lbc-第5章约束最优化方法2011分解.ppt

第五章 约束问题的最优化方法 §5.3 外点惩罚函数法 (衰减函数法） §5.4 混合惩罚函数法 §5.5 随机方向搜索法 §4.6 复合形法 四. 步骤： 2. 构造惩罚（新目标）函数，调用无约束优化方法，求新目标函数 的最优解 xk* 和 Φ(xk , r(k) ) ； 3. 4. 判断是否收敛：运用终止准则 ① 　　 ② 若均满足，停止迭代，有约束优化问题的最优点为 x* = xk*； 若有一个准则不满足，则令 并转入第 2 步，继续计算。 1. 选择合适的初始点x(0)，并选择 r(0), a, ε1, ε2, δ0，令 k=0 ； 五. 方法评价： 初始点原则上可任意选择; 能解决等式约束问题; 由于优化过程是在可行域外进行，故在解决工程问题时，过程解均不可行。 一. 基本思想： 采用内点法和外点法相结合的混合惩罚函数法，以发挥内点法和外点法的特点，处理既有等式约束，又有不等式约束的优化设计问题。 二. 惩罚函数的形式： 一般既包括障碍项，也包括衰减项。 一. 基本思想： 随机产生初始点，随机产生搜索方向 S(k) ，进行搜索。 但要确保：① 新迭代点在可行域中；② 目标函数值的下降性。 二. 随机数的产生： 1. 伪随机数： 用数学模型，从计算机（的随机数发生器）中产生的随机数。 随机数的特性 有较好的概率统计特性 ① 抽样的随机性； ② 分布的均匀性； ③ 前后数之间的独立性； ④ 周期性长。 ① 给出随机数 t 0 = 2z –1; ② 用递推公式：ti = ti-1× λ(mod M)，产生随机数列 t0, t1, t2… 其中：λ—乘子； mod M—整除 M 取余数； ti = ti-1 乘以λ后除以 M 所得的余数。 3. 乘同余法： 4. 产生任意区间内的伪随机数列： 三. 随机产生初始点： ① 估计设计变量的上、下限： xil ≤ x i ≤xiu ，i=1,2,…n； ② 在区间[0,1]中产生伪随机数列 {ri }， xi(0) = xil + ri ( xiu - xil )； ③ 判断是否 gu (xi(0) ) ≤0；若满足，则 x(0) = xi(0) 若不满足，则转向②。 四. 随机产生搜索方向： x(0) x(m) x(1) x(2) x(j) x(l) H(0) 五. 步骤： X (k+1) ● 均是，转判2 六. 方法评价： 优点： 对目标函数无性态要求； 收敛快（当m足够大时）； 不受维数影响，维数愈高，愈体现优点。 缺点： 对于严重非线性函数，只能得近似解； 当m不够大时，解的近似程度大； 对于非凸函数，有可能收敛于局部解。 一. 单纯形法： 定义： 基本思想： 以一个目标函数值较小的新点，代替原单纯形中目标函数值最大的顶点，组成新的单纯形，这样不断地迭代，单纯形逐渐逼近最优点。 以二维空间中的映射法为例： X(1)=X(H) X(2) X(3) X(S) X(R)=X(4) X(5) X(6) 在 n 维空间中，由n+1个点组成的图形称单纯形。 X* 二. 复合形法： 定义： 在 n 维空间中，由 k≥n+1 个点组成的多面体称为复合形。 基本思想： 以一个较好的新点，代替原复合形中的最坏点，组成新的复合形，以不断的迭代，使新复合形逐渐逼近最优点。 说明： 单纯形是无约束优化方法，而复合形可用于约束优化的方法。 因为顶点数较多，所以比单纯形更灵活易变。 复合形只能解决不等式约束问题。 因为迭代过程始终在可行域内进行，运行结果可靠。 三. 迭代方法： 1. 映射法： 例：二维空间中，k=4，复合形是四面体 x(1)x(2)x(3)x(4)，计算得： f (x(1) ) f (x(2) ) f (x(3) ) f (x(4) ),确定最坏点 x(H)= x(4) ，次坏点 x(G) = x(3) ，最好点 x(L) = x(1) 。 x(S)为除x(H)以外，各点的几何中心。 搜索方向