《最优化方法》复习题(含答案)

《最优化方法》复习题(含答案)

ID:35355487

大小:258.50 KB

页数:10页

时间:2019-03-23

《最优化方法》复习题(含答案)_第1页
《最优化方法》复习题(含答案)_第2页
《最优化方法》复习题(含答案)_第3页
《最优化方法》复习题(含答案)_第4页
《最优化方法》复习题(含答案)_第5页
资源描述:

《《最优化方法》复习题(含答案)》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、天津大学《最优化方法》复习题(含答案)第一章概述(包括凸规划)一、判断与填空题1√23设若,对于一切恒有,则称为最优化问题的全局最优解.4设若,存在的某邻域,使得对一切恒有,则称为最优化问题的严格局部最优解.5给定一个最优化问题,那么它的最优值是一个定值.√6非空集合为凸集当且仅当中任意两点连线段上任一点属于.√7非空集合为凸集当且仅当中任意有限个点的凸组合仍属于.√8任意两个凸集的并集为凸集.9函数为凸集上的凸函数当且仅当为上的凹函数.√10设为凸集上的可微凸函数,.则对,有11若是凹函数,则是凸集。√12设为由求解的算法A产生的迭代序列,假设算法A为下降算

2、法,则对,恒有.1算法迭代时的终止准则(写出三种):_____________________________________。2凸规划的全体极小点组成的集合是凸集。√3函数在点沿着迭代方向进行精确一维线搜索的步长,则其搜索公式为.4函数在点沿着迭代方向进行精确一维线搜索的步长,则0.5设为点处关于区域的一个下降方向,则对于,使得二、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(其中G是正定矩阵)是凸规划.2熟练掌握凸规划的性质及

3、其证明.第二章线性规划考虑线性规划问题:其中,为给定的数据,且rank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),设由单纯形算法产生,则对,有×5若为(LP)的最优解,为(DP)的可行解,则√6设是线性规划(LP)对应的基的基可行解,与基变量对应的规范式中,若存在,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.×一、简述题1将以下线

4、性规划问题化为标准型:2写出以下线性规划的对偶线性规划:二、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).三、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。第二章无约束最优化方法一、判断与选择题1设为正定矩阵,则关于共轭的任意向量必线性相关.√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.×4PRP共轭梯度法与BFGS算法都属于

5、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.√6FR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函数在处的最速下降方向为.9求解的经典Newton法在处的迭代方向为.10若在的邻域内具有一阶连续的偏导数且,则为的局部极小点.×11若在的某邻域内具有二阶连续的偏导数且为的严格局部极小点,则正定.×12求解的最速下降法在处的迭代方向为.13求解的阻尼Newton法在处的迭代方向为.

6、14用牛顿法求解时,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:_____________________.二、证明题1设为一阶连续可微的凸函数,且,则为的全局极小点.2给定和正定矩阵.如果为求解的迭代点,为其迭代方向,且为由精确一维搜索所的步长,则1试证:Newton法求解正定二次函数时至多一次迭代可达其极小点.二、简述题1简述牛顿法或者阻尼牛顿法的优缺点.2简述共轭梯度法的基本思想.三、计算题1利用最优性条件求解无约束最优化问题.例如:求解2用FR共轭梯度法无约束最优化问题.

7、见书本:例3.4.1.3用PRP共轭梯度法无约束最优化问题.见书本:例3.4.1.例如:第二章约束最优化方法考虑约束最优化问题:其中,一、判断与选择题1外罚函数法、内罚函数法、及乘子法均属于SUMT.×2使用外罚函数法和内罚函数法求解(NLP)时,得到的近似最优解往往不是(NLP)的可行解.×3在求解(NLP)的外罚函数法中,所解无约束问题的目标函数为.4在(NLP)中,则在求解该问题的内罚函数法中,常使用的罚函数为.5在(NLP)中,则在求解该问题的乘子法中,乘子的迭代公式为,对.6在(NLP)中,则在求解该问题的乘子法中,增广的Lagrange函数为:__

8、___________________

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。