优化方法的理论体系 主要有确定极值点所在区间的进退法（应用推论1）、一维盲人探路法（在进退法基础上增加一个模块）、一阶导数符号法（应用推论2）等。。（二）多维无约束优化方法。。
为什么凸优化这么重要？ 觉得有必要写在前面的话：本答案主要面向运筹学、管理科学、运营管理、工业工程、系统工程等相关专业的以…
最优化：可行方向法 最低0.27元开通文库会员，查看完整内容>；原发布者：klxjunyan唯楚有材于斯为盛最优化主讲：刘陶文学好最优化，走遍天下都不怕课件制作：刘陶文第十三章约束问题算法(II)—可行方向法一、Zoutendijk可行方向法二、投影梯度法三、既约梯度法思想构造可行点序列{xk使得目标函e79fa5e98193e59b9ee7ad9431333433623830数序列{f(xk)单调下降，且xkKKT点其过程如下：给定可行点xk，(1)计算下降可行方向dk；(2)通过线性搜索(受可行性限制)计算步长k，产生新的可行点：xk1xkkdk考虑到(1)和(2)，我们先介绍线性约束问题的可行方向法，然后将其适当推广到非线性约束问题.第一节Zoutendijk算法一.线性约束情形考虑线性约束问题minf(x)s.t.gi(x)aiTxbi0，iIhj(x)aTjxbj0，jE记可行域D{xgi(x)0，iI；hj(x)0，jExD，在x处的有效集为A(x)I(x)E{igi(x)0，iIE(.)1、下降可行方向由于(13.1)的约束是线性的，xD，在x处的可行方向集S(x){dRnaiTd0，iI(x)；aTjd0，jE而在x处的目标函数的下降方向满足：f(x)Td0因此，在x处，我们通过求解下列线性规划问题来计算下降可行方向：mins.t.f(x)TdaiTd0，iI(x)aTjd0，jEd1(13.2)确保目标函数有界约束d1
