现代机械设计方法第2版教学课件作者谢里阳主编第3篇第12章一维优化方法课件.pptVIP

第12章 一维优化方法 本节所需研究的基本问题是，对一元函数F(α)如何寻找它的最优点α* ,以求出最优值F(α*)。这就是所谓一维优化问题，其数值迭代解法称为一维优化方法，也常称为一维搜索方法。 12.0 一维优化的概念 优化迭代式： X (k+1) =X (k) + α (k) S (k) 且 f(X (k+1) ) f(X (k) ) 最优步长法: X (k+1) 应能保证f(X (k+1))是f(X)在以X (k) 为起点， 沿S(k)上的最小值。 12.0 一维优化的概念 一维优化的等效表达式： min f(X (k) + α S (k) ) X (k) 是当前已知点 S (k) 是当前搜索方向 ＝min F(α)= F(α (k)) 12.1 单峰区间及其“高－低－高”几何特征 单峰区间： 含有凸峰的区间[α1 ，α2 ] 适用对象：一元函数F(α)是凸函数，即目标函数f(X (k) +αS (k) )在X (k) ，S (k) 给定时，函数关于步长α为凸函数。 单峰区间的充分条件:“高－低－高” 几何意义为:某一区间若能在左端点α 1、区间内的任意插入点α和右端点α 2上，函数值变化的几何特征依次为“高－低－高”，则该区间一定是一个单峰区间。 一维优化方法的策略 一维优化方法常采用分两步走的策略。 （1）寻找即确定具有使函数值最小的α *(最优步长)，所在的区间——单峰区间。 进退法 （2）在已知的单峰区间上，寻找出最优步长α * 。 黄金分割法，二次插值法 注意 点 (1)一维优化问题 x = x (0) + α ， 即F(α )=f(x (0) +α )=f(x)； x (0) 亦可为x (k) 。 (2) 多维优化问题 X=X (0) + α S，即F(α )=f(X (0) + α S)=f(X)；X (0) 亦可为X (k) 。 F(α )是目标函数关于步长的转换函数， α是步长而不是目标函数的变量x或X 12. 2 确定搜索区间的外推法（进退法） 给定:X (0) (或X (k) )、初始步长T0和搜索方向 S(S (k))。 任务:找出一个区间 [α1 ，α2]，满足对于α’∈(α1 ，α2)有：F(α1)F(α’)F(α2)，即该区间应具有 “高一低一高”的函数值变化的几何特征 12.2 确定搜索区间的外推法（进退法） 基本思想：以初始点X (0) (即α=0)为起点， 跨步试探取点（进、退）构三点区间 直至出现“高－低－高”特征为止。 12.2 确定搜索区间的外推法（进退法） 约定：下标1、2以从左向右为序； A1 表示α 1 ，A2 表示α 2 即： A1 A2 F(A1 )=f(X(0) +A1 S)；F(A2)=f(X(0) +A2S)。 初始步长为T0 ，跨步步长为T， 12.2 确定搜索区间的外推法（进退法） 开始 取： T=T0、A1 =0（以α=0为起点），求F1 =F(A1 )=f(X(0)) 跨一步：取A2 =T， F2 =F(A2 ) =f(X (0) +A2S) = f(X) 。 比较F1 与F2 ，有两个走向: 12.2 确定搜索区间的外推法（进退法） 走向1: 若F1 F2 ，区间[0，A2 ] 为“高-低”型。 （再向前找到一个高点即可） ⑴F2 ==F1 (当前F2 值替代当前F1 ，以后只要固定的比较F1 与F2 即可) ⑷ 计算 F2 =F(A2 ) (求新的A2 点上的函数值) ⑵ T=2×T (步长加大一倍） ⑶ A2 =A2 +T (在原A2 的基础上再跨一步，得一新的A2 点) 12.2 确定搜索区间的外推法（进退法） ⑸比较F1 与F2 （则有两种可能） ①若F1 F2 ，A1(2) —(A2(2) -T)—A2(2) 为“高-低-高” ②若F1 F2，A1(2) —(A2(2) -T)—A2(2)为“高-低-更低”， 取A=A1(2) ;B=A2(2) 退出。 舍去A1(2) —(A2(2) -T)区间 取:A1 =A2 -T，（即A1 右移一个点）返回⑴； 走向1的迭代终止准则: 直到F1 F2 为止 12.2 确定搜索区间的外推法（进退法） A2第三次向前取点计算时可能出现的两种情况。 1） F1 F2 2）F1 F2 12.2 确定搜索区间的外推法（进退法） 走向2: 若F1 F2，区间为“低-高”型 应向左即后退再找一个高点，以构成“高-低-高”三点区间。 12.2 确定搜索区间的外推法（进退法） 后退：置:T=-T(即T=－T0 ) ⑴ A1 =A1 +T