08约束优化.ppt

约束优化方法 工程问题中绝大部分问题是约束问题。只要由约束条件决定的可行域是凸集，同时目标函数也是凸函数，否则将由于选择的初始点不同，而搜索到不同的局部最有点上。 直接法的特点是： 1）由于整个求解的工程在可行域内进行，因此，迭代过程不论何时终止，都可以获得一个比初始点好的设计点。 2）若目标函数为凸函数，可行域为凸集，则可保证获得全域最优解。否则，因存在多个局部最优解，当选择的初始点不相同是，可能搜索到不同的局部最优点。为此，常在可行域内选择几个差别较大的初始点分别进行计算，以便从求得的多个局部最优解中选择更好的最优解。 3）要求可行域为有界的非空集，即在有界可行域内存在满足全部约束条件的点，且目标函数有定义。 间接解法有不同的求解策略，其中一种解法的基本思路是将约束优化问题中的约束函数进行特殊的加权处理后，和目标函数结合起来，构成一个新的目标函数，即将原约束优化问题转化成为一个或一系列的无约束优化问题。 对新函数进行无约束极小化计算，由于在新目标函数中包含了各种约束条件，在求极值的过程中还将改变加权因子的大小。因此可以不断调整设计点，使其逐步逼近约束边界。从而间接地求得原约束问题的最优解。 间接法是在优化过程中得到广泛应用的方法，主要原因有以下个方面： 随机方向法 随机数的产生： 在随机方向法中，为产生可行的初始点及随机方向，需要用到大量的（0，1）、（-1，1）区域的均匀分布的随机数。 初始点的选择 随机方向法的初始点必须是可行点，即满足所有不等式约束条件，当约束条件比较复杂，用人工不易选择时，可用随机选择的方式产生。步骤如下： 可行搜索方向的产生 在随机方向法中，产生可行按索方向的方法是从k(k＞n)个随机方向中选择较好的方向，其计算步骤为： 1)在(—1，1)区间内产生伪随机数rij (i＝1，2，…n；J=1，2，…k 按下式计算随机单位向量 2）取一个试验步长a0 按照下式计算k个随机点 显然，k个随机点分布在以初始点xo为中心，以试验步长a0为半径的超球面上。 3)检验k个随机点xj(j＝1，2，…，n)是否为可行点，除去非可行点，计算余下的可行随机点的目标函数值比较其大小，选出目标函数值最小的点xL。 4)比较xL和xo两点的目标函数值，若 则取xL和xo的连线方向作为可行搜索方向；否则将步长a0缩小返回2）计算。如果a0缩到非常小仍然找不到合适的xL说明该点是局部极小点，可以更换初始点，重新开始计算。 综上所述，产生可行搜索方向的条件可概括为，当xL点满足 搜索步长的确定 可行搜索方向d确定后，初始点移至xL点，即xL?xo，从xo点出发沿d方向进行搜索，所用的步长。一般按加速步长法来确定。所谓加速步长法是指依次迭代的步长按一定的比例递增的方法。各次迭代的步长按下式计算： a=ma 式中m——步长加速系数，可取m=1．33 a——步长，初始步长取a=a0 随机方向法的计算步骤： 1)选择一个可行的初始点xo ； 2) 产生k个n维随机单位向量; 3)取试验步长a，计算出k个随机点xj (j＝l，2，…，k)； 4)在k个随机点中，找出满足式条件的随机点xL ，产生可行搜索方向 5)从初始点xo出发，沿可行搜索方向d以步长。进行达代计算，直至担索到一个满足全部约束条件，且目标函数值不再下降的新点xo 6) 收敛条件 复合形法 复合形法是求解约束优化问题的一种重要的直接解法。它的基本思路是在可行域内构造一个具有A个顶点的初始复合形。对该复合形各顶点的目标函数值进行比较，找到目标函数值最大的顶点(称最坏点)，然后按一定的法则求出目标函数值有所下降的可行的新点，并用此点代替最坏点，构成新的复合形，复合形的形状每改变一次，就向最优点移动一步，直至逼近最优点。 由于复合形的形状不必保持规则图形，对目标函数及约束函数的性状又无特殊要求，因此该法的适应性较强，在机械优化设计中得到广泛应用。 初始复台形的形成 复合形法是在可行域内直接搜索最优点，因此，要求初始复合形在可行域内生成，即复合形的k个定点必须是可行点。 生成初始复合形法的算法原理 1)由设计者决定k个可行点，构成初始复合形。当设计变量较多或约束函数复杂时，由设计者决定k个可行点常常很困难。只有在设计变量少，约束函数简单的情况下，这种方法才被采用。 2)由