3第三章一维优化方法new.pptVIP

第三章 一维优化方法 3.2 搜索区间的确定与区间消去法原理 一、外推法 在一维搜索时，需要确定一个搜索区间[a,b]，此区间必须包含函数的极小点 x*，因此搜索区间必须是单谷区间，即该区间内的函数值呈现“高-低-高”的趋势。如图所示，通过将搜索区间[a,b]逐渐缩小，直至足够小，就可以得到近似最优点。 黄金分割法适用于[a,b]区间上的任何单峰函数求极小值问题。对函数除要求单峰外不作其它要求，甚至可以不连续。因此，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。一、黄金分割法的原理 在搜索区间[a, b]内适当插入两点?1,?2 ，?1?2,且在区间内对称位置， ?1 = b ? ?(b - a) ?2 = a + ?(b - a) 计算其函数值。 y1 = f(?1) y2 = f(?2) 1)若y1y2则极小点必在区间[a,?2]内， 令b =?2，新区间为[a，?2] 2)若y1≥y2则极小点必在区间[?1,b]内， 令a = ?1，新区间为[?1，b] 经过函数值比较，区间缩短一次。 新区间只保留?1，?2中的一个。 黄金分割法内分点选区的原则之一是要对称的、并采取每次区间缩短率都是相等的。 设原区间长度为1如图3.6所示，保留区间长度为?，区间缩短率为? 。进行第二次缩短时，新点为?3 ,设y1f(?3)则新区间为[a,?1]为保持相同的区间缩短率，应有 （1- ?）/ ? = ? 故：1- ? = ? 2 ?2 + ? -1=0 由此可得： ? =0.618 黄金分割法可使相邻两次搜索区间都具有相同的缩短率0.618。 ?1=b? 0.618(b-a) ?2=a+ 0.618(b-a) 黄金分割法的搜索过程 1、给出初始搜索区间[a,b]及收敛精度?, 将?赋值0.618。 2、按坐标点计算公式 ?1 = b ? ?(b - a) ?2 = a + ?(b - a) 计算?1，?2 ，并计算相应的函数值f(?1) ，f(?2) 3、缩短搜索区间。为了能用原来的坐标点计算公式， 需进行区间名称的代换， 并在保留区间中计算一个新的试验点及其函数值。 4、检查区间是否缩短到足够小和函数值是否满足收敛条件，否则返回步骤2. 5、若满足收敛条件，则取最后两点的平均值作为极小点的近似解。 3.4 一维搜索的插值方法 一、插值法概念 假定我们给定的问题是在某一确定区间内寻求函数的极小点的位置，但是没有函数表达式，只有若干试验点处的函数值。我们可以根据这些函数值，构成一个与原目标函数相接近的低次插值多项式，用该多项式的最优解作为原函数最优解的近似解，这种方法是用低次插值多项式逐步逼近原目标函数的极小点的近似求解方法，称为插值方法或函数逼近法。 二、插值法与试探法的异同点 相同点：都是利用区间消去法原理将初始搜索区间不断缩短，从而求得极小点的数值近似解。 不同点：试验点位置的确定方法不同。 不同点：试验点位置的确定方法不同。 在试探法中试验点的位置是由某种给定的规律确定的，并未考虑函数值的分布。 例如：黄金分割法是按照等比例0.618缩短率确定的。 插值法中，试验点的位置是按函数值近似分布的极小点确定的。 试探法仅仅利用了试验点函数值进行大小的比较，而插值法还要利用函数值本身或其导数信息。插值法是利用函数在已知试验点的值（或导数值）来确定新试验点的位置。所以，当函数具有较好的解析性质时，插值方法比试探方法效果更好。 二、二次插值法（抛物线法） 利用原目标函数上的三个插值点，构成一个二次插值多项式，用该多项式的最优解作为原函数最优解的近似解，逐步逼近原目标函数的极小点，称为二次插值方法或抛物线法。 设一维目标函数的搜索区间为[a,b]，取三点x1、x2、x3，其中x1、x3取区间的端点，即 x1?a ， x3 ?b 而x2为区间内的一个点，开始可以取区间的中点，即 x2=0.5 ( x1 + x3 ) 利用函数y = f(?) 在单谷区间中的三点?1?2?3的相应函数值f(?1) f(?2) f(?3), 作二次插值多项式 p(?)=a0 + a1? + a2?2 它应满足 p(?1)=a0 + a1?1