有约束优化方法课件.ppt

《有约束优化方法课件.ppt》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

2、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。间接解法是将约束优化问题转化为一系列无约束优化问题来解的一种方法。由于间接解法可以选用已研究比较成熟的无约束优化方法，并且容易处理同时具有不等式约束和等式约束的问题。因而在机械优化设计得到广泛的应用。间接解法中具

3、有代表性的是惩罚函数法。直接解法的基本思想：在由m个不等式约束条件gu(x)≤0所确定的可行域φ内，选择一个初始点x(0)，然后确定一个可行搜索方向S，且以适当的步长沿S方向进行搜索，取得一个目标函数有所改善的可行的新点x(1)，即完成了一次迭代。以新点为起始点重复上述搜索过程，每次均按如下的基本迭代格式进行计算：x(k+1)＝x(k)+α(k)S(k)(k=0,1,2,…)逐步趋向最优解，直到满足终止准则才停止迭代。直接解法通常适用于仅含不等式约束的问题，思路是在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

4、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。直接解法的原理简单，方法实用，其特点是：1）由于整个过程在可行域内进行，因此，迭代计算不论何时终止，都可以获得比初始点好的设计点。2）若目标函数为凸函数，可行域为凸集，则可获得全域最优解，否则，可能存在多个局部最优解，当选择的初始点不同，而搜索到不同的局部最优解。3）要求可行域有界的非空集。a)可行域是凸集；b)可行域是非凸集间接解法的求解思路：将约束函数进行特殊的加权处理后，和目标函数结合起来，构成一个新的目标函数

5、，即将原约束优化问题转化为一个或一系列的无约束优化问题。新目标函数加权因子然后对新目标函数进行无约束极小化计算。§5-2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。第二节随机方向法随机方向法的基本思路：在可行域内选择一个初始点，利用随机数的概率特性，产生若干个随机方向，并从中选择一个能使目标函数值下降最快的随机方向作为搜索方向d。从初始点x0出发，沿d方向以一定步长进行搜索，得到新点X，新点x应满足约束条件

6、且f(x)

7、骤2）重新产生随机点，只到可行为止。三、可行搜索方向的产生产生可行随机方向的方法：从k个随机方向中，选取一个较好的方向。其计算步骤为：1）在(-1,1)区间内产生伪随机数，得随机单位向量2)取一试验步长a0，按下式计算k个随机点3）检验k个随机点是否为可行点，除去非可行点，计算余下的可行点的目标函数值，比较其大小，选出目标函数最小的点XL。4)比较XL和X0两点的目标函数值，若f(XL)