第三章一维搜索方法教案.pptVIP

* 第三章一维搜索方法 采用数学规划法求函数极值点的迭代计算： K+1次迭代的搜索方向 搜索的最佳步长因子 当搜索方向 给定，求最佳步长 就是求一元函数的极值。 称为一维搜索。 是优化搜索方法的基础。 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 从上式看，需要求导进行计算，对于函数关系复杂的， 解析法十分不便。 数值法的基本思路：确定 的搜索区间，在不断缩小 区间，最终获得近似值。 第二节 搜索区间的确定和区间消去法原理 一、确定搜索区间的外推法 图3-2 正向搜索的外推法 图3-3 反向搜索的外推法 三、区间消去法原理 为了避免多计算函数值，将第三种情况合并到前两种 情况中。 三、一维搜索方法的分类 从前面的分析可知，每次缩短区间，只需要在区间内在插入一 点并计算其函数值。 而插入点的位置，可以由不同的方法来确定。就形成了不同的一维搜索方法。 一维搜索方法分类 试探法 插值法 黄金分割法 二次插值法 第三节一维搜索的试探法 最常用的一维搜索试探法是黄金分割法，又称0.618法。 要求插入点a1、a2的位置相对于区间[a,b]两端点具有对称性。 除对称要求外，黄金分割法还要求在保留下来的区间再插入一点 所形成的区间新三段，与原来区间的三段具有相同的比例分布。 2 所谓的“黄金分割”是指将一线段分成两段的方法，使整段长 与较长段的长度比值等于较长段与较短段的比值，即 第四节一维搜索的插值方法 假定要在某一区间内寻找函数的极小点的位置，虽然没有函数 表达式，但能够给出若干试验点处的函数值。 我们可以根据这些点处的函数值，利用插值的方法建立函数的近似表达式，进而求处函数的极小点，作为原来函数的极小点的近似值。这种方法称作插值法，也称函数逼近法。 一、牛顿法（切线法） 一维搜索函数 ，假定一给出极小点的一个较好的近 似点 ，因为一个连续可微的函数在极小点附近与一个二次 函数很接近，因此，在 点附近用一个二次函数 逼近。 求二次函数 的极小点作为 极小点的新近似点 即 依次继续下去，可得牛顿法迭代公式： 牛顿法的几何解释： 牛顿法的计算步骤： 给定初始点 ，控制误差 ，并令k=0。 1）计算 2）求 3)若 则求得近似解 ，停止计算， 否则作4。 4）令 转1。 优点：收敛速度快。 缺点：每一点都要进行二阶导数，工作量大； 要求初始点离极小点不太远，否则有可能使极小化 发散或收敛到非极小点。 二、二次插值（抛物线法） 利用 在单谷区间中 的函数值 ，作出如下的二次插值多项式 它应满足条件 （1） 从极值的必要条件求得 （2） （3） 要求出系数 和 ，联立方程组（1）、（2）、（3）。 令 所以 则