最优化计算方法课后习题答案----高等教育出版社。施光燕
计算方法_课后习题答案
(4.5)(0.01172)
0.00879
（2）采用 Newton 插值多项式 y x N2(x) 根据题意作差商表：
i
xi
0
4
1
6.25
f (xi ) 2 2.5
一阶差商 2 9
2
9
3
2 11
二阶差商 4 495
N2 (7) 2 29 (7 4) ( 4 495) (7 4) (7 6.25) 2.6484848
1
e2
则根据二次Lagrange插值公式得：
L2 (x)
(x ( x0
x1)(x x2 ) x1)(x0 x2 )
y0
(x ( x1
x0 )(x x2 ) x0 )(x1 x2 )
y1
(x ( x2
x0 )(x x1) x0 )(x2 x1)
y2
2(x 1)(x 0.5) 2x(x 0.5)e1 4x(x 1)e0.5
8. 求作 f x xn1 关于节点 xi i 0,1, , n 的 Lagrange 插值多项式，并利用
插值余项定理证明
n
n
xin1li 0 1n xi
i0
i0
式中 li x 为关于节点 xi i 0,1, , n 的 Lagrange 插值基函数。
2 02 12 4 23 4 04 14 2 3
1 x2 3x 2 x 4 3x x2 6x 8 23 x x2 5x 4 1 x x2 3x 2
8
4
8
最优化方法及其应用课后答案
1 2( ( ⎨最优化方法部分课后习题解答1.一直优化问题的数学模型为：习题一min f (x ) = (x − 3)2 + (x − 4)2⎧g (x ) = x − x − 5 ≥ 0 ⎪ 11 2 2 ⎪试用图解法求出：s .t . ⎨g 2 (x ) = −x 1 − x 2 + 5 ≥ 0 ⎪g (x ) = x ≥ 0 ⎪ 3 1 ⎪⎩g 4 (x ) = x 2 ≥ 0（1） 无约束最优点，并求出最优值。
（2） 约束最优点，并求出其最优值。
（3） 如果加一个等式约束 h (x ) = x 1 −x 2 = 0 ，其约束最优解是什么？ *解 ：（1）在无约束条件下， f (x ) 的可行域在整个 x 1 0x 2 平面上，不难看出，当 x =（3，4） 时， f (x ) 取最小值，即，最优点为 x * =（3，4）：且最优值为： f (x * ) =0（2）在约束条件下， f (x ) 的可行域为图中阴影部分所示，此时，求该问题的最优点就是在约束集合即可行域中找一点 (x 1 ,x 2 ) ，使其落在半径最小的同心圆上，显然，从图示中可以看出，当 x *=15 , 5 ) 时， f (x ) 所在的圆的半径最小。
4 4⎧g (x ) = x −x − 5 = 0⎧ 15 ⎪x 1 = 其中：点为 g 1 (x) 和 g 2 (x ) 的交点，令 ⎪ 1 1 2 ⎨2 求解得到： ⎨ 45即最优点为 x *= ⎪⎩g 2 (x ) = −x 1 −x 2 + 5 = 015 , 5 ) ：最优值为： f(x * ) = 65 ⎪x =⎪⎩ 2 44 48（3）.若增加一个等式约束，则由图可知，可行域为空集，即此时最优解不存在。
