非线性规划(NP)涉及最小化或最大化受约束的非线性目标函数,线性约束或非线性约束,其中约束可以是不等式或等式。工程中的例子问题包括分析设计折衷,选择最优设计,计算最优轨迹,以及投资组合优化以及计算金融学中的模型校准。
无约束非线性规划是寻找一个向量\(x\)的数学问题,该向量是非线性标量函数\(f(x)\)的局部最小值。无约束意味着对\(x\)的范围没有限制
\[\min\u x f(x)\]
以下算法通常用于无约束非线性规划:
- 拟牛顿:使用混合二次和三次线搜索程序以及Broyden-Fletcher-Goldfarb-Shanno(BFGS)公式更新Hessian矩阵的近似值
- 内尔德·米德:使用直接搜索算法,只使用函数值(不需要导数),并处理非光滑的目标函数
- 信任区域:用于无约束非线性优化问题,尤其适用于可利用稀疏性或结构的大规模问题
约束非线性规划是寻找一个向量\(x\)的数学问题,该向量最小化受一个或多个约束的非线性函数\(f(x)\)。
求解约束非线性规划问题的算法包括:
- 内点:特别适用于具有稀疏性或结构的大规模非线性优化问题
- 序列二次规划(SQP):解决一般非线性问题,并在所有迭代中遵守边界
- 信任区域:仅解决有界约束非线性优化问题或线性等式