积分选择算法及在全局优化领域中应用(上)--低维问题.pdfVIP

积分选择算法及其在全局优化领域中的应用（上） ——低维问题 童海滨 河海大学水资源环境学院(210098) E-mail：lbthb@ 摘 要：把微积分的基本思想应用到最优化问题中，仿照定积分的数值逼近算法构造出一类 简洁实用的全局优化算法-积分选择算法。首先从函数逼近的角度论述了数值积分与全局最 优化的关系，随后从微积分的基本原理和定积分的定义出发对该类算法的几何意义和数学基 础（微积优理论）作了简要论述；在此基础上给出了该类算法的几个具体实现。算法的构造 过程本身表明了该算法简单明了、几何意义明确、迭代终止准则科学、对函数的要求较低； 最后举了几个数值试验的例子以说明该类算法在求函数的最值，解超越方程以及整数规划等 问题中的应用；数值试验的结果标明该算法比单纯由“微分”思想演化而来的传统算法有更好 的全局性和对问题的更广泛的适应性，比现在流行的一些人工智能方法有更高的运算效率和 更适当的迭代中止准则。 关键词：全局最优化 积分选择算法 数值积分 收敛性 微积优理论 1．引言 在数值计算领域，往往有很多问题都可以转化为最优化问题。传统的优化算法大多是建 立在“微分”(或局部下降) 的思想之上，这些算法运算速度虽快，却因为“微分”思想所固有的 “局部”性质而相应地带有很强的局部性质，从而它们在求解全局最优的问题中不容易收敛到 全局最优解，对于不可微和高度病态的优化问题，以梯度为基础的优化算法往往也无能为力 [1] ；时下流行的一些人工智能算法，如遗传算法等，虽然可以求得较为接近全局最优解的解 （有人称之为满意解），但它的全局收敛性，至今没有很好的被证明，并且一些参数的设置 [2] 包含很多主观性的特点，需要使用者的经验来确定，它的收敛性建立在概率论基础上 ，运 行此算例可能收敛，运行彼算例则又不一定了。从而，在大规模的全局最优化问题中，它就 显得效率不足了；与上述二者相反，“积分”思想具有天然的“全局”性，由这个思路出发，本 文模仿数值积分中处理定积分的步骤，试图提出简洁实用而且高效的全局优化算法积分 选择算法。 2 ．数值积分和最优化的关系 数值积分的运算过程，也就是用一个容易计算积分的函数来代替原被积函数进行逐步逼 近的过程，在这个过程中，当然也包括被积函数的峰值（全局最大值）处的逼近。如果在函 数曲线峰值处的逼近有重大的偏差，那么数值积分的精度不可能是很高的的；反过来，如果 函数逼近的精度很高，从而数值积分的精度很高，那么函数峰值处的逼近精度也很高（在被 积函数为连续函数的前提下）。 如果在函数逼近的过程中，亦即在取不同的x ，f(x ) 和λ 以构造积分公式∑λ f(x) 的过程中 i i i i i 考虑了所取点据（x ，f(x ) ）所对应的f(x ) 的相对大小问题，那么相应的最优化方法即可容易 i i i 地构造出来。 在遗传算法中，种群的选择，杂交和变异，都需要很繁杂的手段来进行，但在本算法中， - 1 - 点据（x ，f(x ) ）的选取，是依据数值积分的收敛要求而有规律地选取的，其目的是保证用 i i 于计算积分值的简单函数不断逼近原被积函数。杂交和变异统统没有，随着积分运算的进行， 选取最大值（最小值）的工作也在同步进行着。随着积分运算步长越来越小，所选取的最值 也越来越大（小）。整个迭代过程的终止准则也是非常简单的：当积分运算中的迭代终止准 则认为应当终止积分运算的迭代过程时，选取最值的过程亦随之终止。下面先对该算法的原 理作简要说明，再以一维积分中最常用的复化梯形法和高斯-勒让