基于随机搜索一个约束优化问题全局收敛算法50463.pdfVIP

高校应用数学学报A辑 App1．Math．J．ChineseUniv．Ser．A 2005，20(2)：197—206 基于随机搜索的一个约束优化 问题的全局收敛算法 周长银h，贺国平 ，李述山 (1．上海交通大学数学系，上海 200240； 2．山东科技大学信息科学与工程学院，山东泰安271019) 摘 要：讨论了具有一般约束的全局优化问题，给出该问题的一个随机搜索算 法，证明了该算法依概率 1收敛到问题的全局最优解．数值结果显示该方法是有 效的． 关键词：全局最优化；随机搜索；依概率1收敛 中图分类号：0241 文献标识码：A 文章编号：1000—4424(2005)02—0197—10 §1 引 言 众所周知，在某一全局优化问题的目标函数较为复杂，或其一、二阶信息不易获得的情 况下，一般传统的优化方法不再适合于求解这类问题．启发式方法成为求解这类问题的有效 途径 j．其中随机搜索方法是求解全局最优化问题的一类重要方法，至今广泛使用的模拟 退火法和遗传算法，也都使用了随机搜索的思想，它们已成为求解全局最优化问题强有力的 工具．全局优化算法的收敛性问题一直是人们研究和关注的焦点．[3—5]等研究了随机搜 索方法的收敛性问题，从理论上给出了一些结果．随机搜索方法的主要优点是算法的构造往 往比较简单，容易在计算机上运行，并且易与其他方法结合．在实际优化问题中，有时不需要 得到其精确解，而只需要它的一个近似最优解，这种情况下随机搜索方法更能显示它的优越 性．因此，在系统优化、经济分析和决策中带有随机搜索的全局优化方法 日益受到人们的重 视． [6]依据电磁学的“排斥一吸引”原理给出了一个有界变量约束问题的全局收敛算法．其 基本思想是：设有Ⅳ个迭代点 ，…， ，对于某点 ，若其 目标函数值小于z ≠)的目标 函数值，则取方向 一 ，否则取 一 得到关于 的Ⅳ一1个方向，这些方向的叠加获得 收稿 日期：2003—11-24 基金项目：国家自然科学基金 198 高校 应 用数 学 学报A辑 第2O卷第2期 的方向作为Xi的下一步迭代方向．[7]证明了该方法依分布全局收敛于该问题的￡一最优解． 基于这一思想，本文研究了具有一般约束的全局最优化问题，给出了该问题一个新的全局收 敛算法．该算法不要求迭代点包含可行域所在空间一组基的假设．同时得到了比[7]更强的 收敛结果，证明了该算法依概率1全局收敛于该问题的e一最优解．数值结果显示该算法是可 行的、有效的． §2 算法的构造 本文考虑如下约束优化问题：minf(x) S．t．z∈F，其中厂()：R一R为非线性Borel 可测函数；可行域FcR 为一有界凸集． 2．1 初始化 在进行迭代前，需要从可行域F中随机抽取Ⅳ个样本点z，…，z作为初始点，其中z 一 (z，…，z)，i一1，…，Ⅳ．设z。为F中的一内点，P一(户，…，P)∈R”为一方向，记D (z。)一 {zI+2P，≥0，∈F}，我们取 Z0一 Z P IJ ‘ (2．1) 记 (口，6)为区间[口，6]上的均匀分布，那么z，…，z可通过均匀分布抽样获得．具体 算法如下： 算法 1． Step1．在可行域F中取一内点z。，—O Step2．— + 1；忌一0 Step3．愚一愚+1；户一U(～1，1) Step4．若kn，转步3 Step5．由(2．1)式计算 ；— (0，2o)；z一 +2P；计算f(x) Step6．若 iN，转步2 2．2 迭代方向的计算 对于某迭代步的两点z，z，若f(x)厂()，那么 的下一步迭