第三章一维搜索方法要点.pptVIP

第三章???一维搜索方法 黄金分割法的搜索过程： 1） 给出初始搜索区间（a, b）及收敛精度ξ，将λ赋以0.618。 2）计算区间分割点α1和α2，并计算其对应的函数值。 3）根据区间消去法原理缩短区间。注意：为了能用原来的坐标点计算公式，须进行区间名称得代换，并在保留区间中计算一个新的分割点及其函数值。 4）检查区间是否满足迭代准则，如不满足返2）。 5）如果条件满足，则取最后两点的平均值作为极小点的近似解。 * 第一节 概 述 第二节 搜索区间的确定和区 间消去法原理 第三节 一维搜索的试探方法 第四节 一维搜索的插值方法 第一节 概 述 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。 即在第K次迭代时，从已知点 X(k)出发，沿给定方向求 最优步长因子α(k)，使 f (X(k) + akdk)达到最小值的过程，称为一维搜索，它是优化搜索方法的基础。 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。 求解一元函数 的极小点 1、解析法 把 f(X(k) + αd(k) ) 沿d(k) 方向泰勒展开,取二次近似： 数值法基本思路：确定 的搜索区间，在不断缩小 区间，最终获得近似值。 2、数值法 直接法——应用序列消去原理： 进退法、黄金分割法 近似法——利用多项式函数逼近（曲线拟合）原理： 二次插值法、 三次插值法 步骤： ① 进退法找单谷区间； ② 0.618法或插值法在单谷区间找最优点。 单峰区间（高－低－高） 在区间 [a，b ]内，函数只 有一个峰值，则此区间为单峰 区间。单峰区间内，一定存在 一点α*，当任意一点α2＞α* 时，f(α2)＞f(α*)， 当α2＜α*时，仍有 f (α2 )＞ f(α*) ，则α*是 最优点，也即为最优步长因子α(k)。 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3-1 具有单谷性的函数 α2 α2 说明： 单峰区间内，函数可以有不可微点，也可以是不连续 函数； α 0 f (x) α1 α3 α f (x) 0 α3 α1 确定的搜索区间必定是一个含有最优点α*的单峰区间。 ２.进退法的基本思路： 由单峰函数的性质可知，在极小点α*左边函数值应严格下降，而在极小点右边函数值应严格上升，因此可以从某一个给定初始点α1出发，以初始步长h0沿着目标值的下降方向，逐步前进或后退，直至找到相继的3个试点的函数值按“大-小-大”变化为止。 3 . 进退法的步骤： （1）给定初始点α0和初始步长h0； （3）比较f1与f2,存在两种情况： 进 ① ② 进 ① ② 退 ① ② 退 总结进退法：给定初始值及初始步长向前试探，如果函数值上升，则步长变号，即改变试探方向。如果函数值下降，则不改变试探方向，并将步长加倍，最后找到函数值“高-低-高”。 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 搜索区间（a, b）确定后，采用区间消去法逐步缩短区间，从而找到极小点的近似值，方法是在区间内任取两点a1,b1，假设a1b1，计算其函数值。分以下三种情况： 函数为单谷， 极小点必在区 间（a, b1）内。 函数为单谷， 极小点必在区 间（a1, b）内。 函数为单谷， 极小点必在区 间（a1, b1）内。 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。 对目标函数的要求：单谷、可以不连续。 原理：区间消去法，使搜索区间无限缩小，从而得到极 小点的近似解。特殊之处是要求插入点a1、a2的位置相 对于区间[a, b]两端点具有对称性，即： 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 float golden(float a,flo