第五章约束优化方法课程.pptVIP

惩罚因子，它是由小到大。 惩罚项 由惩罚项可知，当迭代点不可行时，惩罚项的值大于零。 当迭代点离约束边界越远时，惩罚项愈大，这可看成是对迭代点不满足约束条件的一种惩罚。 转化后的外点惩罚函数的形式为： 1. 基本思想： 外点法将新目标函数 Φ( x , r ) 构筑在可行域 D 外，随着惩罚因子 r(k) 的不断递增，生成一系列新目标函数 Φ(xk ,r(k))，在可行域外逐步迭代，产生的极值点 xk*(r(k)) 序列从可行域外部趋向原目标函数的约束最优点 x* 。 例：求下述约束优化问题的最优点。 min. f (x) = x x ∈ R1 s.t g (x) = 1-x ≤ 0 新目标函数： 4 4.4 外点惩罚函数法（衰减函数法） 惩罚项是罚因子和中间函数的乘积； 内点法中随着设计变量移向约束函数的边界，中间函数值不断增加，罚因子不断减小，在迭代过程中惩罚项最终趋于零。 外点法，即在迭代过程中随着设计变量移向约束函数的边界，使中间函数逐步减小，而使罚因子逐步增大。如此构造出的罚函数称为外点罚函数，外点罚函数的具体形式如下。 4.4 外点惩罚函数法（衰减函数法） 2. 惩罚函数的构造 2. 惩罚函数的构造 4.4 外