优化设计(约束优化)预案.ppt

图2-36 内点法程序框图 内点法例题 例4-b 试用内点罚函数法求解如下优化问题： 　　解： 此题的标准解为： 。 　　根据内点法的基本思想，首先构造罚函数，按式(4-55)可写出： 可以看出　　　　　由两部分组成，即　　　　 ，其中： 即：　　　　是原目标函数，为一直线； 　　　　　　是一族倒数曲线，当　　　　　　　　 。 则两曲线的组合则构成　　　　 曲线，如下图4-26 所示。 图4-26 内点法的求解 对　　　 求导并令其一阶导数为零，即 可求得其无约束极值点： 惩罚函数值为： 当选用不同的惩罚因子 时，可得到不同的极值点及Φ曲线。 取　　递减数列，由上式可得　　　　　　　　　序列如下： 　　上图表示出　　取值不同时所得到的约束最优点 逐步逼近原问题最优点　　的情形。 　　由上图可以看出，当惩罚因子为一个递减数列时， 　　无约束极值点 　　 离约束最优解　　愈来愈近， 　　当　　　　　　　　　　　　　　即得到了真正的约束最优解。 　　此时，罚函数也收敛于原目标函数的最优值，即 2. 外点罚函数法 　　外点罚函数法 适用于具有等式和不等式约束优化问题。 该算法搜索策略与内点罚函数法相似，不同点是将惩罚函数的定义域为非可行域，即在可行域外进行搜索。 取外点罚函数的形式为 其惩罚项的含义如下： (4-57) 对于不等式约束问题： 　　上式说明: 　　当 X 是可行点时，惩罚项为零。 也就是说当极小化惩罚函数 时，X由不可行点迭代成可行点，此时，惩罚函数将与原目标函数　　 等价。 此时惩罚函数的最优可行点，也将是原目标函数的最优点。 外点罚函数中的罚因子是一递增数列，即 　　对于等式约束的优化问题，取外点罚函数的形式为 对于同时具有不等式和等式约束问题，其罚函数的表达式为 (4-57b) (4-57a) 在外点罚函数法中，为保证罚因子 为递增数列，取 式中：c 为递增系数，c 1。 　　外点罚函数法的迭代步骤与内点法基本相同。 解：构造惩罚函数，使原问题转化为无约束优化问题 对上式求导，令 得极值点 外点法例题 例4-c 试用外点罚函数法求解如下优化问题： 可求得： 这时，惩罚函数的极小点就是原问题的约束极小点，约束最优值f(X*)=1 这个简单的例子说明：当rk→∞时，惩罚函数子问题的无约束极小点X*k 趋向于原问题的极小点X*，而 min p(X,r)→minf(X)。 rk 0.25 0.5 1 2 … ∞ Xk -1 0 0.5 0.75 … 1 P（Xk，rk） 0 0.5 0.75 0.875 … 1 3. 混合罚函数法 　　混合罚函数法是将内点法和外点法的罚函数形式结合起来， 解决同时具有等式和不等式约束的问题。其罚函数的表达式为 式中， 为递减的正数序列； 为递增的正数序列。 　　也可将两个惩罚因子加以合并，取　　　　和　　　　　，得以下常用的混合罚函数： 式中， 为一递减的正数序列。 　　由上可见，混合法与外点法一样， 可用来求解既含不等式约束又含等式约束的约束优化问题。 (4-61) * 　 第4章 优化设计 约束优化 ■ 解析法 这类方法是需要利用函数的一阶偏导数甚至二阶偏导数构造搜索方向，如梯度法、共轭梯度法、牛顿法和变尺度法等。 　　由于需要计算偏导数，故这类方法计算量大，但收敛较快。 ■ 直接法 这类方法是仅利用迭代点的函数值来构造搜索方向，如坐标轮换 法、powell 共轭方向法和单纯形法等。 　　由于只需要计算函数值，对于无法求导或求导困难的函数，则这类方法就有突出的优越性，但是其收敛速度较慢。 无约束优化 牛顿法与变尺度法的迭代公式 4.5 约束优化方法 　　工程中的大量优化设计问题，都是约束优化问题， 　　这类问题的一般数学模型为： 求解这类问题的方法　　　称约束优化方法， 所求得的最优点X *　　　称为约束最优点。 约束优化算法大致可归纳为两大类： （4-44） ● 直接解法 ● 间接解法 这类方法的基本思想： 在约束的可行域内直接搜索出它的约束最优解。 属于这类方法的主要有：网格法，可行方向法，复合形法等。 这类方法对于只有不等式约束的优化问题是有效的。 直接解法： 这类方法的基本思想： 将复杂的约束问题转化为一系列无约