最优化方法及其控制的应用1.ppt

3 若 则应具体分析,看极小点可能在哪一边再决定取舍，在一般情况下，可同时划掉 和 仅保留中间的 重置新的区间 ． 接下来是在留下的区间 内找好点．重复上面的步骤，直到搜索区间 小于给定的允许误差 为止。 这样就得到黄金分割法迭代算法： 黄金分割法 已知 ，常数 0.382，终止限 ． 1 确定 的初始搜索区间 ． 2 计算 ． 3 计算 ． 4 若 ,则打印 ，停机；否则，转 5 ． 5 判别是否满足 ：若满足，则置 ， 然后转 3 ；否则，置 然后转 4 ． 黄金分割法 黄金分割法算法流程如图所示． 三、黄金分割法有关说明 黄金分割法是通过所选试点的函数值而逐步缩短单谷区间来搜索最优点．该方法适用于单谷区间上的任何函数，甚至可以是不连续函数，因此这种算法属于直接法，适用相当广泛． 黄金分割法 抛物线插值法 一、抛物线插值法基本原理 考虑一维搜索问题 假设其中 是定义在区间 上的单峰函数．首先用试探法在 上找一点 ，使之满足 ． 通过目标函数曲线上的三个点 作它的二次拟合曲线（如图所示） ． 图4.14 抛物线插值法 由于上述三个点既是目标函数曲线 上的点，又是二次拟合曲线 上的点，故有方程组 将方程组（4.5）中的 消去，得 抛物线插值法 从方程组（4.6）可解出待定系数 对于二次拟合函数 ，我们很容易求得它的极小值点．令 即 ， 从中解出 即为二次拟合函数 的极小值点． 抛物线插值法 将式（4.7）与式（4.8）代入式（4.9）得 用区间 上二次拟合函数 的这个极小值点 作为目标函数 在该区间极小值点的一个估计值． 若 和 已充分接近，即对给定的允许误差 使 成立时， 就可被看作是 在区间 内近似最优解；否则应缩短区间，按照 值保持两头大、中间小的原则构成新的三点，继续上述过程，直至不等式（4.11）成立为止． 抛物线插值法 二、抛物线插值法迭代步骤 下面具体介绍缩短区间,构成新三点的方法． 由式（4.10）得到的点 ,在区间 内既可能在点 的左侧 即 ,又可能在 的右侧 即 。 分别对应这两种情形比较 和 的大小，又有 等三种情形，故共有如下六种情况（如图所示）： 抛物线插值法 抛物线插值法 （1）对于图 a 的情况:因 ,所以相对 为说 是好点，故划掉区间 ,保留 为新区间，故置 保持不变； （2）对于图 b 的情况：因 ,所以相对 来说 是好点，故划掉 保留为 新区间，故置 与 保持不变； （3）对于图 c 的情况：因 所以相对 来说 是好点，故划掉 ,保留 为新区间 ，故置 保持不变； 抛物线插值法 （4）对于图 d 的情况:因 所以相对 来说 是好点，故划掉 保留 故置 ， 与 保持不变． （5）对于图 e 的情况：一般同时划掉 及 仅留中间的 ，故置 （6）对于图 f 的情况：一般同时划掉 及 ，仅留中间的 ，故置 抛物线插值法 通过上述讨论,我们可直接给抛物线插值法的迭代流程图. 三、抛物线插值法有关说明 抛物线插值法是多项式逼近法的一种．所谓多项式逼近，是利用目标函数在若干点的函数值或导数值等信息，构成一个与目标函数相接近的低次插值多项式，用该多项式的最优解作为目标函数的近似最优解。 抛物线插值法 * N Y X是否满足终止准则 输出X， f X 开始 结束 选定X0 确定P 确定t，使得f X0+t P f X0 X X0+t P X0 X 上述算法框图如右图 一维搜索法 § 搜索区间及其确定方法 § 对分法 § Newton切线法 § 黄金分割法 § 抛物线插值法 由前面关于求解最优化问题概述中我们知道，从已知迭代点 出发按照基本迭代格式 来求解最优化问题，其关键在于如何构造一个搜索方向 和确定一个步长 使下一迭代点 处的目标函数值下降，即 。现在我们来讨论，当搜索方向 已经确定的情况下，如何来确定步长 ？ 步长因子的选取有多种方法，如取步长为常数，但这样选取的步长并不最好，如何选取最好步长呢？实际计算通常采用一维搜索来确定最优步长。 一维搜索法 对无约束最优化问题 当已知迭代点 和下降方向 时，要确定适当的步长 使 比 有所下降，即相当于对于参量 的函数 要在区间 上选取 使 即 ． 由于这种从已知点 出发，沿某一下降的探索方向 来确定步长 的问题，实质上是单变量函数 关于变量 的一维搜索选取问题，故通常叫做一维搜索． 一维搜索法 按这种方法确定的步长 又称为最优步长，这种方法的优点是：它使目标函数值在搜索方向上下降得最多． 今