′A_{k}^{'}Ak′​和Ak′′A_{k}^{''}Ak′′​,相应地把bbb分解为bk′b_{k}^{'}bk′​和bk′′b_{k}^{''}bk′′​,使得Ak′xk=b′A_{k}^{'}x_{k}=b^{'}Ak′​xk​=b′,Ak′′xk′′≥bk′′A_{k}^{''}x_{k}^{''} \geq b_{k}^{''}Ak′′​xk′′​≥bk′′​。设bk′′b_{k}^{''}bk′′​的维数为τ\tauτ。
  3. 求解线性规划问题:
    minp∇f(xk)Tps.t.Ak′p≥0Cp=0−e≤p≤emin_{p} \ \nabla f(x_{k})^{T}p \\ s.t. \ \ A_{k}^{'}p \geq 0 \\ Cp =0 \\ -e \leq p \leq e minp​ ∇f(xk​)Tps.t.  Ak′​p≥0Cp=0−e≤p≤e
    设其最优解为pkp_{k}pk​。
  4. 若∣∇f(xk)Tpk∣<ε|\nabla f(x_{k})^{T}p_{k}| < \varepsilon∣∇f(xk​)Tpk​∣<ε,则打印xkx_{k}xk​,停机;否则,计算u=Ak′′xk−bk′′u=A_{k}^{''}x_{k}-b_{k}^{''}u=Ak′′​xk​−bk′′​,v=Ak′′pkv=A_{k}^{''}p_{k}v=Ak′′​pk​。
  5. 若p≥0p \geq 0p≥0,则作直线搜索xk+1=1s(xk,pk)x_{k+1}=1s(x_{k},p_{k})xk+1​=1s(xk​,pk​);否则,计算
    t‾=min1≤i≤ε{−uivi∣vi<0}\overline{t}=min_{1 \leq i \leq \varepsilon} \{ -\frac{u_{i}}{v_{i}}| v_{i} < 0 \} t=min1≤i≤ε​{−vi​ui​​∣vi​<0}
    并求解:
    mintf(xk+tpk);s.t.0≤t≤t‾min_{t}f(x_{k}+tp_{k}); \\ s.t. \ \ 0 \leq t \leq \overline{t} mint​f(xk​+tpk​);s.t.  0≤t≤t
    设其最优解为tkt_{k}tk​;计算xx+1=xk+tkpkx_{x+1}=x_{k}+t_{k}p_{k}xx+1​=xk​+tk​pk​。
  6. 置k=k+1k=k+1k=k+1,转2。

我的微信公众号名称:深度学习与先进智能决策
微信公众号ID:MultiAgent1024
公众号介绍:主要研究分享深度学习、机器博弈、强化学习等相关内容!期待您的关注,欢迎一起学习交流进步!

约束最优化方法 (二) Zoutendijk容许方向法相关推荐

  1. 非线性规划(凸规划,无约束最优化方法,约束最优化方法)

    非线性规划 非线性规划的最优解可能在可行域的任何地方取得. 一元函数:二阶导数>=0,曲线凹,即下凸. 二元函数:图解法 凸集:集合中任意取两个点x1和x2,若x1和x2之间的任意一个点都在该集 ...

  2. 线性与非线性规划:随机方向法

    文章目录 前言 一.随机方向法 二.算法实现 1.算法步骤 2.算法细节 3.代码示例 4.示例 总结 前言 本系列涉及线性与非线性规划中的几种规划算法 1.本节介绍随机方向法 2.参考:陈宝林-最优 ...

  3. 机器人中的数值优化(三)—— 无约束最优化方法基础、线搜索准则

       本系列文章主要是我在学习<数值优化>过程中的一些笔记和相关思考,主要的学习资料是深蓝学院的课程<机器人中的数值优化>和高立编著的<数值最优化方法>等,本系列文 ...

  4. 无约束最优化方法-牛顿法

     无约束最优化算法-Newton法原理及c++编程实现 2012-12-14 13:04 6536人阅读 评论(5) 收藏 举报 本文章已收录于: 分类: [算法](27) 作者同类文章X 版权声 ...

  5. matlab 二次指数平滑法预测

    二次指数平滑法预测 clc,clear ://清空命令行,工作区 load pre1.txt %原始数据以列向量的方式存放在纯文本文件中 yt=pre1; n=length(yt); alpha=0. ...

  6. 慢保刚办下来如何使用_在科目二离合和方向没学好的学员如何备考科目三?

    虽然大家在驾考过程中挂科方式不同,但要是问下来哪个科目最难,估计回答最多的就是科目二和科目三了吧?如何在科目二离合和方向没有学好的情况下备考科目三呢?你需要做到以下这些: 离合没学好 学车就是学离合在 ...

  7. 二维有限体积 matlab,二维有限体积法计算热传导及源码.pdf

    二维有限体积法计算热传导及源码 //#include "stdafx.h" #include #include #include #include #include using n ...

  8. java二次指数平滑法预测未来的值

    转自https://blog.csdn.net/qq_35673617/article/details/86244873 指数平滑法是一种特殊的加权平均法,加权的特点是对离预测值较近的历史数据给予较大 ...

  9. 二次指数平滑法 C++

    二次指数平滑法(Second exponential smoothing method) 点击打开链接 二次指数平滑法是对一次指数平滑值作再一次指数平滑的方法.它不能单独地进行预测,必须与一次指数平滑 ...

  10. [淘宝客技术篇006]如何登录阿里妈妈-《登录淘宝网·二维码实现法》(下)

    <登录淘宝网·二维码实现法> 如下图所示,详解各步骤: 1.用户请求登录: 2.请求获取二维码.请求地址:https://qrlogin.taobao.com/qrcodelogin/ge ...

最新文章

  1. Spring中的AOP在Advice方法中获取目标方法的参
  2. caffe网络模型各层详解(一)
  3. Redis的持久化——AOF
  4. HDU2200 Eddy's AC难题【组合计算】
  5. 哈哈哈,第一次做codeforce
  6. win7下用UtralISO制作U盘系统盘--UltraISO打开Ubuntu只有EFI文件夹
  7. 华为CE交换机下载文件FTP步骤
  8. three.js 05-05 之 SphereGeometry 几何体
  9. LCD显示屏加入百叶窗特效显示BMP图片
  10. 【券后价12.90元】【包邮】植护婴儿湿巾纸宝宝湿纸巾儿童手口专用80抽家用大包装特价实惠装...
  11. 嵌入式linux之yocto(六)devtool往返开发
  12. 使用Java-Maven操作MongoDB增删改查
  13. 运维实战:DNS服务篇
  14. 火山引擎 RTC 自研音频编码器 NICO 实践之路
  15. 汇文系统和一卡通项目的结合
  16. 微信小程序之获取用户基本信息
  17. GPU并行计算与CUDA编程第2课第一节
  18. 小米手环4怎么使用_小米手环4入手评测 小米手环4怎么使用
  19. CRC32概述以及实现和使用
  20. 英国访问学者|签证申请详细步骤简述

热门文章

  1. jxl freemark
  2. 在linux系统下安装oracle前的准备工作(配置oracle环境变量)
  3. 《软件企业的管理与文化》读后感
  4. web安全day42:使用BurpSuite理解Web工作机制
  5. 基于node.js的express使用数据库时,解决异步调用的问题
  6. CICD详解(九)——gitlab简单使用
  7. 华三 h3c super vlan配置
  8. leetcode 1.两数之和 (two sum)
  9. 前端面试之你可能会遇到的编程题(1)
  10. 常用 Git 命令清单(阮一峰)