优化设计3——惩罚函数法.pptVIP

3.5多维约束优化方法 3.5.1 复合形法 可行方向法 3.5.2 拉格朗日乘子法 3.5.3 罚函数法 3.5.1 复合形法 复合形法的优化过程： 1）在可行域内选定 K 个点，构成以这 K 个点为顶点的不规则多面体作为初始复合形。一般 n+1≤ K ≤ 2n，当维数 n 较小时取较大的 K（如K=2n）；当 n 较大时，取较小的 K。 2）然后比较复合形各顶点的函数值，找出最坏点 X(b)，和除 X(b)之外的其它各点的点集中心 X(c)。 3）从 X(b)出发通过 X(c)作一射线，在此射线上找到一个既满足约束条件，函数值又有改善的新顶点——反射点 X(r)。再舍弃最坏点 X(b)，代之以反射点 X(r) ，构成新复合形。如此反复进行，直至得到最优点为止。 复合形法的特点： 原理简单、方法直观、不需要计算导数。也不需要一维搜索，复合形不要求为规则图形，灵活可变。适宜处理不等式约束问题且能防止顶点退化。在求解过程中涉及的可行域较广，故结果可靠。但复合形法不适宜应用于中、高维问题，原因是维数若太高，计算量急增，收敛很慢。 2、复合形法计算步骤 （1）输入各常量，如设计变量个数n，收敛精度ε1、ε2，初始反射系数α，设计变量的上下界值 b j 和 a j , j = 1, 2, …, n。 （2）产生初始复合形，其各顶点要在可行域内，且满足约束条件。即第一个顶点产生方法不限，其余 k-1 个顶点可按随机法产生（设复合形有 k 个顶点）。 xi(0) = a + q i (b - a) i =1, 2, …, k。k为顶点号；qk 为(0,1)区间内的伪随机数，一般可查表或由电子计算机提供，亦可自编程产生。 （3）计算各顶点的目标函数值，找出最坏点 X(H)、次坏点X(G)、最好点 X(L)，即 X(H): f(X(H) )=max {f(X(i)), i=1,2,…,k} X(G): f(X(G))=max {f(X(i)), i=1,2,…,k, k≠H} X(L): f(X(L))= min{f(X(i)), i=1,2,…,k} （4）计算除最坏点X(H) 之外的 k-1个顶点的中心点X(C) ，即 X(C) = [1 / ( k -1)] ∑X( i ) (i =1,2,…,k, k≠H) 检验中心X(c) ，若X(c) 在可行域内，则继续执行步骤(5)；若X(c)不在可行域内，此时可行域为非凸集，如图所示，此时转步骤(2), 直至X(c)成为可行点为止。 （5）在最坏点X (H) 和中心点X (c) 的连线方向上取反射点X(R)，即 X(R) =X (c) +α(X (c) –X (H) ) 式 中反射系数α的初值一般取为 α=1.3。 求出反射点X (R)后，对该点进行 可行性检查，若X (R)越出了可行 域，如图所示，则将反射系数α减半，使X (R)点退回可行域，得到新的X (R)点。若新反射点X(r)仍未退回可行域，继续将α减半，如此反复，直至X (R)为可行点为止。 （6）计算反射点的函数值 f (X (R))，并与最坏点X(H)比较。若f(X (R)) f (X(H))，则用反射点X (R)代替最坏点X(H)，构成新的复合形，转步骤（7）。 若f (X (R)) ≥ f(X (H))，则将反射系数α减半，转（5），重新计算反射点。 若直到反射系数α小于一个预先给定的很小正数时，反射点的函数值仍大于最坏点函数值，则说明该反射方向不好，此时改用次坏点X (G)代替最坏点X (H)，即X (H)= X(G), 换一个反射方向，转（4）。 （7）终止判别：反复执行上述过程中，随着反射系数α的不断减半，复合形逐渐向最优点收缩，复合形越来越小，直到满足 时，迭代结束。此时复合形中目标函数值最小的顶点（或用X(C0)点）即为最优解。式中XC 为复合形所有顶点的点集中心，即 若复合形不满足(a)式，则应转向（3），开始下一次迭代。 原理： 从可行域内的一个可行点出发，选择一个可行的搜索方向和步长，使产生的下一个相对较优的迭代点，既不超出可行域又使目标函数值有所下降。 最佳可行下降方向： 最优搜索步长： 3.5.2 拉格朗日乘子法 对于等式约束问题