2.一个矩形无盖油箱的外部总面积限定为 S ，怎样设计可使油箱的容量最大？试列出这个优化问题的数学模型，并回答这属于几维的优化问题. 解：列出这个优化问题的数学模型为：max f (x ) = x 1x 2 x 3⎧x 1x 2 + 2x 2 x 3 + 2x 1x 3 ≤ S ⎪ s .t . ⎪x 1 > 0⎪x 2 > 0 ⎪⎩x 3 > 0该优化问题属于三维的优化问题。
(完整版)机械优化设计习题参考答案孙靖民第四版机械优化设计
2.黄金分割法（0.618法）
原理：提高搜索效率：1）每次只插一个值，利用一个前次的插值；2）每次的缩短率λ相同。左右对称。
程序：p52
（四）插值方法
1.抛物线法
原理：任意插3点：
算得： ； ；
要求：
设函数 用经过3点的抛物线 代替，有
解线代数方程
解得：
程序框图p57
网格法 ，缩小区间，继续搜索。
Monte Carlo方法 ， ，随机数。
比较各次得到的 得解
遗传算法(专题)
（二）区间消去法（凸函数）
1.搜索区间的确定：高—低--高（ ）则区间内有极值。
2.区间消去法原理：在区间[a, b]内插两个点a1, b1保留有极值点区间，消去多余区间。
缩短率：
（三）0.618法
可行方向—约束允许的、函数减小的方向。（图）约束边界的切线与函数等高线的切线方向形成的区域。
数学模型
用内点法或混合法，取 ，
直接方法
（一）随机方向法
1.在可行域产生一个初始点 ，因 （约束），则
--（0，1）的随机数。
2.找k个随机方向，每个方向有n个方向余弦，要产生kn个随机数 ， ， ，随机方向的单位向量为
3.取一试验步长 ，计算每个方向的最优点
4.找出可行域中的最好点 得搜索方向 。以 为起点， 为搜索方向得 。最优点必须在可行域内或边界上，为此要逐步增加步长。
得
穷举下去得递推公式
3.算例
p73
4.框图p72
5.特点
作业：1. 2.
（六）变尺度法
1.引言
坐标变换
二次函数
令 为尺度变换矩阵
计算方法 课后习题答案
l0
(x ( x0
x1)(x x2 ) x1)(x0 x2 )
(x
1)( x 6
2)
l1
(x ( x1
x0 )(x x2 ) x0 )(x1 x2 )
(x
1)( x 2
2)
l2
(x ( x2
x0 )(x x1) x0 )(x2 x1)
L3 x 的最高次项系数是 6，试确定 y1 。
解： l0 (x)
x x1 x0 x1
x x2 x0 x2
x x3 x0 x3
x 0.5 0 0.5
x 1 0 1
x2 02
= x3
7 2
x2
7 2
x 1
l1 ( x)
x x0 x1 x0
1 8(x 0) 3(x 0)(x 1) 114 (x 0)(x 1)(x 2) 11 x3 45 x2 1 x 1
4 42
由求解结果可知： L3 (x) N3(x)
说明插值问题的解存在且唯一。
6. 已知由数据 (0, 0), (0.5, y1), (1,3)和(2, 2) 构造出的 Lagrange 插值多项式
2 02 12 4 23 4 04 14 2 3
1 x2 3x 2 x 4 3x x2 6x 8 23 x x2 5x 4 1 x x2 3x 2
8
4
8
11 x3 45 x2 1 x 1
y0
计算方法 课后习题答案
2.25 5
2.25 2.75
2.75 5
2.6484848
其误差为
R2 (7)
f (3) ( ) (7 4)(7 6.25)(7 9) 3!
