第二章无约束非线性规划.ppt

确定[a,b],计算探索点 t1=a+0.382(b-a) t2=a+0.618(b-a) 0.618法解题步骤： 是 否 是 停止，输出t1 否 以[a,t2]为新的搜索区间 是 停止，输出t2 否 以[t1,b]为新的搜索区间 退 出 前一页 后一页 例： 解： t1 t2 3 0 t 1、第一轮： t1=1.146, t2=1.854 t2－00.5 退 出 前一页 后一页 2、第二轮： t2=1.146, t1=0.708 t2－0=1.1460.5 3、第三轮： t1=0.438, t2=0.708 b-t1=1.146-0.4380.5 1.854 0 t t2 t1 1.416 0 t t2 t1 退 出 前一页 后一页 4、第四轮： t2=0.876, t1=0.708 b-t1=1.146-0.7080.5 输出：t*=t2=0.876为最优解，最优值为-0.0798 0 1.416 t t1 t2 退 出 前一页 后一页 * 例 求解 f(x)=-18x2+72x+28 的极大值点，?≤0.1，起始搜索区间为[0,3] 解：①用间接法：令 f’(x)=-36x+72=0，得驻点 x=2 又因为f’’(x)=-36＜0，故 x=2 为f(x)的极大值点，fmax=100 ②用直接法中的黄金分割法：令 ?n-1=?，得n=1+(lg?)/(lg?)≈5.78442 约6步即可，计算结果见下表： k ak bk f(ak) f(bk) pk= bk- ak pk/ p0 x1k=ak+ ? ·pk x2k=bk- ? ·pk f (x2k) △f (x1k) 0 0 3 28 82 3 1 1.854 1.146 86.9＜99.62 f(x) x o 3 x1 x2 1 1.146 3 86.9 82 1.854 0.618 2.292 1.854 99.62 ＞ 98.46 2 1.146 2.292 86.9 98.46 1.146 0.382 1.854 1.584 96.89＜99.62 3 1.584 2.292 96.89 98.46 0.708 0.236 2.022 1.854 99.62 ＜99.99 4 1.854 2.292 99.62 98.46 0.438 0.146 2.125 2.022 99.99 ＞ 98.72 5 1.854 2.125 99.62 99.72 0.271 0.0903 2、Newton法 Newton法基本思想： 用探索点tk处的二阶Taylor展开式近似代替目标函数，以展开式的最小点为新的探索点。 退 出 前一页 后一页 解题步骤： 给定初始点t1和精度 是 是 停止，输出t1 是 否 停止，解题失败 否 停止，输出t2 否 退 出 前一页 后一页 例： 解： 取t1=1,计算： 迭代过程如下表： 1.137 0.1163 0.1169 3 -0.001061 4 1.3258 -0.5178 -0.5708 2 2 0.7854 1 1 退 出 前一页 后一页 3、非精确一维搜索法 ?数值方法的关键是从一个点迭代到下一个点。 ?确定下一个点的关键是确定搜索方向和步长 ?如果已经确定了搜索方向pk,则只要确定一个最佳的步长即可。 ?所谓的最佳步长即是在pk方向上走一个最好的长度使得目标函数下降的最多，即下述的最优化问题： ?这样的最优化问题不需要太高的精度，只要满足某些更宽松的精度要求即可。 ?这样的搜索方法称之为非精确一维搜索方法 退 出 前一页 后一页 Goldstein法原理： y t 0 b c d a Y=?(0)+ ?′(0)t Y=?(0)+ m2?′(0)t Y=?(0)+ m1?′(0)t 退 出 前一页 后一页 是 Goldstein算法 确定m1,m2,α,t0, a=0,b=+∞ ?(t0)≤ ?(0)+m1 ?’(0)t0 ?(t0) ≥?(0)+m2?’(0)t0 是 停止,输出t0 否 a=a, b=t0, t1=(a+b)/2 否 a=t0,b=b, t1=(a+b)/2 (若b=+∞,则t1= αa) 退 出 前一页 后一页 Goldstein法步骤 Armijo法 * 无约束条件下多变量函数寻优 一、爬山法原理： 通过点的直接移动，逐步改善目标函数取值，直至达到极值点为止。 由以下二部分组成： ① 选定搜索方向； ② 在选定的方向上爬山搜索。 二、变量轮换法(或降维法):选择与坐标轴平行的方向为搜索方向 设 S=f(X)=f(x1,x2,…,xn)，极值点