(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

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

,2,1,0k

,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

,2,1,0k,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1n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:_____________________.