又f
(3) (x)
3
5
x2
8
则 max
|
f
(3) (x) |
3
4
5 2
0.01172
[4,9]
8
|
R2 (7)
|
1 6
i j
而当 k 1时有
n
x jl j
j0
x
n
n
j0 i0 i j
x xi x j xi
x
j
x
5. 依据下列函数表分别建立次数不超过 3 的 Lagrange 插值多项式和 Newton 插值多项式，并验证插值多项式的唯一性。
x
0
4
42
（2） Newton 插值多项式
k xk f (xk )
一阶差商
二阶差商
三阶差商
00
1
11
9
8
22
23
14
3
34
3
-10
8
114
N3 (x) f (x0 ) f (x0 , x1)(x x0 ) f (x0 , x1, x2 )(x x0 )(x x1)
f (x0 , x1, x2 , x3 )(x x0 )(x x1)(x x2 )
8. 求作 f x xn1 关于节点 xi i 0,1, , n 的 Lagrange 插值多项式，并利用
最优化方法习题答案
习题一1.1利用图解法求下列线性规划问题： （1）21x x z max +=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 5x 2x 2x x 3.t .s 212121 解：根据条件，可行域为下面图形中的阴影部分，，有图形可知，原问题在A 点取得最优值，最优值z=5（2）21x 6x z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+-≤+0x ,x 7x x 1x x 2.t .s 212121 解：图中阴影部分表示可行域，由图可知原问题在点A 处取得最优值，最优值z=-6.（3）21x 2x 3z max +=⎪⎪⎩⎪⎪⎨⎧≥-≥-≤+-0x ,x 4x 2x 1x x .t .s 212121 解：如图所示，可行域为图中阴影部分，易得原线性规划问题为无界解。
（4）21x 5x 2z min -=⎪⎪⎩⎪⎪⎨⎧≥≤+≥+0x ,x 2x x 6x 2x .t .s 212121 解：由图可知该线性规划可行域为空，则原问题无可行解。
1.2 对下列线性规划问题，找出所有的基解，基可行解，并求出最优解和最优值。
（1）4321x 6x 3x 2x 5z min -+-=⎪⎪⎩⎪⎪⎨⎧≥=+++=+++0x ,x ,x ,x 3x 2x x x 27x 4x 3x 2x .t .s 432143214321 解：易知1x 的系数列向量⎪⎪⎭⎫ ⎝⎛=21p 1，2x 的系数列向量⎪⎪⎭⎫ ⎝⎛=12p 2，3x 的系数列向量⎪⎪⎭⎫⎝⎛=13p 3，4x 的系数列向量⎪⎪⎭⎫⎝⎛=24p 4。
①因为21p ,p 线性无关，故有⎪⎩⎪⎨⎧--=+--=+43214321x 2x 3x x 2x 4x 37x 2x ，令非基变量为0x x 43==，得⎪⎪⎩⎪⎪⎨⎧=-=311x 31x 21，所以得到一个基解)0,0,311,31(x )1(-=是非基可行解； ②因为31p ,p 线性无关，可得基解)0,511,0,52(x)2(=，543z 2=；③因为41p ,p 线性无关，可得基解611,0,0,31(x )3(-=，是非基可行解；④因为32p ,p 线性无关，可得基解)0,1,2,0(x )4(=，1z 4-=；⑤因为42p ,p 线性相关，42x ,x 不能构成基变量； ⑥因为43p ,p 线性无关，可得基解)1,1,0,0(x )6(=，3z 6-=；所以)6()4()2(x ,x ,x是原问题的基可行解，)6(x 是最优解，最优值是3z -=。
最优化计算方法课后习题答案----高等教育出版社。施光燕
习题二包括题目: P36页5（1）(4）5(4)习题三包括题目：P61页1（1)(2); 3; 5; 6；14;15（1）1（1)(2)的解如下3题的解如下5，6题14题解如下14。
设22121212()(6)(233)f x x x x x x x =+++---， 求点在(4,6)T -处的牛顿方向。
