本系列文章主要是我在学习《数值优化》过程中的一些笔记和相关思考,主要的学习资料是深蓝学院的课程《机器人中的数值优化》和高立编著的《数值最优化方法》等,本系列文章篇数较多,不定期更新,上半部分介绍无约束优化,下半部分介绍带约束的优化,中间会穿插一些路径规划方面的应用实例
本篇文章主要介绍使用使用序列无约束优化处理约束优化的3种方法:罚函数法(Penalty Method)、障碍函数法(Barrier Method)、拉格朗日松弛法(Lagrangian Relaxation)。
二十一、罚函数法(Penalty Method)
1、将等式约束转换为二次惩罚项
罚函数法即适应于不等式约束,又适应于等式约束。对于等式约束,我们可以定义一个二次罚函数(L2-Penalty ),假设目标函数与等式约束如下所示:
订阅专栏 解锁全文
4389



被折叠的 条评论
为什么被折叠?



