最优化方法第七章无约束(多维)最优化-选讲ppt课件.ppt

最优化方法第七章无约束(多维)最优化-选讲ppt课件.ppt

ID:59470085

大小:1.69 MB

页数:78页

时间:2020-09-14

最优化方法第七章无约束(多维)最优化-选讲ppt课件.ppt_第1页
最优化方法第七章无约束(多维)最优化-选讲ppt课件.ppt_第2页
最优化方法第七章无约束(多维)最优化-选讲ppt课件.ppt_第3页
最优化方法第七章无约束(多维)最优化-选讲ppt课件.ppt_第4页
最优化方法第七章无约束(多维)最优化-选讲ppt课件.ppt_第5页
资源描述:

《最优化方法第七章无约束(多维)最优化-选讲ppt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、第七章无约束(多维)最优化梯度法(最速下降法)牛顿法与拟牛顿法变尺度法(DFP法)共轭梯度法模式搜索法Powell法单纯形加速法最小二乘法12.牛顿法3.拟牛顿法(变尺度法)1、梯度法(最速下降法):多变量无约束优化间接法;)(:kkkxfHdÑ-=搜索方向23.拟牛顿法(变尺度法)4.特殊拟牛顿法1——DFP算法:5.特殊拟牛顿法2——BFGS算法:;)(:kkkxfHdÑ-=搜索方向多变量无约束优化间接法36.共轭梯度法1——7.共轭梯度法2——多变量无约束优化间接法4无约束最优化问题的直接方法一、模式搜索法二、Powell

2、算法三、单纯形替换法57.7模式搜索法也称为步长加速法,或Hooke-Jeeves法,1961年轴向搜索模式搜索67.7模式搜索法步长加速法7891011初始x,α,y(0)=x,ε>0计算f=f(x)f1=f(y(0)),i=1y(i)=y(i-1)+αe(i)计算f2=f(y(i))f2

3、),,f=f(x)y(n)=x?Noy(0)=xYesα<ε?YesNoα=0.1α2停;x为解1314(1)步长加速法的收敛速度是线性的,且如果目标函数可微,则可收敛到平稳点。(2)由于步长加速法不使用导数,故可应用于任何形式的目标函数,应用范围极广。(3)在进行坐标轮换试探时,如果不采用固定步长(亦称离散步长)而使用一维搜索技术求目标函数在坐标方向的极小点,则可加速迭代速度。4.步长加速法性质与评价15167.8Powell方法172、原始Powell法步骤:181920212223242526272829301.单纯形加速

4、法:Spendley、Hext和Himsworth于1962年提出;Nelder和Mead1965年改进问题:7.9单纯形加速替换法复形法单纯形加速法是一种不使用导数的求解无约束极小化问题的直接搜索方法.313.算法思想324.单纯形概念(1)例33(2)单纯形的定义345.如何构造单纯形?35366.单纯形加速法的几何解释劣点形心点反射点延伸点37——形心3839407.单纯形加速法的步骤41424344h例:用单纯形加速法解45hhhh46(一)、线性最小二乘法(二)、非线性最小二乘法1.改进的Gauss-Newton法

5、2.Levenberger-Marquart方法7.10最小二乘法47一、线性最小二乘法1.问题2.性质482.性质49例解5051二、非线性最小二乘法1.一般形式:5253543.改进的Gauss-Newton法:性质:555657三、Levenberger-Marquart方法585960有约束线性最小二乘的标准形式为sub.to其中:C、A、Aeq为矩阵;d、b、beq、lb、ub、x是向量。在MATLAB5.x中,约束线性最小二乘用函数conls求解。三、最小二乘法的Matlab求解1约束线性最小二乘61函数lsqlin

6、格式x=lsqlin(C,d,A,b)%求在约束条件下,方程Cx=d的最小二乘解x。x=lsqlin(C,d,A,b,Aeq,beq)%Aeq、beq满足等式约束若没有不等式约束,则设A=[],b=[]。x=lsqlin(C,d,A,b,Aeq,beq,lb,ub)%lb、ub满足若没有等式约束,则Aeq=[],beq=[]。x=lsqlin(C,d,A,b,Aeq,beq,lb,ub,x0)%x0为初始解向量,若x没有界,则lb=[],ub=[]。x=lsqlin(C,d,A,b,Aeq,beq,lb,ub,x0,option

7、s)%options为指定优化参数[x,resnorm]=lsqlin(…)%resnorm=norm(C*x-d)^2,即2-范数。[x,resnorm,residual]=lsqlin(…)%residual=C*x-d,即残差。[x,resnorm,residual,exitflag]=lsqlin(…)%exitflag为终止迭代的条件[x,resnorm,residual,exitflag,output]=lsqlin(…)%output表示输出优化信息[x,resnorm,residual,exitflag,outp

8、ut,lambda]=lsqlin(…)%lambda为解x的Lagrange乘子62632非线性最小二乘64函数lsqnonlin格式x=lsqnonlin(fun,x0)%x0为初始解向量;fun为f(x)i=1,2,…,m,fun返回向量值F,而不是平方和

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。