解:已知 (1)(4,6)T x =-,由题意得121212212121212(6)2(233)(3)()2(6)2(233)(3)x x x x x x x f x x x x x x x x +++-----⎛⎫∇= ⎪+++-----⎝⎭∴ (1)1344()56g f x -⎛⎫=∇=⎪⎝⎭21212122211212122(3)22(3)(3)2(233)()22(3)(3)2(233)22(3)x x x x x x x f x x x x x x x x +--+--------⎛⎫∇= ⎪+--------+--⎝⎭∴ (1)2(1)1656()()564G x f x --⎛⎫=∇=⎪-⎝⎭(1)11/8007/400()7/4001/200G x --⎛⎫= ⎪--⎝⎭∴ (1)(1)11141/100()574/100d G x g -⎛⎫=-=⎪-⎝⎭15（1）解如下15。
用DFP 方法求下列问题的极小点（1)22121212min353x x x x x x ++++ 解:取 (0)(1,1)T x=，0H I =时，DFP 法的第一步与最速下降法相同2112352()156x x f x x x ++⎛⎫∇= ⎪++⎝⎭， (0)(1,1)T x =，(0)10()12f x ⎛⎫∇= ⎪⎝⎭(1)0.07800.2936x -⎛⎫= ⎪-⎝⎭, (1)1.3760() 1.1516f x ⎛⎫∇= ⎪-⎝⎭以下作第二次迭代(1)(0)1 1.07801.2936x xδ-⎛⎫=-= ⎪-⎝⎭， (1)(0)18.6240()()13.1516f x f x γ-⎛⎫=∇-∇= ⎪-⎝⎭0110111011101T T T TH H H H H γγδδδγγγ=+-其中，111011126.3096,247.3380T T T H δγγγγγ===11 1.1621 1.39451.3945 1.6734T δδ⎛⎫= ⎪⎝⎭ ， 01101174.3734113.4194113.4194172.9646T TH H γγγγ⎛⎫== ⎪⎝⎭所以10.74350.40560.40560.3643H -⎛⎫= ⎪-⎝⎭(1)(1)1 1.4901()0.9776d H f x -⎛⎫=-∇= ⎪⎝⎭令 (2)(1)(1)1xx d α=+ , 利用(1)(1)()0df x d d αα+=，求得 10.5727α=- 所以 (2)(1)(1)0.77540.57270.8535x x d ⎛⎫=-= ⎪-⎝⎭ ， (2)0.2833()0.244f x ⎛⎫∇= ⎪-⎝⎭以下作第三次迭代(2)(1)20.85340.5599xx δ⎛⎫=-= ⎪-⎝⎭ ， (2)(1)2 1.0927()()0.9076f x f x γ-⎛⎫=∇-∇= ⎪⎝⎭22 1.4407T δγ=- ， 212 1.9922T H γγ= 220.72830.47780.47780.3135T δδ-⎛⎫=⎪-⎝⎭1221 1.39360.91350.91350.5988T H H γγ-⎛⎫= ⎪-⎝⎭所以22122121222120.46150.38460.38460.1539T T T T H H H H H δδγγδγγγ-⎛⎫=+-= ⎪-⎝⎭(2)(2)20.2246()0.1465d H f x ⎛⎫=-∇= ⎪-⎝⎭令 (3)(2)(2)2xxdα=+ , 利用(2)(2)()0df x d d αα+=,求得 21α= 所以 (3)(2)(2)11xx d ⎛⎫=+= ⎪-⎝⎭, 因为 (3)()0f x ∇=，于是停止(3)(1,1)T x =-即为最优解。
最优化方法孙文瑜课后答案
最优化方法孙文瑜课后答案【篇一：81010218《最优化算法》教学大纲】xt>课程编号: 81010218课程名称：最优化算法英文名称：optimization algorithm 总学时：32 学分：2适用对象: 信息与计算科学本科专业先修课程：数学分析（1-3），高等代数（1-2），运筹学一、课程性质、目的和任务《最优化算法》课程是信息与计算科学专业的一门主要专业选修课。
本课程的目的是使学生理解最优化理论与方法的基本概念，掌握最优化的基本理论和常见的优化算法，为学习后继课程和解决实际问题打下扎实的基础，培养学生用数学知识解决实际问题的兴趣、意识，以及分析问题和解决问题的能力。
