欢迎来到天天文库
浏览记录
ID:42204531
大小:1.63 MB
页数:79页
时间:2019-09-10
《约束优化方法2(白)》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、第五章有约束优化方法§5-1引言§5-2随机方向法§5-3复合形法§5-4可行方向法§5-5惩罚函数法§5-6序列二次规划法§5-1引言机械优化设计中的问题,大多数属于约束优化设计问题,其数学模型为上一章讨论的都是无约束条件下非线性函数的寻优方法,但在实际工程中大部分问题的变量取值都有一定的限制,也就是属于有约束条件的寻优问题。与无约束问题不同,约束问题目标函数的最小值是满足约束条件下的最小值,即是由约束条件所限定的可行域内的最小值。只要由约束条件所决定的可行域必是一个凸集,目标函数是凸函数,其约束最优解就是
2、全域最优解。否则,将由于所选择的初始点的不同,而探索到不同的局部最优解上。在这种情况下,探索结果经常与初始点的选择有关。为了能得到全局最优解,在探索过程中最好能改变初始点,有时甚至要改换几次。(1)直接法直接法包括:网格法、复合形法、随机试验法、随机方向法、可变容差法和可行方向法。(2)间接法间接法包括:罚函数法、内点罚函数法、外点罚函数法、混合罚函数法、广义乘子法、广义简约梯度法和约束变尺度法等。根据求解方式的不同,约束优化设计问题可分为:直接解法、间接解法。直接解法通常适用于仅含不等式约束的问题,思路是在
3、m个不等式约束条件所确定的可行域内,选择一个初始点,然后决定可行搜索方向d且以适当的步长,进行搜索,得到一个使目标函数值下降的可行的新点,即完成一次迭代。再以新点为起点,重复上述搜索过程,直至满足收敛条件。步长可行搜索方向可行搜索方向:当设计点沿该方向作微量移动时,目标函数值将下降,且不会越出可行域。间接解法的基本思路是按照一定的原则构造一个包含原目标函数和约束条件的新目标函数,即将原约束优化问题转化成为一个或一系列的无约束优化问题。再对新的目标函数进行无约束优化计算,从而间接地搜索到原约束问题的最优解。§5
4、-2随机方向法基本思想:利用计算机产生的随机数所构成的随机方向进行搜索,产生的新点必须在可行域内,即满足直接法的特性。随机方向法,是约束最优化问题的一种常用的直接求解方法。它和随机梯度法、Gauss-Seidel法等都属于约束随机法。其基本原理如图所示,在约束可行域S内选取一个初始点X(0),在不破坏约束的条件下以合适的步长a。沿X(0)点周围几个不同的方向(以某种形式产生的随机方向)进行若干次探索,并计算各方向上等距离(步长a。)点的函数值,找出其中的最小值f(X(l))及点X(l)。若f(X(l))<f(
5、X(0)),则继续沿方向(X(l)-X(0))以适当的步长a向前跨步,得到新点X(1),若f(X(1))<老f(X(l)),则将新的起点移至X(1),重复前面过程。否则应缩短步长a,直至取得约束好点。如此循环下去。当迭代的步长已经很小时,则表明已经逼近约束最优点。达到计算精度要求时,即可结束迭代计算。图约束随机方向探索法的基本原理随机方向探索法的一般迭代计算公式为:X(k+1)=X(k)+aS(k)(k=0,1,2,…)式中a为步长,S(k)为第k次迭代的随机探索方向。因此,随机方向探索法的计算过程可归结为:
6、复合形法是求解约束非线性最优化问题的一种重要的直接方法。它来源于用于求解无约束非线性最优化问题的单纯形法,实际上是单纯形法在约束问题中的发展。如前所述,在求解无约束问题的单纯形法中,不需计算目标函数的梯度,而是靠选取单纯形的顶点井比较各顶点处目标函数值的大小,来寻找下一步的探索方向的。在用于求解约束问题的复合形法中,复合形各顶点的选择和替换,不仅要满足目标函数值的下降,还应当满足所有的约束条件。§5-3复合形法基本思想:在可行域中选取K个设计点(n+1≤K≤2n)作为初始复合形的顶点。比较各顶点目标函数值的大
7、小,去掉目标函数值最大的顶点(称最坏点),以坏点以外其余各点的中心为映射中心,用坏点的映射点替换该点,构成新的复合形顶点。反复迭代计算,使复合形不断向最优点移动和收缩,直至收缩到复合形的顶点与形心非常接近,且满足迭代精度要求为止。令:X(4)=X(0)+α(X(0)-X(H))称X(4)为映射点,记为X(R),α为映射系数,通常取α=1.3,可根据实际情况进行缩减。取次好点和好点连线的中点为X(0)。一般情况下,映射点的函数值比坏点的函数值要小,即F(X(R))8、X(H)构成新的复合形。如此反复迭代直到找到最优解。在可行域内任选三个初始点X(1)、X(2)、X(3),连接这三点形成一个三角形,此三角形称为初始复合形。计算各个顶点函数值F(X(1))、F(X(2))、F(X(3)),找出最大值,记为坏点X(H)。最小值,记为最好点X(L)。在次好点和好点连线与坏点反向一侧的各点应具有较小的目标值。在迭代过程中,按映射系数α=1.3得到的映射点,不一定满足适用性
8、X(H)构成新的复合形。如此反复迭代直到找到最优解。在可行域内任选三个初始点X(1)、X(2)、X(3),连接这三点形成一个三角形,此三角形称为初始复合形。计算各个顶点函数值F(X(1))、F(X(2))、F(X(3)),找出最大值,记为坏点X(H)。最小值,记为最好点X(L)。在次好点和好点连线与坏点反向一侧的各点应具有较小的目标值。在迭代过程中,按映射系数α=1.3得到的映射点,不一定满足适用性
此文档下载收益归作者所有