第四章+无约束优化计算方法(new).ppt

《第四章+无约束优化计算方法(new).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、第四章无约束优化计算方法4.1引言4.2单变量优化计算方法4.3多变量优化计算的非梯度方法4.4多变量优化计算的梯度方法求解优化问题的基本解法有：解析法数值解法解析法：即利用数学分析(微分、变分等）的方法，根据函数（泛函）极值的必要条件和充分条件求出其最优解析解的求解方法。在目标函数比较简单时，求解还可以。局限性：工程优化问题的目标函数和约束条件往往比较复杂，有时甚至还无法用数学方程描述，在这种情况下应用数学分析方法就会带来麻烦。4.1引言数值迭代法的基本思路：是进行反复的数值计算，寻求目标函数值不断下降的可行计算点，直到最后获得

2、足够精度的最优点。这种方法的求优过程大致可归纳为以下步骤：1）首先初选一个尽可能靠近最小点的初始点X（0），从X（0）出发按照一定的原则寻找可行方向和初始步长，向前跨出一步达到X（1）点；2）得到新点X（1）后再选择一个新的使函数值迅速下降的方向及适当的步长，从X（1）点出发再跨出一步，达到X（2）点，并依此类推，一步一步地向前探索并重复数值计算，最终达到目标函数的最优点。数值解法求解步骤在中间过程中每一步的迭代形式为：上式中：X（k）——第k步迭代计算所得到的点，称第k步迭代点，亦为第k步设计方案；a（k）——第k步迭代计算的步

3、长；S（k）——第k步迭代计算的探索方向。迭代计算机逐步逼近最优点过程示意图用迭代法逐步逼近最优点的探索过程如图所示。运用迭代法，每次迭代所得新的点的目标函数都应满足函数值下降的要求：（1）选择搜索方向（2）确定步长因子（3）给定收敛准则迭代法要解决的问题：终止准则准则1-点距准则准则2-下降准则：准则3-梯度准则往往采用两个准则来判别（1）f(x)在x*附近比较平坦往往采用两个准则来判别（2）f(x)在X*附近比较陡峭结论：由于不知道函数的具体形态，有时用两个准则判断更可靠！！当采用数学规划法寻求多元函数的极值点时，一般要进行一

4、系列如下格式的迭代计算:当方向给定，求最佳步长就是求一元函数:的极值问题，这一过程被称为一维搜索.一维搜索的最优化方法-分析法例已知极小值在区间内，若从点出发，根据迭代公式：取将代入得：令得：将（3-3）代入（3-2）得：因为满足准则3所以=0（3-3）（3-2）由举例可知，一维搜索方法解析法利用一维函数的极值条件：一维搜索方法数值解法分类一维搜索也称直线搜索。这种方法不仅对于解决一维最优化本身具有实际意义，而且也是解多维最优化问题的重要支柱。4.2.1进退法（确定搜索区间）进退法也称外推法，是一种通过比较函数值大小来确定单峰区间

5、的方法。任意给定初始点X1和步长h，算出f(x1)和x2=x1+h点的f(x2)函数值。图(a)．f(x1)>f(x2)，说明x*>x1，将步长增加一倍，取x3=x2+2h； 图(b)．f(x1)>f(x2)，说明x*

6、此，这种方法的适应面相当广。黄金分割法也是建立在区间消去法原理基础上的试探方法。利用区间消去法，使搜索区间缩小，通过迭代计算，使搜索区间无限缩小，从而得到极小点的数值近似解。黄金分割法要求在保留下来的区间内再插入一点所形成的区间新三段，与原来区间的三段具有相同的比例分布。将区间分成三段黄金分割法也称0.618法，是通过对黄金分割点函数值的计算和比较，将初始区间逐次进行缩小，直到满足给定的精度要求，即求得一维极小点的近似解x*。1）区间缩小的基本思路已知f(x)的单峰区间[a,b]。为了缩小区间，在[a,b]内按一定规则对称地取2个

7、内部点x1和x2，并计算f(x1)和f(x2)。可能有三种情况：图(a)．经过一次函数比较，区间缩小一次。在新的区间内，保留一个好点x1和f(x1)，下一次只需再按一定规则，在新区间内找另一个与x1对称的点x2，计算f(x2)，与f(x1)比较。如此反复。图(b)．淘汰[a,x1],得新区间[a,b],此时：a=x1，x1=x2,x2为x1对称点，b=b。图(c)．可归纳入上面任一种情况处理。2）取点规则黄金分割法的均匀缩短率为0.618，即每经过一次函数值比较，都是淘汰本次区间的0.382倍。根据上式，黄金分割法的取点规则是

8、3）收敛准则由于实际问题的需要和函数形态的不同，常常需要不同的收敛准则确定最优点。对于直接法，有以下几种收敛准则：（1）．区间绝对精度（2）．区间相对精度（3）．函数值绝对精度；（4）．函数值相对精度4）黄金分割法特点（1）不必要求f(x)