LectureIntroductiontoNonlinearOptimization说课.ppt

* * * * 例： 解： t1 t2 3 0 t 1、第一轮： t1=1.146, t2=1.854 t2－00.5 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 1.146 0 t t2 t1 4、第四轮： t2=0.876=(1.146-0.438), 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 1.146 t t1 t2 四． Fibonacci法 此法类似于0.618法，也是用于单峰函数。其计算过程也与0.618类似，第1次迭代计算两个试探点，以后每次迭代只需新加一点，另一试探点取自上次的迭代点。此法与0.618法的主要差别为：区间长度的缩短比率不是常数，而是由Fibonacci 数确定；给出精度后，迭代次数可预先确定；适合于参数只能取整数值的情况。 定义 称满足条件 （i）F0 = F1 = 1； （ii） 的数列{ Fn }为Fibonacci数列。 由定义推知Fibonacci数列的前10项为1,1,2,3,5,8,13,21,34,55,89。通过求解递推关系可求得该数列的通项为 ú ú ? ù ê ê ? é ? ? ? ? è ? - - ? ? ? ? è ? + = + + 1 1 2 5 1 2 5 1 5 1 n n n F （2.3） 由（2.3）式可求得 。利用Fibonacci数的这一特 点，用 法中的0.618，再梢加改进，便是 Fibonacci法。 618 . 0 1 ? - n n F F 618 . 0 1 代替 n n F F - 在Fibonacci法中，第n次迭代的搜索区间的长度（记为 ）是上一次区间长度的 倍 所以要使在第n次迭代时搜索区间的长度不超过ε，只需 ￡ 0 1 L F n ε （2.4） 即可。因 是已知值，所以给出精度ε后利用（2.4）式可求得迭代次数。 Fibonacc法在迭代中计算试探点的公式为 即有 Fibonacci法 (1) 对初始区间 和精度ε0，求目标函数值的计算次数 n，使 置辨别常数δ0。计算试探点 计算函数值和 。置k =1。 （2） 若 ，则转（3）； 若 ，则转（4）。 （3） （5） 置k﹕= k+1，转（2）。 （4） （6） 思想 在极小点附近，用二次三项式 四. 抛物线（二次）插值 即“两头大中间小” 如何计算函数 令 x = 3 3 2 2 1 1 2 3 3 2 2 2 2 1 1 1 1 1 1 1 1 2 1 f x f x f x x f x f x f - 抛物线插值算法步骤： 解出 思路： 五. 三次插值法 设 令 则有 求解满足 的极小点 令 而 解方程（3），有两种情况： 由（2）可知 极小点的计算公式： 令 算法步骤： 其它插值算法： 有理插值。 收敛速度：三次插值算法的收敛阶为2。 非精确一维搜索方法 非精确一维搜索的基本思想： 一. Goldstein 方法 Goldstein 一维搜索的算法： 二. Armijo 方法 三. Wolfe 方法 注 六、MATLAB 单变量函数求最小值的标准形式为 s.t 函数 fminbnd 格式 x = fminbnd(fun,x1,x2) %返回自变量x在区间 上函数fun取最小值时x值，fun为目标函数的表达式字符串或MATLAB自定义函数的函数柄。 函数fminbnd的算法基于黄金分割法和二次插值法，它要求目标函数必须是连续函数，并可能只给出局部最优解。 x = fminbnd(fun,x1,x2,options) % options为指定优化参数选项 [x,fval] = fminbnd(…) % fval为目标函数的最小值 [x,fval,exitflag] = fminbnd(…) %xitflag为终止迭代的条件