005约束优化计算方法程序.ppt

5.1 引言 5.2 惩罚函数法 5.3 随机方向搜索法 5.4 复合形法 5.5 约束优化计算的其他方法概述 5.1 引言 5.2.2 内点惩罚函数法 这种方法将新目标函数定义于可行域内，序列迭代点在可行域内逐步逼近约束边界上的最优点。内点法只能用来求解具有不等式约束的优化问题。 内点惩罚函数法就是以不同的加权参数来构造一序列无约束的新目标函数，求这一序列惩罚因数的无约束极值点x﹡(r（k）) ，使它逐渐逼近原约束问 题的最优解，而且不论原约束问题的最优点在可行域内还是在可行域边界上，其整个搜索过程都在约束区域内进行。 (2)惩罚项的惩罚作用： 1）? 初始点x0的选取 例：用内点法求下列问题的最优解： 引例2：求 引例3：求 外点法是从可行域的外部构造一个极小点序列去逼近原约束问题的最优解。 二.? 外点法惩罚函数的构造 引例3：求 引例3： 5.2.4 混合惩罚函数法 掌握内点法的构造形式、特点: §5.3 随机方向搜索法 1 初始点的选择 2 随机方向的产生 §5.4 复合形法 5.4.1 复合形法的基本思想 5.4.1 复合形法的基本思想 5.4.1 复合形法的基本思想 5.4.1 复合形法的基本思想 5.4.1 复合形法的基本思想 利用MATLAB计算课本101页例5-3或自选124页习题，进行计算 例：用随机方向法求解下面问题的约束最优解： 解：1）确定初始点： 2）产生k个随机方向（k=3）： 3）计算k个随机点： 4）判断k个随机点的可行性： 5）判断可行搜索方向： 6）从可行点沿着可行方向前进： 验证其可行性和适用性： 7）从可行点沿着可行方向前进： 验证其可行性和适用性：不可行性 8）产生k个随机方向（k=3）计算各随机点： 9）判断可行性与适用性： 均不可行 10）步长减半计算各随机点： 11）判断可行性与适用性： 均不可行 12）步长再减半计算各随机点，直到步长很小依然找不到一个可行点，则此时的x0即为 x*=[2 0]T, f(x*))=1 是否是最优点呢？用什么方法判断？ 因此，所求是约束极小点。 判断： 本次小结： 1 约束优化问题的最优化条件： 用随机方向法求解约束优化问题： 1）基本思想 2）求解方法和步骤 引例1、求解函数 的极小值，约束条件为： 起始点：[1，0]T ；[0，1]T ；[1，1]T 说明复合形法的基本思想(分区搜索)。 复合形法是求解约束非线性最优化问题的一种重要的直接方法。 引例2： 基本思想：是在可行域内构造一个具有k个顶点的初始复合形。对该复合形各顶点的目标函数值进行比较，找到目标函数值最大的顶点(称最坏点)，然后按一定的法则求出目标函数值有所下降的可行的新点，并用此点代替最坏点，构成新的复合形，复合形的形状每改变一次，就向最优点移动一步，直至逼近最优点。 在可行域内构成初始复合形。 找出坏点X(H)。 找出最好点X(L)。 找出函数值下降方向。 X(R)= X(0)+α(X(0)-X(H)) X(R)为映射点，α=1.3。 取其余点的中点为X(0)。 在迭代过程中，若映射点不满足适用性和可行性，将映射系数减小， 重新取得X(R)， 使它满足适用性和可行性。 复合形的顶点K通常取n+1≤K≤2n个。 方法1：设计者确定 方法2：随机产生： 1、产生K个随机点 xi= ai +ξi (bi - ai) i=1,2,….,n ξi为（0，1）区间内产生的均匀分布的随机数，需要n个随机数产生一个点X (1)。同样，产生其它的随机点X (2)、X (3)、……X (K)。 5.4.2 初始复合形的构成 2、将非可行点调入可行域 将产生的K个随机点进行判断是否在可行域内，重新排列，将可行点依次排在前面，如有q个顶点X (1)、X (2)、……X (q)是可行点，其它K-q个为非可行点。对X (q+1)，将其调入可行域的步骤是： 2、将非可行点调入可行域 （1）计算q个点集的中心X (s)； （2）将第q+1点朝着点X (s)的方向移动，按下式产生新的X (q+1)，即 X(q+1)= X(s)+0.5 (X(q+1)-X(s)) 这个新点X(q+1)实际就是X(s)与原X(q+1)两点连线的中点，如图。若新的X(q+1)点仍为非可行