运筹学14.pptVIP

sdadsd 第十四讲 非线性规划（三） §1 不使用导数的无约束寻优方法 §1 不使用导数的无约束寻优方法 （1） §1 不使用导数的无约束寻优方法 （2） §1 不使用导数的无约束寻优方法 （3） §1 不使用导数的无约束寻优方法 （4） §1 不使用导数的无约束寻优方法 （5） §1 不使用导数的无约束寻优方法 （6） §1 不使用导数的无约束寻优方法 （7） §1 不使用导数的无约束寻优方法 （8） §1 不使用导数的无约束寻优方法 （9） §1 不使用导数的无约束寻优方法 （10） §1 不使用导数的无约束寻优方法 （11） §1 不使用导数的无约束寻优方法 （12） §1 不使用导数的无约束寻优方法 （13） §1 不使用导数的无约束寻优方法 （14） §1 不使用导数的无约束寻优方法 （15） §1 不使用导数的无约束寻优方法 （16） Operations Research Prof. Wang School of Economics Management page * * 第二十三讲 不用导数的方法又称最优化搜索法，一般情况，利用导数迭代寻优比搜索法速度快。然而利用导数寻优常常面临两个困难： ·在多变量或复杂函数中，求导困难。 ·执行方法前准备工作太多。 因此，对使用者来说，非导数型搜索法还是常用的。 ? 1．直接搜索法 ①坐标轮换法 该法是在寻优过程中，每次先让其它变量不变，轮流的顺次令某一个变量变化并取函数f(X)极小点（或极大点）。 起始点为X(0)，先沿第1个坐标方向e1进行搜索，得最佳步长?(0)及最优点X(1)，使满足： f(X(0)+ ?e1)=f(X(0)+ ?(0)e1)=f(X(1)) 即 X(1)= X(0)+ ?(0)e1 然后以X(1)为起点，沿e2坐标搜索，得最优解X(2)，即 ( X(1)+ ?e2)= f(X(2))， ∴X(2)= X(1)+ ?(1)e2 ┇ 直到en为止，得X(n)： min f(X(n－1)+ ?en)= f(X(n－1)+ ?(n－1)en)=f(X(n)) 即 X(n)= X(n－1)+ ?(n－1)en 若‖X(n)－X(0)‖?1，则停止，得最优解X(n)=X*，否则，以X(n)为起点（?令X(0)= X(n)）重新按上述步骤搜索。 这种方法简单、直观，但对于山脊形函数或自变量间有大的交互作用不适用。 例如图4-11所示函数就不宜用该法寻优。 最优点 终点 x2 x1 X(0) 图4-11 ②步长加速法(Hooke and Jeeves method)或模式搜索法（Pattern Search method）。 该法为改进坐标轮换法而设计，方法搜索简单（不在某方向上取极值点）。其主要分两步进行： ·环绕基点的“探测搜索”，称I型搜索。 ·在选择的极小化方向上的“模式搜索”。又称II型搜索。 第一步：先给出X的初始值X(0)及每步增量ΔX值，然后按增量变化，求出下一个较好点。其方法为（都以求极小点为例）： 先令x1(0)改变△x1(0),即x1(1)=x1(0)+△x1(0)，若f[X]↓，则以x1(0)+△x1(0)作为X新元素分量； 否则，令x1(1)= x1(0)－△x1(0)，若f[X]↓就令x1(0)－△x1(0)为新元素分量； 若都不能使f f[X]↓，就仍令原X(0)为新元素， 然后按同样方法把X2(0)试采改变一个△X2(0)值，直到变化n次，找到一个新点X(1)，便完成了“探测搜索”。 第二步：以新点为基点，连接 ，按此矢量方向进行模式搜索或加速移步，模式搜索得到X(2)后，再进行II型探测搜索，就得到新点X(3)， 若f[X(3)[f[X(1)]]，说明模式搜索成功，否则失败。 第三步：若模式搜索成功，继续向前搜索；否则，返回上一点，缩小步长继续探测搜索。 [例4-15]求解下述无约束极值问题 max f[X]=max 起始点选X(0)=[2.00，2.80]T，初始△X选为[0.60，0.84]T f[X(0)]=f[2.00，2.80]=0.059 该例题求解过程如图4-12所示。 1 2 1 2 3 3 -2 0 x2 -1 -3 -2 -1 -3 X(0) ? ? ? ? ? X(1) X(2) ? ? ? ? ? ? ? X(5) X(4) X(3) X(7) X(6) ? x1 基矢量X(b) 成功 失败 探测搜索步骤 模式搜索步骤 成功 失败 图4-12 模式搜索法例题 2．可变多面体法 ①正多面体法 例如，已知两维变量函数f