1.形式
2.投影法
通常迭代形如:
2.1當有約束時,這類算法迭代出的點很可能不滿足約束,可以使用投影形式,然點投影到約束內,u,l爲約束範圍:
這樣對上面的迭代形式進行改進,然每次迭代後的點保持在約束內:
2.2投影梯度法
3.線性約束優化的投影
3.1 投影算子P
線性約束時,投影算子是正交投影矩陣P:
存在約束時,負梯度方向並不一定就是可行方向,因此可以藉助投影矩陣P,得到迭代形式:
3.2投影時的極小點條件
原先無約束時是梯度爲0:
4.拉格朗日法
4.1 僅含等式約束時,拉格朗日法迭代更新:
4.2 含不等式約束時,拉格朗日法迭代更新:
5.罰函數法
1)對於約束問題,轉化爲無約束問題,其中會加一個懲罰項,懲罰大小與超出約束正相關。
2)定義
3)絕對值罰函數
4)分析