机电系统性能分析技术教学课件作者宋瑞银优化设计第5讲课件.pptVIP

第5章 多变量无约束优化方法 对于一个n维目标函数，如果在没有任何限制条件下寻求它的极小点，称无约束极小化问题或无约束优化问题。数学上表达为: 概述 大量实际问题都是有约束的，研究无约束优化方法的意义在于： （1）一类功能很强、使用方便的有约束优化方法，往往能将有约束问题转化成无约束问题，易于采用无约束优化方法求解。 （2）有些问题在不很接近最优解时可先作无约束问题求解，然后采用有约束方法求出最优解。 概述 （3）有些实际问题本身是无约束的，或把有些约束问题经过模型变换可以转化为无约束问题求解。 （4）对于多维无约束问题来说，古典极值理论中令一阶导数为零，但要求二阶可微，且要判断海赛矩阵为正定才能求得极小点，这种方法有理论意义，但无实用价值。和一维问题一样，若多元函数 F(X) 不可微，亦无法求解。但古典极值理论是无约束优化方法发展的基础。 多维无约束优化方法的分类 目前已研究出很多种无约束优化方法，它们的主要不同点在于构造搜索方向上的差别。概括起来，可分为直接法和间接法两大类，其详细分类如下： 分类 分类 用直接法寻找极小点时，不必求函数的导数，只要计算目标函数值。这类方法较适用于解决变量个数较少的（n 20）问题，一般情况下比间接法效率低。间接法除要计算目标函数值外，还要计算目标函数的梯度，有的还要计算其海赛矩阵。 二、坐标轮换法 坐标