机械优化设计.第九章.pptVIP

5—3 鲍威尔（powell)法 5—3 鲍威尔（powell)法 * 5 无约束优化方法 5-1 概 述 5-2 坐标轮换法 例题分析 一、共轭方向 二、Powell基本算法 三、 改进的Powell算法 1、明确共轭方向的几何及求优意义 2、掌握Powell基本算法的求优原理 3、注意比较Powell基本算法与改进的Powell算法 的异同点 Powell法＿直接利用目标函数值来构造“共轭 方向“，并以“共轭方向“为搜索方 向的一种直接搜索法 一、共轭方向 ㈠ 共轭性与共轭方向 ⒈ 共轭性定义： 设A为n×n 阶实对称正定矩阵，若在Rn 中有 两个非零的n维矢量 则称矢量 ⒉ 共轭方向 ： 指共轭矢量的方向 ⒊ 推论： ① 若非零的n 维矢量组： 且其中任两个向量关于n 阶实对称正定矩阵 A共轭，即满足： 则称矢量组： 对于同一“A”而言， 不是唯一的，即：存 在多于一对的向量 满足： 例 如： ② 若有两个非零的n维矢量 ,对于单位矩 阵E 共轭，由共轭定义知： ，此时，二者 为一对正交向量 正交是共轭的特例，共轭概念是正交概念 的推广！ ⒋共轭方向的几何意义 正定二元二次函数： ． ． f(x1,x2)=Ci 连接两切 点构成的矢量： 证明： “对于正定二元二次函数，沿共轭方向一维 搜索就可获得最优点，且只需两步就可得到 推论： “对于正定n元二次函数，从任意初始点出 发，依次沿着n个相互共轭的方向进行一 维搜索就可获得最优点 ㈡共轭矢量的性质 设A为n×n 阶实对称正定矩阵，若非零的 n 维矢 量组： 则，这组向量是线性无关的 ② 在n维空间中，互相共轭的非零向量的个数≤维数 n ③ 设有：正定n元二次函数： ，若有彼此A共轭的 n 个 非零矢量 则对于求 的极 小点的寻优问题，可从任一点 出发，依次沿 方向做 n 次一维搜索，即可找到极小点（最多 n 次，与 次序无关） ㈢ 优化算法的二次收敛性 如果一个优化算法，能通过有限次迭代（ 一维搜索），求出正定n元二次函数的理想极小 点的话，就称此算法具有“二次收敛性 ” 二、Powell 基本算法 1、任选一个初始点X(0) ,再选二个线性无关的向量 （如坐标轴单位向量：e1=[1,0]T， e2=[0,1]T ）作 为初始搜索方向 O x2 x1 2、从 出发，依次沿 做一维 搜索，分别得极小点 。 《第一环》： 基本方向组： 新生方向： 再沿 做“n+1”次一维搜索得到极小点 新方向 ： 3、从 出发，依次沿 做一 维搜索，分别得极小点 。 再沿 做“n+1”次一维搜索得到极小点 新方向 ： 《第二环》： 基本方向组： 新生方向： n维问题“Powell算法”的要点： ⒈ 在每一环迭代中，总有一个始点（第一环为任 选）和n 个线性独立的搜索方向作为基本方向 组，从始点出发，依次沿基本方向组的n个方 向做一维搜索，得一终点 ⒉ 由始点和终点的连线构成一个新生方向，再沿 新生方向一维搜索，就完成了一