工程优化设计-一维搜索.pptVIP

工程优化设计 黄正东 二0一0年九月 内容提要 工程优化问题建模 优化数学理论 一维搜索方法 无约束问题直接搜索方法 无约束问题间接接搜索方法 约束问题直接搜索方法 线性规划与二次规划问题求解 约束问题间接搜索方法 启发式算法 优化软件系统 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 一维搜索方法 * 一.问题的提出 子优化问题: Find ? Minimize ?(?)=f(x(k)+ ?s(k)) 子优化问题的一阶必要条件: ?’(?)=0 ? [?f(x(k)+ ?s(k))]Ts(k)=0 ?f s(k) 二.确定搜索区间的进退法 区间搜索的终止条件: 找到三点a,c,b, 满足 ?(a) ? ?(c) ? ?(b), 输出[a,b]. a c b (1) 算法思想 先在初始点的左右方向中确定一个下降方向. 沿着下降方向向前搜索,直到遇到上升点. 搜索的前一点与上升点构成所求区间. 另外,用到步长加倍,提高搜索效率. (2) 算法 初始化. k=0, ?k=?0, hk=h0, t=t01. 计算?0=?(?0). 2. 比较目标值. ?k+1= ?k+hk,计算?k+1=?(?k+1). 若?k+1?k, 转步3; 否则,转步4. 3. 加大步长. hk+1=thk,?=?k,?k=?k+1,?k=?k+1,k=k+1,转步2. 4. 反向搜索. 若k=0, 转换搜索方向, hk=-hk, ?=?k+1,转步2; 否则,停止. 输出a=min{?, ?k+1}, b=max{?, ?k+1}. k-迭代变量; ?k-当前点; ?-前一点; ?k+1-后一点; hk-步长 t-步长加倍系数 (2) 举例 k-迭代变量; ?k-当前点; ?-前一点; ?k+1-后一点; hk-步长 t-步长加倍系数 ?(?) ? ?0 ?1 ?4 ?2 ?3 ?5 t=1.5 a=?3 b=?5 三.黄金分割法(0.618法) a c b (1) 算法思想 逐步缩小区间[a,b]. 一般来说, 在[a,b]中只增加计算一个点,难以 确定极点所在的较小区间. 可是, 0.618法通过合理选择加计算点,能够达到 增一点来缩小区间. a μ b ? a c b a1 μ1 b1 ?1 a2 μ2 b2 ?2 目标: 希望只计算一个新点就能 将区间缩小?倍. bk+1-ak+1= ?(bk-ak) 另外, 设?, μ在[a,b]中对称 bk- μk= ?k-ak 对称为了保持固定缩小比例, 避免较大区间成为缩小结果 ?1=a1+(1-?)(b1-a1) μ1=a1+?(b1-a1) μ2=a2+?(b2-a2)=a1+?(μ1-a1)= a1+?(a1+?(b1-a1)-a1) = a1+?2(b1-a1) 由?1=μ2, 1-? = ?2 , ?=?5-1/2=0.618 (2) 算法 初始化. a1,b1,?1=a1+0.382(b1-a1),μ1=a1+0.618(b1-a1),k=1. 计算?(?1),?(μ1).取?0. 2. 比较目标值. 若?(?k)?(μk) 转步3; 否则,转步4. 3. 若bk-?k?,停止,输出μk. 否则, ak+1= ?k, bk+1=bk, ?k+1=μk. μk+1=ak+1+0.618(bk+1-ak+1), 计算?(μk+1), 转步2. 4. 若μk-ak?,停止,输出?k. 否则, ak+1=ak, bk+1=μk, μk+1=?k. ?k+1=ak+1+0.382(bk+1-ak+1), 计算?(?k+1), 转步2. 四.Fibonacci法 (1) 算法思想 逐步缩小区间[a,b]. 一般来说, 在[a,b]中只增加计算一个点,难以 确定极点所在的较小区间. 可是, Fibonacci法通过Fibonacci数列选择新计算点,能够达到增一点来缩小区间目的. Fibonacci数列 F0=F1=1, Fk+1=Fk+Fk-1, k=1,2,… 1,1,2,3,5,8,13,…. ?k=ak+(1-?k)(bk-ak) μk=ak+?k(bk-ak), ?k=Fn-k/Fn-k+1, 每次缩小?k倍. 四.Fibon