最优化方法-混合罚函数法.pptxVIP

最优化方法及应用第六章常用约束最优化方法电子与通信工程 张志刚 前面介绍里外点罚函数法和内点罚函数法，外点罚函数法的初始点可以任选，适用于求解具有等式约束与不等式约束的优化问题；而内点罚函数法要求初始点在可行域内，适用于求解不等式约束优化问题。混合惩罚函数法是采用内点法和外点法相结合的，用内点法处理不等式约束，用外点法处理等式约束。可以用来求解含不等式和等式约束的优化问题。6．3 混合罚函数法6．3 混合罚函数法一、混合罚函数法基本原理 对于同时具有不等式约束和等式约束的优化问题，混合罚函数法采用的罚函数形式又分为内点形式和外点形式两种。下面只介绍内点形式的混合罚函数。其罚函数形式为：采用内点形式的混合罚函数时，初始点应选为满足各个不等式约束条件的点，障碍因子也应按点罚函数取为递减序列，即 且 在混合罚函数中，的作用是限制搜索跑出不等式约束确定的区域，相当于内点罚函数法，而的作用是迫使搜索点向等式约束靠近，相当于外点罚函数法。?6．3 混合罚函数法二、混合罚函数法迭代步骤已知问题（6.1），构造增广函数给定终止限（1）选定初始点X0，要求满足不等式约束，初始障碍因子r1，惩罚因子缩小系数c1,置k=1。（2）假设已获迭代点Xk-1，以Xk-1为初始点，求解min，设其最优解。（3）若，则是问题（6.1）的最优解，打印，结束；否则转（4）。（4），，转（2）。?6．3 混合罚函数法混合罚函数法流程图：6．3 混合罚函数法三、混合罚函数法有关说明 为了加速罚函数法的收敛速度，可以采用外插技术。在罚函数法中，给定一个罚因子（可以是障碍因子，也可以是惩罚因子）就可以求出的一个极小值点，因此的极小值点可以看做是r的函数，记为.前面讲过当r→0时，趋于约束最优点，因此可以假设，只要将的函数表达式写出来，就可以通过求极限的方法求得约束最优点。为求的表达式，自然会想到利用前几点，通过曲线的拟合来近似地予以反映。这就是外插技术的基本思想。?6．3 混合罚函数法?假定对于罚因子，已求得的极小值X0,X1,X2,…Xm，则可用高次多项式来拟合极小值点的轨迹曲线，即其中为系数向量，其值可由m+1个线性方程组求得令，则得它是约束最优点的一个更好的逼近，可将其作为的极小值点的初始点，这将有利于加速收敛。6．3 混合罚函数法? 在实际应用中，常采用两点外插法或三点外插法。两点外插法就是利用前两次求得的的极小值点和来外插求得。通常采用外插公式为式中，均为n维向量。设已知和，而且，代入上式可求得在上式中令，立即可求得外插点，也就是6．3 混合罚函数法?课后练习题 习题六-7（P137）用混合罚函数法编程计算终止限6．3 混合罚函数法function [x,minf] = minMixFun(f,g,h,x0,r0,c,var,eps)%混合罚函数法求最优解函数function [x,minf] = minJSMixFun(f,g,h,x0,r0,c,var,eps)%两点外插混合罚函数法求最优解函数形参含义：f---目标函数g---不等式约束（障碍项）h---等式约束（惩罚项）x0---初始点r0---罚因子c---惩罚因子的缩小系数var---自变量向量（自变量名称）eps---精度（默认值1.0e-6）6．3 混合罚函数法function [x,minf] = minMixFun(f,g,h,x0,r0,c,var,eps)while 1 FF = r0*FE + FH/sqrt(r0);%构造增广目标函数 SumF = f + FF ; [x2,minf] = minNT(SumF,transpose(x1),var);%用牛顿法求解无约束规划 if norm(x2 - x1)=eps %精度判断 x = x2; break; else r0 = c*r0;%参数修正 x1 = x2; endendminf = Funval(f,var,x);6．3 混合罚函数法function [x,minf] = minJSMixFun(f,g,h,x0,r0,c,var,eps)while 1 FF = r0*FE + FH/sqrt(r0);%构造增广目标函数 SumF = f + FF ; a0 = (c*x1 - x2)/(c-1); x2 = a0 + (x1 - a0)*c^2;%外插公式 [x3,minf] = minNT(SumF,transpose(x2),var);%用牛顿法求解无约束规划 if norm(x3 - x2)=eps %精度判断 x = x3; break; else r0 = c*r0;%参数修正 x1 = x2; x2 = x3; endend minf = Funval(f,var,x);6．3 混