二、教学内容、方法及基本要求1．非线性规划基本概念教学内容：多元函数极值理论。
基本要求：理解非线性规划问题概念，一般形式，最优解的情况。
理解梯度、海赛矩阵等概念，掌握极值点的必要条件，充分条件。
理解凸函数概念，掌握凸函数的判定条件和方法。
理解凸规划概念。
2. 一维搜索教学内容：一维搜索。
基本要求：掌握求解非线性规划问题搜索法的基本思想。
掌握一维搜索的斐波那契方法和0.618法。
3．求解无约束非线性规划问题的解析法教学内容：梯度法，广义牛顿法，共轭梯度法，变度量法。
基本要求：理解梯度法，广义牛顿法，共轭梯度法，变度量法的基本思想，掌握四种方法的迭代步骤，了解四种方法的收敛定理。
4. 求解无约束非线性规划问题的直接法教学内容：步长加速法，方向加速法，单纯形法。
基本要求：理解步长加速法，方向加速法，单纯形法的基本思想，掌握三种方法的迭代步骤，了解三种方法的收敛准则。
了解解析法与直接法的优缺点。
5. 求解约束非线性规划问题的逐步线性逼近法教学内容：逐步线性逼近法。
基本要求：理解约束非线性规划问题一般模型。
理解逐步线性逼近法基本思想，掌握逐步线性逼近法的求解步骤。
6. 求解约束非线性规划问题的拉格朗日乘子法教学内容：拉格朗日乘子法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
习题二包括题目：P36页5（1）（4）5（4）习题三包括题目：P61页1(1)(2); 3; 5; 6; 14；15(1)1(1)(2)的解如下3题的解如下5,6题14题解如下14. 设22121212()(6)(233)f x x x x x x x =+++---, 求点在(4,6)T-处的牛顿方向。
解：已知 (1)(4,6)T x=-，由题意得121212212121212(6)2(233)(3)()2(6)2(233)(3)x x x x x x x f x x x x x x x x +++-----⎛⎫∇= ⎪+++-----⎝⎭∴ (1)1344()56g f x -⎛⎫=∇=⎪⎝⎭21212122211212122(3)22(3)(3)2(233)()22(3)(3)2(233)22(3)x x x x x x x f x x x x x x x x +--+--------⎛⎫∇= ⎪+--------+--⎝⎭∴ (1)2(1)1656()()564G x f x --⎛⎫=∇=⎪-⎝⎭(1)11/8007/400()7/4001/200G x --⎛⎫= ⎪--⎝⎭∴ (1)(1)11141/100()574/100d G x g -⎛⎫=-=⎪-⎝⎭15（1）解如下15. 用DFP 方法求下列问题的极小点（1）22121212min 353x x x x x x ++++解：取 (0)(1,1)T x=，0H I =时，DFP 法的第一步与最速下降法相同2112352()156x x f x x x ++⎛⎫∇= ⎪++⎝⎭， (0)(1,1)T x =，(0)10()12f x ⎛⎫∇= ⎪⎝⎭(1)0.07800.2936x -⎛⎫= ⎪-⎝⎭， (1)1.3760() 1.1516f x ⎛⎫∇= ⎪-⎝⎭以下作第二次迭代(1)(0)1 1.07801.2936x xδ-⎛⎫=-= ⎪-⎝⎭， (1)(0)18.6240()()13.1516f x f x γ-⎛⎫=∇-∇= ⎪-⎝⎭0110111011101T T T TH H H H H γγδδδγγγ=+-其中，111011126.3096,247.3380T T TH δγγγγγ===11 1.1621 1.39451.3945 1.6734T δδ⎛⎫= ⎪⎝⎭ ， 01101174.3734113.4194113.4194172.9646T TH H γγγγ⎛⎫== ⎪⎝⎭所以10.74350.40560.40560.3643H -⎛⎫= ⎪-⎝⎭(1)(1)1 1.4901()0.9776d H f x -⎛⎫=-∇= ⎪⎝⎭令 (2)(1)(1)1xx d α=+ ， 利用 (1)(1)()0df x d d αα+=，求得 10.5727α=-所以 (2)(1)(1)0.77540.57270.8535x x d ⎛⎫=-= ⎪-⎝⎭ ， (2)0.2833()0.244f x ⎛⎫∇= ⎪-⎝⎭以下作第三次迭代(2)(1)20.85340.5599xx δ⎛⎫=-= ⎪-⎝⎭ ， (2)(1)2 1.0927()()0.9076f x f x γ-⎛⎫=∇-∇= ⎪⎝⎭22 1.4407T δγ=- ， 212 1.9922T H γγ=220.72830.47780.47780.3135T δδ-⎛⎫=⎪-⎝⎭1221 1.39360.91350.91350.5988T H H γγ-⎛⎫= ⎪-⎝⎭所以22122121222120.46150.38460.38460.1539T T T T H H H H H δδγγδγγγ-⎛⎫=+-= ⎪-⎝⎭(2)(2)20.2246()0.1465d H f x ⎛⎫=-∇= ⎪-⎝⎭令 (3)(2)(2)2xxdα=+ ， 利用(2)(2)()0df x d d αα+=，求得 21α= 所以 (3)(2)(2)11x x d ⎛⎫=+=⎪-⎝⎭， 因为 (3)()0f x ∇=，于是停止 (3)(1,1)T x =-即为最优解。
习题四包括题目： P95页 3；4；8；9(1)；12选做；13选做 3题解如下3.考虑问题21),(2)(min 21x x x f sx x -=∈，其中{}{}.10,1),(1),(2121222121≤≤≤≤+=x x x x x x x x S T T I（1）画出此问题的可行域和等值线的图形；（2）利用几何图形求出此问题的最优解及最优值；（3）分别对点,)1,0(,)0,0(,)1,1(,)0,1(4321TTTTx x x x -==-==指出哪些约束是紧约束和松约束。
解：（1）如图所示，此问题的可行域是以O 点为圆心，1为半径的圆的上半部分；等值线是平行于直线x 2=2x 1的一系列平行线，范围在如图所示的两条虚线内。
（2）要求f 的最小值，即求出这一系列平行线中与x 2轴相交，所得截点纵坐标的最大值。
显然当直线在虚线1的位置，能取得极值。
如图求出切点⎪⎭⎫ ⎝⎛-51,52P ，此点即为最优解Tx )51,52(-=*，解得最优值5-=*f（3）对于区间集S 可以简化为g 1:012221≥--x xg 2:02≥-x对于点Tx )0,1(1=，g 1和g 2均为该点处的紧约束； 对于点Tx )1,1(2-=，g 1和g 2均为该点处的松约束；对于点Tx )0,0(3=，g 1为该点的松约束，g 2为该点的紧约束； 对于点Tx )1,0(4-=，g 1为该点的紧约束，g 2为该点的松约束。
4题解如下4.试写出下列问题的K-T 条件，并利用所得到的表达式求出它们的最优解： （1）()();12min 2221-+-x x. 012221≥--x x （2）()();12min 2221-+-x x. 092221≥--x x（1）解：非线性规划的K-T 条件如下：022********=⎪⎪⎭⎫ ⎝⎛---⎪⎪⎭⎫ ⎝⎛--x x x x λ （1）0)1(2221=--x x λ （2）0≥λ （3）再加上约束条件 012221≥--x x （4） 为求出满足（1）~（4）式的解，分情况考虑：①若（4）式等号不成立，即012221>--x x ，那么由（2）式得0=λ，将0=λ代入（1）式解得21=x ，12=x ，所得值不满足012221>--x x 的条件，故舍去。
②若（4）式等号成立，由（1）式可以解得121+=λx ，112+=λx ，代入（4）式有： 1111222=⎪⎭⎫⎝⎛++⎪⎭⎫ ⎝⎛+λλ 解得5151--+-=或λ 因为0≥λ，所以51+-=λ，那么521=x ，512=x ，满足以上所有条件。
综上所述，所求非线性规划有唯一的K-T 点为：T x )51,52(=* (2)解：非线性规划的K-T 条件如下：022********=⎪⎪⎭⎫ ⎝⎛---⎪⎪⎭⎫ ⎝⎛--x x x x λ （1）0)9(2221=--x x λ （2）0≥λ （3）再加上约束条件092221≥--x x （4） 为求出满足（1）~（4）式的解，分情况考虑：①若（4）式等号不成立，即092221>--x x ，那么由（2）式得0=λ，将0=λ代入（1）式解得21=x ，12=x ，所得值满足以上所有约束。
