Estratto del documento

min f(x)

h(x) = 0

h(x) = [h1(x)h2(x)...hm(x)] = 0 { h1(x) = 0h2(x) = 0...hm(x) = 0

1)x(0)punto iniziale rispetto alquale approssimato i vincolih(x) con i polinomio di Taylorarrestato al primo ordine

hi(x) = hi(x(0)) + Vhi(x(0))T(x - x(0))

x - x(0) = dx

hi(x) = hi(x(0)) + Vhi(x(0))T dx = 0

h(x) = h(x(0)) + Jh(x(0)) dx = 0

dx = x - x(0)

2) APPROSSIMIAMO LA f(x) CON IL POLINOMIO DI TAYLOR ARRESTATO AL SECONDO ORDINE ATTORNO AL PUNTO x(0)

f(x) = f(x(0)) + [del]f(x(0))T(x - x(0)) +

1/2(x - x(0))T Hf(x(0))(x - x(0)).

min f(x(0)) + [del]f(x(0))T(x - x(0)) +

1/2(x - x(0))T Hf(x(0))(x - x(0))

h(x) = h(x(0)) + J h(x(0)) dx

vettore vettore matrice vettore vettore

vettore

min f(x(0)) + [del]f(x(0))T dx +

1/2 dxT Hf(x(0)) dx +

Jh(x(0)) dx = 0

L(dx, λ) = f(x(0)) + ∇f(x(0))T dx +

(1/2) dxT Hf(x(0)) dx + λ (h(x(0)) +

Th(x(0)) dx)

{∇dxL(dx,λ) = 0 => ∇f(x(0)) + Hf(x(0)) dx + λT Th(x(0)) = 0

∇λL(dx,λ) = 0 => h(x(0)) + Th(x(0)) dx = 0

x(0) -> dx = x - x(0)

λ(0) -> dλ = λ - λ(0)

λ = dλ + λ(0)

∇dxL(x, λ) = ∇f(x(0)) + Hf(x(0)) dx + ddT Jh(x(0)) + λ(0)T Jh(x(0)) = 0

h(x(0)) + Jh(x(0)) dx = 0

Hf(x(0)) dx + J(h(x(0)))Tdλ = -∇f(x(0)) - λ(0)T Jh(x(0))

Jh(x(0)) dx = -h(x(0))

-(∇f(x(0)) + λ(0)T Jh(x(0)))

∇L(x(0), λ)dx

L(x, λ) = f(x) + λTh(x)

∇dxL(x, λ) = ∇f(x) + λTJh(x)

DelL(x(0),l(0)) = Df(x(0)) + J h(x(0))

+ J h(x(0))

x

∫ H f(x(0)) d x + J h(x(0))T d λ = - ∇L(x(0),l(0))dx

J h(x(0)) d x = - h(x(0))

[ H f(x(0)) J h(x(0))T ] [ d x ] = [ - ∇L(x(0),l(0))dx ]

[ J h(x(0)) 0 ] [ d λ ] = [ - h(x(0)) ]

∫ H f(x(0)) d x + J h(x(0))T d y = - ∇d xL(x(0),l(0))

J h(x(0)) d x = - h(x(0))

(dx, dL) = M-1 w

[dx] = x - x(0)

[dL] = λ - λ(0)

x(1) = dx + x(0)

λ(1) = dλ + λ(0)

x(0) = arbitrario

mimim x14 + x24

x12 + x22 = 2

h(x) = x12 + x22 - 2 = 0

x(0) = (1, 1)

λ(0) = 1

∇f(x(0)) = ∇f(x)|x=x(0) = [4x13, 4x23]x=x(0) = [4, 4]

Hf(x(0)) = [12x12 0, 0 12x22]x=x(0) = [12 0, 0 12]

∇L(x(0), λ(0)) = ∇f(x(0)) + λ(0)Jh(x(0)) = [4, 4] + 1 [2, 2]

h(x(0)) = 0

Jh(x(0))Tλ(0) = [6, 6]

Jh(x0) = Vh(x0)T = [2x1, 2x2] |x = x0 = [22

[∇f(x0)T]

M =

[ 12 0 2 ]

[ 0 12 -2 ]

[ 2 2 0 ]

det M = -48-48 = -86

w =

[-6]

[-6]

[-1]

M-1 = -1/96 [ -4 4 -24 ]T =

[ 4 -4 -24 ]

[-24 -24 144 ]

= -1/96 [ -4 4 -24 ] = [ 1/24 -1/24 1/4 ]

[ 4 -4 -24 ]

[-24 -24 144 ]

[ -1/24 1/24 1/4 ]

[ 1/4 1/4 3/2 ]

M-1w =

[ 1/24 -1/24 1/4 ] [ -6 ] =

[ -1/24 1/24 1/4 ] [ -6 ]

[ 1/4 1/4 3/2 ] [ 0 ]

[d(x)8(x)] - [ -1/8 + 1/4 -1/3; 1/4 -1/8 -1/3; -1/2 -3/2 0 ] = [ -1/4; 1/8; -3 ]

[x(1)1x(1)2x(1)3] = [ -1/4; -1/6; -3/2 ] + [1; 1; 1] = [ 3/4; 3/4; -2 ]

Anteprima
Vedrai una selezione di 3 pagine su 8
Sequential Quadraric Programming Pag. 1 Sequential Quadraric Programming Pag. 2
Anteprima di 3 pagg. su 8.
Scarica il documento per vederlo tutto.
Sequential Quadraric Programming Pag. 6
1 su 8
D/illustrazione/soddisfatti o rimborsati
Acquista con carta o PayPal
Scarica i documenti tutte le volte che vuoi
Dettagli
SSD
Scienze matematiche e informatiche INF/01 Informatica

I contenuti di questa pagina costituiscono rielaborazioni personali del Publisher giuliacoscia03 di informazioni apprese con la frequenza delle lezioni di Ottimizzazione non lineare e studio autonomo di eventuali libri di riferimento in preparazione dell'esame finale o della tesi. Non devono intendersi come materiale ufficiale dell'università Università degli Studi di Roma Tor Vergata o del prof Caramia Massimiliano.

Domande e risposte

Hai bisogno di aiuto?
Chiedi alla community