常用无约束最优化方法单纯形.pptVIP

§5.8 单纯形法 目录 一、单纯形法基本原理 二、单纯形法迭代步骤 三、单纯形法有关说明 四、习题 一、单纯形法基本原理  现以求二元函数的极小点为例,说明单纯形法形成原理。 设二元函数f(X )=f(x1,x2)在x1x2平面上取不共线的三个点X1, X2,X3，以此为顶点构一单纯形——三角形.算出各顶点的函数值f(X1),f(X2),f(X3),比较其大小,现设有f(X1)f(X2)f(X3)。这说明X1最差, X3最好,X2次差.为了寻找极小点,一般来说应向最差点的反对称方向进行搜索.以X4记为X2 X3的中点在X1 X4的延长线上取点X5,使 称为X5为X1关于X4的反射点. 如图5.15。 ⑵ f(X3)f(X5)f(X2). 这说明搜索方向正确,无须扩张,以X5代替 X1构成新的单纯形{X2,X3,X5}. ⑶ f(X2)f(X5)f(X1). 这表示X5走得太远,应缩回一些.若以β表示压缩因子, 则有 常取β为0.5,以X7代替X1构成新的单纯形{X2,X3,X7}. 可见,不管如何,都可得到一新的单纯形,其中至少有一顶点的函数值比原单纯形为小.如此继续,直至满足终止准则.在n维情况下,一个单纯形含有n +1个顶点,计算工作量较大,但原理和上述二维情况相同. 二、单纯形法迭代步骤 已知设X为n维变量,目标函数为f(X) ,终止限为 ⑴构造初始单纯形 在n维空间中选初始点X0(离最优点越近越好),从X0出发,沿各坐标方向以步长t移动得n个顶点 ,这样选择顶点可保证向量组 线性无关,否则,就会使搜索范围局限在较低维的空间内,可能找不到极小点.当然,在各坐标方向可以走不同的距离. 步长t的范围可取0.5~15.0,开始时常取t=1.5~2.0,接近最优点时要减小,例如取0.5~1.0. ⑶计算XH之外各点的“重心” 求出反射点 ⑷扩张 当f(Xn+2)f(XL),需扩张,令 如f(Xn+3)f(Xn+2),则以Xn+3代替XH形成一新单纯形;否则,以代Xn+2替XH构成新单纯形.转(8). ⑸无扩缩 当f(XL)≤f(Xn+2)f(XG),以代Xn+2替XH构成新单纯形.转(8). ⑻收敛性检验 每次得新单纯形后,即应进行收敛性检验,如满足收敛指标,则迭代停止,XL即为所求的近似解.否则,继续进行迭代计算.常用的收敛准则是 或 ε1和ε2为预先给定的允许误差. 续解例5.6 三、单纯形法有关说明 本算法上机占用内存很少,对变量不多且精度要求不高的问题此法很方便,但当变量个数多于10以上,此法就显得不十分有效. 四.习题 习题五 （P119） T8 用单纯形法求解min f(x). 题解程序参见 谢谢！ 返回 下页 * 返回 上页 * * * 单纯形法是利用比较简单几何图形各顶点的目标函数值,在连续改变几何图形的过程中,逐步以目标函数值较小的顶点取代目标函数值最大的顶点,而求优点的方法,属于直接法。 图 5.15 算出X5 的函数值f(X5 ),可能有下列情形: ⑴ f(X5)f(X3). 搜索方向正确,可进一步扩张,继续沿X1X5向前搜索(扩张). , 其中α为扩张因子,可取 如f(X6)f(X5),则扩张有利,以X6代替X1构新单纯形{X2,X3,X6}.如f(X6)f(X5),则扩张不利,舍去X6,以X5代替X1构新单纯形{X2,X3,X5}. 几种情形的讨论 (4) 若 方向上所有点的函数值 都大于 ,则不能沿此方向搜索.这时,可以以 为中心进行缩边,若使顶点 和 向 移近一半距离(如图5.16所示),得新单纯形 .以此单纯形为基础再进行寻优. 这时取 ⑷ f(X5)f(X1). 这时应更多压缩,将新点压缩至X1X4之间,有 注意,上两式只是X1和X5的差别.如f(X8)f(X1),则以X8代替X1构成新的单纯形{X2,X3,X8}. 否则可以认为X1X4方向上所有点的函数值f(X)都大于 f(X1)不能沿 此方向搜索．这时,可以以X3为中心进行 缩边,使顶点X1和X2向X3移近一半距离如 右图所示, 以此单纯形为基础再进行寻优. 得新单纯形 {X3,X9,X10}. ⑵计算各顶点的函数值 比较各函数值的大小,确定最好点XL、最差点XH及次差点 XG,即 ⑹收缩. 当f(