2优化方法的数学基础2.pptVIP

利用K—T条件求极值点往往是很繁琐的，需要确定需要确定哪些约束在极值点处起作用。 库思—塔克条件也可以叙述为在极值点处目标函数的负梯度一定能够表示成所有起作用的各约束函数在该点梯度（法向量）的非负线性组合，即 (2—22) K-T条件 O x1 x2 极值点处于等值线的中心 极值点处于两个约束曲线的交点上 x﹡ g1 (x)＝0 g2 (x)＝0 g3 (x)＝0 O x1 x2 x﹡ g1(x)＝0 g2(x)＝0 起作用约束： 库恩—塔克条件的几何意义是: 在约束极小值点 处，函数 的负梯度一定能表示成所有起使用约束在该点梯度（法向量）的非负线性组合。 x1 x2 O g2(x)=0 g1(x)=0 F (x)=C ?g2(xk) ?g1(xk) －?F(xk) xk 可行域 点xk处的切平面 x1 x2 O g2(x)=0 g1(x)=0 F (x)=C ?g2(xk) ?g1(xk) －?F (xk) xk 可行域 点xk处的切平面 (a) (b) 同时具有等式和不等式约束的优化问题 : K-T条件： K-T条件是多元函数取得约束极值的必要条件,以用来作为约束极值的判断条件，又可以来直接求解较简单的约束优化问题。 对于目标函数和约束函数都是凸函数的情况， 符合K-T条件的点一定是全局最优点。这种情况K-T条件即为多元函数取得约束极值的充分必要条件。 K-T条件是多元函数取得约束极值的必要条件,以用来作为约束极值的判断条件，又可以来直接求解较简单的约束优化问题。 例库恩—塔克（K-T）条件应用举例 s.t 判断[1 0]T是否为约束最优点。 (1)当前点 为可行点，因满足约束条件 (3) 各函数的梯度： （2）在 起作用约束为g1和g2 , 因 （4）求拉格朗日乘子 由于拉格朗日乘子均为非负，说明 是一个局部最优点，因为它满足K-T条件。 s.t 三、优化设计问题的基本解法 1、解析解法：根据函数极值的必要条件和充分条件求得其最优解析解的求解方法，适用于目标函数比较简单的情况。 2．数值的近似解法：又称为数值迭代方法，它是根据目标函数的变化规律，以适当的步长沿着能使目标函数值下降的方向，逐步向目标函数值的最优点进行探索，逐步逼近到目标函数的最优点或直至达到最优点。数值解法是优化设计问题的基本解法，其中也可能用到解析解法。 数值解法更能适应计算机的工作特点： 1）数值计算而不是数学分析； 2）具有简单逻辑结构并能进行反复的同样的算术计算； 3）最后得到的是逼近精确解的近似解。 数值迭代法的基本思路：搜索、迭代、逼近即进行反复数值计算，寻求目标函数值不断下降的可行计算点，知道最后获得足够精度的最优点。该方法的求优过程可归纳为以下步骤： 1）首先初选一个尽可能靠近最小点的初始点X(0)，从初始点出发按照一定的原则寻找可行方向和初始步长，向前跨出一步，达到X(1)； 2）得到新点X1后再选择一个新的使函数值迅速下降的方向及适当步长，从X(1)点出发再跨出一步，达到X(2)点。以此类推，一步一步地向前探索并重复数值计算，最终达到目标的最优点。 优化设计的两类方法：优化准则法，数学规划法 数值迭代法的迭代格式 ----第k步迭代计算所得到的点。称为第k步迭代点，亦第k步设计方案。 其中： ----第k步迭代计算的搜索方向。 ----第k次迭代计算的步长。 每次迭代所得新点的目标函数值应满足函数值下降的要求： 收敛： 数值迭代法关键要解决的问题： 1）怎样确定搜索方向 2）如何确定迭代步长 3）如何判断是否找到最优点，以终止迭代 迭代计算的终止准则 1）点距准则 2）函数值下降量准则 3）梯度准则 即 或 -- 绝对下降量 -- 相对对下降量 采用哪种收敛准则，可视具体问题而定。可取 上述准则都在一定程度上反映了逼近最优点的程度，但都有一定的局限性。在实际应用中，可取其中一种或多种同时满足来进行判定。 优化设计的一般流程 ： 机械系统、结构系统的优化设计的一般过程 电气工程学院 电气工程学院 电气工程学院 电气工程学院 电气工程学院 电气工程学院 电气工程学院 电气工程学院 电气工程学院 电气工程学院 电气工程学院 电气工程学院 电气工程学院 §2.4 优化设计的最优解及获得最优解的条件 一. 优化设计最优解 无约束优化设计问题最优解： 约束优化设计问题最优解： 不受约束条件限制，使目标函数达到最小值的一组设计变量，即最优点 x*=[x1*,x2*,…,x n*] 和最优值 f(x*)构成无约束问题最