(精选)最优化方法复习题
- 格式:pdf
- 大小:435.39 KB
- 文档页数:10
《最优化方法》复习题
第一章 概述(包括凸规划)
一、 判断与填空题
1 )].([arg)(argminmax
xfxf
nn
RxRx
√
2
.:)(min:)(maxnn
RDxxfRDxxf
3 设.:RRDfn
若n
Rx
,对于一切n
Rx
恒有)()(xfxf
,则称
x
为
最优化问题)(min
xf
Dx的全局最优解.
4 设.:RRDfn
若Dx
,存在
x
的某邻域)(
xN
,使得对一切
)(
xNx
恒有)()(xfxf
,则称
x
为最优化问题)(min
xf
Dx的严格局部最
优解.
5 给定一个最优化问题,那么它的最优值是一个定值. √
6 非空集合n
RD
为凸集当且仅当D
中任意两点连线段上任一点属于D
. √
7 非空集合n
RD
为凸集当且仅当D
中任意有限个点的凸组合仍属于D
. √
8 任意两个凸集的并集为凸集.
9 函数RRDfn
:
为凸集D
上的凸函数当且仅当f
为D
上的凹函数. √
10 设RRDfn
:
为凸集D
上的可微凸函数,Dx
. 则对Dx
,有
).()()()(
xxxfxfxfT
11 若)(xc
是凹函数,则}0)( {xcRxDn
是凸集。 √
12 设
k
x
为由求解)(min
xf
Dx的算法A产生的迭代序列,假设算法A为下降算法,则对
,2,1,0k
,恒有 )()(
1kkxfxf .
13 算法迭代时的终止准则(写出三种):_____________________________________。
14 凸规划的全体极小点组成的集合是凸集。 √
15 函数RRDfn
:
在点k
x
沿着迭代方向}0{\nk
Rd
进行精确一维线搜索的
步长
k
,则其搜索公式为 .
16 函数RRDfn
:
在点k
x
沿着迭代方向}0{\nk
Rd
进行精确一维线搜索的
步长
k
,则kTk
kk
ddxf)(
0 .
17 设}0{\nk
Rd
为点nk
RDx
处关于区域D
的一个下降方向,则对于
0,),0(
使得.Ddxkk
二、 简述题
1 写出Wolfe-Powell非精确一维线性搜索的公式。
2 怎样判断一个函数是否为凸函数.
(例如: 判断函数
212
2212
151022)(xxxxxxxf是否为凸函数)
三、 证明题
1 证明一个优化问题是否为凸规划.(例如
判断
0 ..21
)(min
xbAxtsbxcGxxxfTT
(其中G是正定矩阵)是凸规划.
2 熟练掌握凸规划的性质及其证明.
第二章 线性规划
考虑线性规划问题:
,0,..min)(
xbAxtsxcLPT
其中,mnmn
RbRARc
,, 为给定的数据,且rank
.,nmmA
一、 判断与选择题
1 (LP)的基解个数是有限的.
√
2 若(LP)有最优解,则它一定有基可行解为最优解.
√
3 (LP)的解集是凸的.
√
4 对于标准型的(LP),设
k
x由单纯形算法产生,则对
,2,1,0k,有
.1
kTkT
xcxc ×
5 若*
x 为(LP)的最优解,*
y 为(DP)的可行解,则.**
ybxcTT
√
6 设
0x是线性规划(LP)对应的基),,(
1mPPB的基可行解,与基变量
mxx,,
1对应的规范式中,若存在0
k
,则线性规划(LP)没有最优解。×
7 求解线性规划(LP)的初始基可行解的方法:____________________.
8 对于线性规划(LP),每次迭代都会使目标函数值下降. ×
二、 简述题
1 将以下线性规划问题化为标准型:
.0,0,2,1242,6..32)(max
32321321321321
xxxxxxxxxxxtsxxxxf
2 写出以下线性规划的对偶线性规划:
.0,,,,3342,6342..423)(max
4321432143214321
xxxxxxxxxxxxtsxxxxxf
三、 计算题
熟练掌握利用单纯形表求解线性规划问题的方法(包括大M法及二阶段
法).
见书本:
例2.5.1 (利用单纯形表求解);
例2.6.1 (利用大M法求解);
例2.6.2 (利用二阶段法求解).
四、 证明题
熟练掌握对偶理论(弱对偶理论、强对偶理论以及互补松弛条件)及利用
对偶理论证明相关结论。
第三章 无约束最优化方法
一、 判断与选择题
1 设nn
RG
为正定矩阵,则关于G共轭的任意1n向量必线性相关.
√
2 在牛顿法中,每次的迭代方向都是下降方向. ×
3 经典Newton法在相继两次迭代中的迭代方向是正交的. ×
4 PRP共轭梯度法与BFGS算法都属于Broyden族拟Newton算法. ×
5 用DFP算法求解正定二次函数的无约束极小化问题,则算法中产生的迭
代方向一定线性无关.
√
6 FR共轭梯度法、PRP共轭梯度法、DFP算法、及BFGS算法均具有二次
收敛性. ×
7 共轭梯度法、共轭方向法、DFP算法以及BFGS算法都具有二次终止性.
√
8 函数RRfn
:在k
x处的最速下降方向为 .
9 求解)(min
xf
n
Rx的经典Newton法在k
x处的迭代方向为k
p .
10 若
)(xf在*
x的邻域内具有一阶连续的偏导数且0)(*
xf,则*
x为的局部极小点. ×
11 若
)(xf在*
x的某邻域内具有二阶连续的偏导数且*
x为
)(xf的严格局部
极小点,则)(*2*
xfG
x正定. ×
12 求解)(min
xf
n
Rx的最速下降法在k
x处的迭代方向为k
p .
13 求解)(min
xf
n
Rx的阻尼Newton法在k
x处的迭代方向为k
p .
14 用牛顿法求解)(
21
min
nnnTT
RxRGRbxbGxx
n
,时,至多迭代一次
可达其极小点. ×
15 牛顿法具有二阶收敛性.
√
16 二次函数的共轭方向法具有二次终止性. ×
17 共轭梯度法的迭代方向为:_____________________.