现代设计方法课件第5节.pptVIP

随机方向法的特点 对目标函数的性态无特殊要求，程序设计简单，使用方便； 由于可行搜索方向的选择能保证目标函数下降最快，加之步长可以灵活变动，使得算法的收敛速度较快； 初始点的选择对于收敛迭代次数影响较大。 三、复合形法 3.1 基本原理 1、什么叫复合形？ 所谓复合形是指n维空间中具有 K n+1≤K≤2n 个顶点的多面体。 3.2 初始复合形的产生 3.2 初始复合形的产生 3.2 初始复合形的产生 3.3 迭代过程、算法框图和m文件 四、方法特点 由于复合形法是在可行域内进行的，因此要求初始复合形在可行域内产生，即复合形的k个顶点都必须是可行点。 1、人为定点法 多适用于设计变量少，约束函数简单的情况。 2、设计者选定一个可行点，其余 k-1 个可行点由随机产生 1 选定第一个顶点——X1。 2 随机产生第j个顶点——Xj 。 3 确保第Q+1个顶点在可行域内： 若 XQ+1 在可行域内，转 2 ; 若XQ+1 不在可行域内，将其向前Q个点的形心点靠拢。 3、随机产生所有的顶点 1 选定产生第一个顶点——X1。 2 随机产生第j个顶点——Xj 。 3 确保第Q+1个顶点在可行域内： 若 XQ+1 在可行域内，转 2 ; 若XQ+1 不在可行域内，将其向前Q个点的形心点靠拢。 ★假设： 最好点： ，i 1，2，3 次坏点： ，i 1，2，3，但 i≠H. 最坏点： ，i 1，2，3 1. 映射： XC+α XC- XH XC ： 除最坏点外其余各点的形心点： α：反射系数 α 1.3 2. 压缩： XC+α XC- XH α 0.5 α 3.对调 XH和XG ★收敛条件： 每个点都要做可行性检验，若在可行域外，需将其向形心点靠近1/2的距离 一、基本步骤 初始复合形： 解： （2） 单纯形各顶点的函数值 f1 f X1 4×2-12-12 -5 f2 f X2 4×4-12-12 3 f3 f X3 4×3-32-12 -9 最坏点： 最好点： 二、例题 1 检验初始复合形各定点的可行性 （3） 几何中心点 XC ： （4） 映射点 检验可行性：g1 X 25-0.552-3.302 13.8075 0 （5） 因为F XR F XL , 用 XR代替 XH 构成新的单纯形 （6）收敛检验 不收敛，进行下一轮迭代。 g2 X 0.55 0 且 f XR 4×0.55-3.302-12 -20.69 g3 X 3.3 0 二、例题 1.不需求导，适宜于目标函数无法求导的情况。 2.由于n维问题，需要n+1个顶点，因此当维数较高时，需要求值的顶点数多，需要内存也比较多。 3.当维数多时，迭代次数会很多，因此收敛较慢，不适宜于高维问题，多用于n 10的情况。 四、 惩罚函数法 四、惩罚函数法 1、基本思想 通过构造惩罚函数把约束优化问题转化为一系列无约束优化问题，进而用无约束最优化方法求解。 转化求解的前提： 是不能破坏约束问题的约束条件； 是使它归结到原约束问题的同一最优解上去。 将约束优化问题 中的不等式和等式约束函数经过加权转化后，和原目标函数结合形成新的目标函数——惩罚函数 ——加权转化项 ——障碍项 ——惩罚项 —— 障碍项的作用是当迭代点在可行域内时，在迭代过程中将阻止迭代点越出可行域； ——惩罚项的作用是当迭代点在非可行域或不满足等式约束条件时，在迭代过程将迫使迭代点逼近约束边界或等式约束曲面。 ① 惩罚项和障碍项用约束条件构造; ② 到达最优点时,惩罚项和障碍项的值为0; ③ 当约束不满足或未到达最优点时,惩罚项和障碍项的值大于0. 构造惩罚函数的基本要求: 求解该新目标函数的无约束极小值，以期得到原问题的约束最优解。为此，按一定的法则改变加权因子 的值，构成一系列无约束优化问题,求得一系列无约束最优解，并不断的逼近原约束优化问题的最优解。因此惩罚函数法又称为序列无约束极小化方法，常称SUMT法，即 Sequential Unconstrained Minimization Technique 。 障碍项和惩罚项必须具有以下极限性质： 从而有 2．惩罚函数方法 内点惩罚函数法 外点惩罚函数法 混合惩罚函数法 根据约束形式以及惩罚因子的递推方法的不同，惩罚函数方法可分为： （1）内点惩罚函数法（内点法） 基本思想：内点法将新目标函数定义于可行域内，这样它的初始点及后面的迭代点序列必定在可行域内，并逐步逼近最优点。 采用内点法只能求解具有不等式约束的优化问题。 转化后的惩罚函数形式为 或 或 ——障碍项。 对于只具有不等式约束的优化问题 是惩罚因子，它是由大到小，且趋近于0的数列，即 由于内点法的迭代过程在可行