②若（4）式等号成立，由（1）式可以解得121+=λx ，112+=λx ，代入（4）式有： 9111222=⎪⎭⎫⎝⎛++⎪⎭⎫ ⎝⎛+λλ 解得351±-=λ 因为0≥λ，所以所得λ值均舍去，该情况不成立。
综上所述，所求非线性规划有唯一的K-T 点为：T x )1,2(=*8题解如下 8 考虑问题Min x12+x1x2+2x22-6x1-2x2-12x3 . X1+x2+x3=2 （1） -x1+2x2≤3 （2） X1,x2,x3≥0 （3）求出点（1,1,0）处的一个下降可行方向.解：首先检查在点（1,1,0）处哪些约束为有效约束。
检查易知（1），X3≥0为有效约束。
设所求可行方向d=(d1,d2,d3)T 。
根据可行方向d 的定义，应存在a>0，使对t ∈（0，a ）能有 X+td=(1+td1,1+td2,0+td3)T 也能满足所有有效约束：(1+td1)+(1+td2)+(0+td3)=2 td3≥0 经整理即为d1+d2+d3=0d3≥0满足上述不等式组的d=(d1,d2,d3)T 均为可行方向。
现只求一个可行方向，所以任取d3=1，求解d1+d2=-d3得d1+d2=-1，可任取d1=1，d2=-2得一可行方向 d=（1，-2，1）T 考虑下降性由题可知：将目标函数化为f(x)=1/2XTQX+bTX+C 从而 ▽f=QX+b 即2101614022000312x f x x -⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥∇= +-⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥ -⎣⎦⎣⎦⎣⎦▽f （1,1,0）=（-3,3，-12）因为 ▽f （1,1,0）Td=-21<0表明d=（1,-2，1）T 为原问题在x=（1,1,0）T 处的一个下降可行方向9题解如下9 用lemke 算法解下列问题： （1）min 2x12+2x22-2x1x2-4x1-6x2 . X1+x2≤2 X1+5x2≤5 X1,x2≥0 解：4224H -⎛⎫= ⎪- ⎝⎭ ，46c -⎛⎫= ⎪-⎝⎭，1115A ⎛⎫= ⎪ ⎝⎭，25b ⎛⎫= ⎪⎝⎭ 于是00110015114215M - -⎡⎤⎢⎥ - -⎢⎥=⎢⎥ -⎢⎥ -2 4⎣⎦，2546q ⎡⎤⎢⎥⎢⎥=⎢⎥-⎢⎥-⎣⎦，1212y y w v v ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦，1212u u z x x ⎡⎤⎢⎥⎢⎥=⎢⎥⎢⎥⎣⎦与本题相应的线性互补问题为：W-MZ=q W ≥0,Z ≥0 WTZ=0由上表可看出仅w4，z4这一对变量全部不是基变量，因此从它们之中选一个进基，由于第一次碰到这一对变量，故选z4进基.在所选列中，有Min {8/5,11/9,2/6,6/4}=2/6故选相应的第3行第8列元素作主元，再进行旋转，得由于W0仍在基变量中，故继续运算.由于这时仅有W3，Z3这一对变量全不在基中，故仍在它们之中选一变量进基，由于是第一次从这一对变量选取，故也选Z3进基，再由Min {38/6/4,8/8，28/6/2}=8/8故选第二行第7列元素作主元，进行旋转，得再继续，得在上表中W0已被置换出基，即得到了相应线性互补问题的解，也就是所求二次规划的最优解：y1=-208/93，x1=35/31，x2=24/31，u2=32/31，y2=v2=v2=u1=0,即x*=（35/31,24/31）T12题解如下12.(1）外点法min =)(f x 2221x x + . 11≥x 解： 定义惩罚函数 F( )(){}[]2122211,0max ,--++=x x x x σσ=2221x x + 当 11≥x()2122211-++x x x σ 当11<x用解析法求解 min F(σ,x ),有=∂∂1x F12x 当11≥x ()11221x x σ+- 当11<x222x x F=∂∂ 令01=∂∂x F ，02=∂∂x F得到 =*σx ()21,x x T ⎪⎭⎫⎝⎛+=0,1σσT易见，当+∞→σ时，()0,1=→**x x σT*x 恰为所求费线性规划的最优解。