机械优化设计_第三章一维搜索方法.ppt

练习 确定 的初始搜索区间。 机械优化设计 * 　第三章　一维搜索方法　 一、一维搜索的概念 二、搜索区间的确定与区间消去法原理 三、一维搜索的试探方法——黄金分割法 四、一维搜索的插值方法 一、一维搜索的概念 当采用数学规划法寻求多元函数的极值点时，一般要进行 一系列如下格式的迭代计算： 当方向 给定，求最佳步长 就是求一元函数 的极值问题。这一过程被称为一维搜索。 一维搜索是优化搜索方法的基础。 f (x (k+1) ) = min. f (x (k) + α S (k) ) = f (x (k) + α(k) S ( k) ) 求解一元函数 的极小点 ，可用解析法。 上式求α的极值，即求α导数为零。 则 数值解法基本思路： 先确定 所在的搜索区间，然后根据区间消去法原理不断缩小此区间，从而获得 的数值近似解。 解析解法对于函数关系复杂、求导困难等情况难以实现。在实际优化设计中，数值解法的应用更为有效，且适合计算机的运算特点。 一维搜索也称直线搜索。这种方法不仅对于解决一维最优化问题具有实际意义，而且也是求解多维最优化问题的重要支柱。 一维搜索一般分为两大步骤： (1)确定初始搜索区间[a，b]，该区间应是包括一维函数极小点在内的单谷区间。 (2)在单谷区间[a,b]内通过缩小区间寻找极小点。 二、搜索区间的确定与区间消去法原理 1、确定搜索区间的外推法 （1）单谷（峰）区间 在给定区间内仅有一个谷值（或有唯一的极小点）的函数称为单谷函数，其区间称为单谷区间。 函数值：“大—小—大” 图形：“高—低—高” 单谷区间中一定能求得一个极小点。 f (x) 0 α1 α3 α 0 f (x) α3 α1 说明：单谷区间内，函数可以有不可微点，也可以是不连续函数； （2）外推方法 基本思想：对 任选一个初始点 及初始步长 ，通过比较这两点函数值的大小，确定第三点位置，比较这三点的函数值大小，确定是否为“高—低—高”形态。 步骤： 1）选定初始点a1，初始步长h=h0，计算y1=f(a1)和y2=f(a1+h) 2）比较y1和y2； a）如果y1y2，向右前进，加大步长h=2h0，转（3）向前； b）如果y1y2，向左后退， h=-2h0，将a1和a2,y1和y2的值互换。转（3）向后探测； c）如果y1=y2，极小点在a1和a1+h之间。 3）产生新的探测点a3=a2+h，y3=f(a3)； 4）比较函数值y2和y3： a）如果y2y3 ，加大步长h=2h，a1=a2,a2=a3,转（3）继续探测； b）如果y2y3，则初始区间得到： a=min[a1,a3],b=max[a1,a3]，函数最小值所在区间为[a,b]。 初始点+15h0 初始点+7h0 初始点+3h0 8h0 3 初始点+7h0 初始点+3h0 初始点+ h0 4h0 2 初始点+3h0 初始点+ h0 初始点 2h0 1 初始点+ h0 初始点 h0 0 x3 x2 x1 h k 前进搜索步骤表 初始点-14h0 初始点-6h0 初始点-2h0 8h0 3 初始点-6h0 初始点-2h0 初始点 4h0 2 初始点-2h0 初始点 初始点+ h0 2h0 1 初始点+ h0 初始点 h0 0 x3 x2 x1 h k 后退搜索步骤表 （3）搜索区间外推法程序框图 是 否 是 是 否 否 初始进退距 前进计算 后退计算 1.5 7.125 0.7 4.429 0.3 6.681 0.8 2 0.7 4.429 0.3 6.681 0.1 8.203 0.4 1 0.3 6.681 0.1 8.203 0 9 0.1 0.2 0 x3 y3 x2 y2 x1 y1 h k 0.4 5.992 1.2 4.584 1.6 8.488 -0.8 2 1.2 4.584 1.6 8.488 1.8 12.096 -0.4 1 1.6 8.488 1.9 14.377 1.8 12.096 1.8 12.096 1.9 14.377 0.1 -0.2 0 x3 y3 x2 y2 x1 y1 h k 7 16 3 0 1 4 4 1 3 0 1 4 0 9 1 2 0 x3 y3 x2 y2 x1