33(变量轮换法)无约束条件多变量函数的选优方法.ppt

* 第三章 非线性最优化问题 * 3.3.1 无约束条件下多变量的优化方法 3.3 多变量的优化方法 3.3.2 等式约束条件下多变量的优化方法 3.3.3 不等式约束条件下多变量的优化方法 一、数学模型 3.3.1 无约束条件下多变量的优化方法 二、优化方法 变量轮换法、单纯形加速法、一阶梯度法、共轭梯度法等。 3.3.1.1 变量轮换法 一、基本思想 把多变量的优化问题转化为一系列单变量的优化问题方法。 二、基本原理 沿着坐标轴的方向轮流进行搜索，直至最优点。又称坐标轮换法。 三、计算方法（两种计算方法） （一）第一种计算方法 1 以 二元函数情况为例 设二元函数f(X)=f(x1，x2) ，区间a1≤ x1≤b1， a2≤ x2≤b2，初始点X(0)=(x1(0) ，x2(0)) ， f(X(0)) 。 (1) 令x1=x1(0) 不动，变动x2，求以x2为单变量的函数最优值X(1)=(x1(0) ，x2(1))，得f(X (1))； (2)再令x2=x2(1)不动，变动x1，求以x1为单变量的函数最优值X(2)=(x1(1)，x2(1))，得f(X (2)) ； (3) 重复搜索。再令x1=x1(1)不动，求以x2为单变量的函数最优值X(3)=(x1(1)，x2(2))，得f(X(3))，如此反复搜索，直到满足精度为止。 x1 x2 b1 a1 b2 a2 x1(0) x1(1) x2(0) x2(1) X(0) X(1) X(2) X(3) x2(2) 例：用变量轮换法求函数f(x)=60－10x1－4x2＋x12+ x22－x1x2的极小点，初始点X(0)=(0，0)T，要求?f(X(k))－f(X(k－1))?< 0.05。 0.0352 8.0117 X(7)=(7.875，5.9375) f(x2)=43.266－11.875x2+ x22 X(6)=(7.875，5.75) 7 0.1406 8.0469 X(6)=(7.875，5.75) f(x1)=70.0625－15.75x1＋x12 X(5)=(7.5，5.75) 6 0.5625 8.1875 X(5)=(7.5，5.75) f(x2)=41.25－11.5x2+ x22 X(4)=(7.5，5) 5 2.25 8.75 X(4)=(7.5，5) f(x1)=65－15x1＋x12 X(3)=(6，5) 4 9 11 X(3)=(6，5) f(x2)=36－10x2+ x22 X(2)=(6，2) 3 36 20 X(2)=(6，2) f(x1)=56－12x1＋x12 X(1)=(0，2) 2 4 56 X(1)=(0，2) f(x2)=60－4x2+ x22 X(0)=(0，0) 1 60 X(0)=(0，0) 0 ? 函数值 xj 单变量函数f(xj) 固定xi n 解: 2 多元函数情况 设函数f(X)=f(x1，x2 ，…， xn) ，区间ai≤ xi≤bi， 初始点X0(0)=(x1(0) ，x2(0) ， …， xn (0) ) ， f(X0(0)) 。 (1) 令xi=xi(0)(i?2) 不动，变动x1， f(X)= f(x1) ，求以x1为单变量的函数最优值X0(1)=(x1(1) ，x2(0) ， …， xn(0))，得f(X0(1))； (2)再令x1=x1(1)，xi=xi(0)(i?3)不动 ， f(X)= f(x2) ，求以x2为单变量的函数最优值X0(2)=(x1(1)，x2(1) ，x3(0) ， …， xn (0))，得f(X0(2)) ，每次固定n－1个变量，只对一个变量寻优，对n个变量寻优后，才完成第一轮； (3)若?f(X(k))－f(X(k－1))?<?成立， 则停止搜索，否则进入下一轮寻优，直至满足精度为止。 3 程序框图 f(X) ，X0 ，k=1，? f(X)=min[f(Xki)] ?f(Xki)－f(Xki－1)?<? i?n X0 =Xkn k=k+1 END Y N N Y （二）第二种计算方法 设ei为第i个坐标轴的单位矢量， ei=(0，0…，1，…，0)T 。 第i 行 (1) 给定初始点X(1)=(x1(1)，x2(1) ，…，xn(1)) ； (2) 从X(1)出发，先沿着第一坐标轴由e1进行搜索，求出新点X(2)及最优步长?1，即X(2)=X(1)＋?1e1，f(X(2))=f(X(1)＋?1e1)=min[f(X(1)＋?e1)]，将其代入f(X)= f(x1，x2，x3，…，xn) 中只有一个变量?，只有当?取最小，f(X)才能取到最小，也就是说?1为沿