优化设计(3).pptVIP

黄金分割法要求在区间[a,b]中插入的两点位置是对称的，如图所示，ax1=x2b。设区间长为L，插入的两个点把区间分成较长的一段?和较短的一段(L – ?)，如图所示， ax2=bx1=? ， ax1=bx2=L-? ，这样，无论删去那一段，保留的区间长度总是? ，在每次迭代中，整个区间的长度L 与较长一段长度的比等于较长一段长度与较短长度的比。 α L L－α α L L－α 黄金分割法采用固定的缩短率0.618 （2）黄金分割法的迭代步骤 （1）给定初始单峰区间[a,b]及允许误差?0； （2）计算内分点及其函数值 （3）比较函数值 f1和 f2的大小；(区间消去法) 根据比较结果缩短搜索区间 A. 当 f1≤ f2 时，极小点必在[a, x2]中，则 B. 当 f1 f2 时，极小点必在[x1, b]中，则 （4）判断是否满足精度要求。若新区间已缩短至预定精度要求，即b-a?? ，则转第5）步；否则转第3）步，进行下一次迭代计算。 （5）输出最终区间的中点作为近似最优点，其对应的函数值即为最优值，他们组成的最优解为 ： Eg: 试用黄金分割法求解优化问题： 解:1） 初始区间为[a b]=[-3 5],精度?=0.2 2） 计算内分点 x1=a+0.382(b-a)=-3+0.382(5+3)=0.056;f1=f(x1)=0.115 x2=a+0.618(b-a)=-3+0.618(5+3)=1.944;f2=f(x2)=7.667 3）比较f1，f2， f1＜f2，所以新搜索区间为[a b]=[-3 1.944] 4）由于?b-a ???,需要继续迭代； 5）第8次迭代后，新区间为[x1 b]=[-1.046 -0.940], ?b-a ?=0.106 ＜ ?,迭代终止。 -0.999 -0.996 -1.006 -1.046 -0.940 -1.111 8 -0.996 -0.999 -0.940 -1.006 -0.835 -1.111 7 -0.973 -0.966 -0.835 -0.940 -0.665 -1.111 6 -0.996 -0.997 -0.940 -1.111 -0.665 -1.386 5 -0.987 -0.851 -1.111 -1.386 -0.665 -1.832 4 -0.888 -0.987 -0.665 -1.111 0.056 -1.832 3 -0.987 -0.306 -1.111 -1.832 0.056 -3.000 2 0.115 -0.986 0.056 -1.111 1.944 -3.000 1 7.667 0.115 1.944 0.056 5.000 -3.000 0 f2 f1 x2 x1 b a N 循环迭代历次结果 3. 平分法和切线法 适于目标函数易求一阶或二阶导数的情形。 （1）平分法 平分法是取具有极小点的单峰函数的探索区间[?s,?e]的中点?m作为计算点，并根据函数在?m处的一阶导数(0或0) 来判断应该消去 ?m 点左右哪一半探索区间，收缩探索区间。平分法的收缩率约为0.5。 给定k =0,?s(0), ?e(0), ?1,?2 时，平分法的迭代步骤如下： 1）计算 ?m(k)=( ?s(k)+ ?e(k))/2, 如 ，则终止迭代，并取?*= ?s(k)，否则转下一步； 2）计算 f?(? m(k)) ，如 ，则终止迭代，并取?*= ?s(k)，否则转下一步； 3）如 f?(? m(k)) 0 ，则取新区间为[?s(k),?m(k)]（左边）,否则为[?m(k),?e(k)]，当k=k+1后转 1）。 现代设计方法 第三章 优化设计 Optimization Design 本章主要内容 优化设计概述 优化问题的数学分析基础 一维探索优化方法 无约束多维问题的优化方法 约束问题的优化方法 多目标函数的优化方法 LINGO在优化设计中的应用 3.3 一维探索优化方法 一维搜索的数学形式 一维搜索的几何意义 常用一维搜索方法：进退法、黄金分割法、平分法和切线法 一、概述 数值迭代过程中，任何一次迭代，总是从某个已知点X(k) 出发，沿着给定的方向 S(k) （用某种优化方法确定）搜索到目标函数在该方向上的极小值点 X(k+1) ，这个过程称为一维搜索。 一维搜索不仅可以求解一维优化问题，同时也是求解多维优化问题的基本步骤。 1.一维搜索的概念 “一维”的含义 寻找目标函数在指定方向上的极小点