遲曉燕
(重慶師范大學數學學院,重慶 401331)
首先對函數不等式約束,應用與Jennings和Teo(1990)[1]相同的約束轉換.對每一個j=1,2,…,m,定義:
因為φj關于x和ω是連續可微的,max{φj(x,ω),0}是ω的連續函數,?x∈Rn,所以函數約束等價于:
方便起見,令問題(P)也定義為f(x)關于式(2)的極小化問題.令F為問題(P)可行域,定義:
進而,令int(F)定義為F的內部,即
接下來給出如下假設:
1)int(F)≠?;2)對問題(P)的最優解x*,存在一個參數向量∈int(F),使得α+(1-α)x*∈int(F),?α∈[0,1].
一般來講,對每個j=1,…,m,Gj(x)在x處是光滑的,因此,標準優化方法來解這類等式約束是有一定困難的.下面采用光滑方法,用gi,ε(x,ω)來取代max{φj(x,ω),0}.
這種光滑化方法在以前的文章中已被采用過.對每個j=1,…,m,定義:
對任意j=1,…,m,gj,ε(x,ω)關于x是連續可微的.令:
易知:Fε?F,?ε >0.
現在定義一個近似問題(Pε,γ).?γ >0,X∈θ,最小化費用函數:
以下結果保證了(Pε,γ)關于(P)的解的可行性.
定理 1 ?γ(ε)>0[2],使得對所有 γ >γ(ε),對問題(Pε,γ)的任何解也是問題(P)的可行點.
對所有x∈θ,固定xε∈Fε,由Gj,ε定義知,Gj,ε=0;j=1,…,m.因為 θ為緊的且f為連續的,存在一個∈θ,使得fˉ)≤f(x),?x∈θ.易知兩邊同時增加罰條件[3],由xε定義和式(9)可得:
整理得:
令z=f(xε)-f(ˉ),則式(11)變形為
Jennings和 Teo已經給出了證明:?ε,?τ(ε),使得對所有 0 < τ < τ(ε),如果Gj,ε(x)< τ,則x∈F.因
基于前面兩個結論,給出解決問題(P)的算法.
以簡單的邊界形式給出普通等式約束[5],0≤x1≤100,0.1 <x2≤100,0≤x3≤100.
應用以上算法,給出如下結果(表1):
表1 計算結果
[1]JENNINGS L S,TEO K L.A computational algorithm for functional inequality constrained optimization problem[J].Automatica,1990,126(2):371-375
[2]BERTSKAS D P.Constrained Optimization and Lagrange Multiplier Methods[M].New York:Academic Press,1982
[3]BURKE J V.An exact penalization viewpoint of constrained optimization[J].SIAM J.Control and Optimization,1991.29:968-998
[4]曾波,龍茜.無約束最大子序列求和改進算法[J].重慶工商大學學:自然科學版,2007,24(6):600-602
[5]LUENBURGER D G.Linear and Nonlinear Programming[M].New York:Addison-Wesley,1984