第八组惩罚函数法.pptVIP

障碍项 惩罚项 加权因子(惩罚因子) 原约束优化问题转化为无约束优化问题: 改变惩罚因子r1, r2的值,就会得到一系列的无约束优 化问题,求解得到一系列的无约束最优解(系列迭代点),这些 最优解逐渐的逼近原约束优化问题的最优解. 二 惩罚函数法分类 内点惩罚函数法(内点法) 外点惩罚函数法(外点法) 混合惩罚函数法(混合法) 数学模型及其转换 第一种形式 三 内点惩罚函数法 第二种形式 内点法的加权因子(惩罚因子) 是正数,在优化过程中,由大到小变化,即取为递减数列: 缩减系数(递减系数)c 确定r0 1.取r0=1,根据计算结果,决定增加或减少的r0值. 2.根据经验公式确定: 内点法的收敛条件 初始点x0-随机数生成,满足可行: 内点法的计算步骤和程序框图 选择 可行的初始点; 惩罚因子的初始值; 缩减系数; 收敛精度; 取迭代次数k-0. 2) 构造惩罚函数,选择无约束优化方法求解方法,求出无约束极值. 3) 判断所得极值点是否满足收敛条件 满足:取极值点为最优点,迭代终止 不满足:缩小惩罚因子,将极值点作为初始点,增加迭代 次数,转步骤2),直到满足收敛条件为止. 内点法程序框图 举例 用内点法求最优点: 例： 用内点惩罚函数法求下列约束优化问题的最优解,取迭代初 始X0=[0,0]T,惩罚因子的初始值r0=1,收敛终止条件: ||Xk-Xk-1||ε, ε=0.01。 构造内惩罚函数: 2.用解析法求内惩罚函数的极小点 3.求最优解 内点惩罚函数法特点及其应用 惩罚函数定义于可行域内,序列迭代点在可行域 内不断趋于约束边界上的最优点. 只适合求解具有不等式约束的优化问题. 外点惩罚函数法 1.外点法和内点法的区别 内点法将惩罚函数定义于可行域内且求解无 约束优化问题的搜索点总是保持在可行域内，一 般只用于不等式约束情况；外点法即可用于求解 不等式约束优化问题，又可用于求解等式约束优 化问题，主要特点是惩罚函数定义在可行域的外 部，从而在求解系列无约束优化问题的过程中， 从可行域外部逐渐逼近原约束优化问题最优解。 2.外点惩罚函数法的一般形式 考虑不等式约束优化设计时：对 构造一般形式的外点惩罚函数为： 其中： （1）当满足所有约束条件时惩罚项为0，即 （2）当X违反某一约束条件，即 时 表明X在可行域外，惩罚项起作用，且若X离开约束边界越远，惩罚力度越大。这样用惩罚的方法迫使迭代点回到可行域。 （3）惩罚因子 是一递增的正数数列，即 且 一般 考虑等式约束的优化问题： 构造外点罚函数： 同样，若X满足所有等式约束则惩罚项为0； 若不能满足，则 且随着惩罚因子的增大而增大； 综合等式约束和不等式约束情况，可以得到一般约束优化问题的外点罚函数公式为： 实际计算中，因为惩罚因子 不可能达到无穷大，故所得的最优点也不可能收敛到原问题的最优点，而是落在它的外面，显然，这就不能严格满足约束条件。为了克服外点惩罚函数法的这一缺点，对那些必须严格满足的约束（如强度、刚度等性能约束）引入约束裕度 ，即将这些约束边界向可行域内紧缩，移动一个微量，得到 这样用重新定义的约束函数来构造惩罚函数，得到最优设计方案。 外点惩罚函数法的迭代步骤： 给定初始点 ，初始惩罚因子 ，维数n 迭代精度 和递增系数 ； 构造外点惩罚函数 ； 选用无约束优化方法来求解惩罚函数极小点 即 检验是否满足迭代终止条件 或 若满足转6，不满足转5； 5，令 ，转2； 6. 输出最优解，停止迭代。 使用时，直接删除本页！ 精品课件，你值得拥有！ 精品课件，你值得拥有！