第五章约束优化方法技术分析.ppt

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 外点惩罚函数法（衰减函数法） 2. 惩罚函数的构造 4.4 外点惩罚函数法（衰减函数法） 2. 惩罚函数的构造 考虑非线性规划问题: s.t. 惩罚函数可取为 2) 罚因子 * 1) 时,惩罚项为0, 不惩罚; 时, 惩罚项大于0, 有惩罚作用. 因 边界时,惩罚项中大括号中的值趋于0,为保证惩罚作用,应取 4.4 外点惩罚函数法（衰减函数法） 3. 几个参数的选择 r (0) 的选择: r (0) 过大，会使惩罚函数的等值线变形或偏心，求极值困难。 r (0) 过小，迭代次数太多。 x(0) 的选择： 基本上可以在可行域内外，任意选择。 递增系数c 的选择： 通常选择 5 ～ 10，可根据具体题目，进行试算调整。 4.4 外点惩罚函数法（衰减函数法） 4. 终止准则和约束裕量： 终止准则： 约束裕量：当必须严格满足约束条件时，选用约束裕量δ。 g’=g+δ g δ δ0 δ0 4.4 外点惩罚函数法（衰减函数法） 5. 外点法迭代步骤 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 ； 4.4 外点惩罚函数法（衰减函数法） 2. SUMT外点法的迭代步骤 给定X0，c, r0, ε1, ε2, ε3 k=0, r(k)=r0, X(K)=X0 输出X*，F*=F（X*） 结束 是 是 是 否 否 否 求解 得极小点X* k=k+1 r(k)=cr(k) X(k)=X* ---初始点, 对凸规划可任意给定; * ---外点法点距精度; ---等式约束允许的误差限; ---不等式约束允许的误差限; ---罚因子的放大系数; ** 为使迭代点进入可行域, 可设约束容差带: 6. 外点法方法评价： 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。 4.4 外点惩罚函数法（衰减函数法） 例: 解: 惩罚函数 在D外 , 对于固定的 , 令 得 r(k) x* f(x*) 1 1.5 0.25 0.5 10 1.90909 0.82654 0.90909 100 1.99099 0.980296 0.990099 1000 1.999001 0.998003 0.999001 … 2 1 1 内点法和外点法的简单比较 内点法的特点： ??? （1）始点必须为严格内点 ??? （