非线性规划数学规划向量化表示非线性规划方法概述问题minf(x)s.t.g(x)≤0h(x)=0约束集S={x|g(x)≤0,h(x)=0}一、等式约束问题的最优性条件：考虑minf(x)s.t.h(x)=0回顾高等数学中所学的条件极值：问题求z=f(x,y)极值minf(x,y)在ф(x,y)=0的条件下。S.t.ф(x,y)=0引入Lagrange乘子：λLagrange函数L(x,y;λ)=f(x,y)+λф(x,y)一、等式约束性问题的最优性条件：(续)若(x*,y*)是条件极值，则存在λ*，使fx(x*,y*)+λ*фx(x*,y*)=0fy(x*,y*)+λ*фy(x*,y*)=0Ф(x*,y*)=0推广到多元情况，可得到对于(fh)的情况：minf(x)s.t.hj(x)=0j=1,2,…,l若x*是(fh)的l.opt.,则存在υ*∈Rl使矩阵形式：一、等式约束性问题的最优性条件：(续)几何意义是明显的：考虑一个约束的情况：最优性条件即：二、不等式约束问题的Kuhn-Tucker条件：考虑问题minf(x)s.t.gi(x)≤0i=1,2,…,m设x*∈S={x|gi(x)≤0i=1,2,…,m}令I={i|gi(x*)=0i=1,2,…,m}称I为x*点处的起作用集（紧约束集）。如果x*是l.opt.,对每一个约束函数来说，只有当它是起作用约束时，才产生影响，如：二、不等式约束问题的Kuhn-Tucker条件：（续）特别有如下特征：如图在x*：▽f(x*)+u*▽g(x*)=0u*>0要使函数值下降，必须使g(x)值变大，则在ㄡ点使f(x)下降的方向（-▽f(ㄡ)方向）指向约束集合内部，因此ㄡ不是l.opt.。二、不等式约束问题的Kuhn-Tucker条件：（续）定理（最优性必要条件）：（K-T条件）问题(fg),设S={x|gi(x)≤0},x*∈S,I为x*点处的起作用集，设f,gi(x),i∈I在x*点可微，gi(x),iI在x*点连续。向量组{▽gi(x*),i∈I}线性无关。如果x*----l.opt.那么，u*i≥0,i∈I使二、不等式约束问题的Kuhn-Tucker条件：（续）二、不等式约束问题的Khun-Tucker条件：（续）用K-T条件求解：二、不等式约束问题的Khun-Tucker条件：（续）二、不等式约束问题的Kuhn-Tucker条件：（续）可能的K-T点出现在下列情况：①两约束曲线的交点：g1与g2,g1与g3,g1与g4,g2与g3,g2与g4,g3与g4。②目标函数与一条曲线相交的情况：g1，g2,g3,g4对每一个情况求得满足(1)~(6)的点(x1,x2)T及乘子u1,u2,u3,u4,验证当满足可得，且ui≥0时，即为一个K-T点。下面举几个情况：●g1与g2交点：x=(2,1)T∈S,I={1,2}则u3=u4=0解二、不等式约束问题的Kuhn-Tucker条件：（续）●●二、不等式约束问题的Kuhn-Tucker条件：（续）●三、一般约束问题的Kuhn-Tucker条件三、一般约束问题的Kuhn-Tucker条件(续)