最优化计算方法(工程优化)复习解析.ppt

K-T点的验证 故点 是K-T点。 设 解之得， 即 K-T点的验证 在点 处， 都是起作用约束， 目标函数和约束函数的梯度分别是 故点 不是K-T点。 设 解之得， 即 惩罚函数法----一种使用广泛、有效的间接法 借助罚函数将约束非线性规划转化为一系列无约束问题， 通过求解无约束问题来求解约束非线性规划，所以也称为序 列无约束极小化技术(sequentail unconstrained minimization technique,简称SUMT) 根据约束特点（等式或不等式）构造某种罚函数p(x)，把 它加到目标函数中去，将约束非线性规划转化为一系列无约 束问题： 基本思想： 罚因子 惩罚函数 惩罚项 惩罚函数法----一种使用广泛、有效的间接法 基本思想： 这种惩罚策略，对于在无约束的求解过程中企图违反约束的 迭代点给予很大的目标函数值， 迫使无约束问题的极小点或者无限地向可行域D靠近， 或者一直保持在可行域D内移动， 直到收敛到原来约束最优化问题的极小点。 罚因子 惩罚函数 惩罚项 惩罚函数法 外点法： 对违反约束的点在目标函数中加入相应的惩罚， 可行点不予惩罚， 这种方法的迭代点一般在可行域D的外部移动； 罚因子 按照惩罚函数的构成方式，惩罚函数法分为3种： 惩罚函数 惩罚函数法 内点法: 对从内部企图穿越可行域D边界的点在目标函数中加入障碍， 距边界越近，障碍越大， 在边界上给予无穷大的障碍， 从而保证迭代点一直在可行域内部移动； 罚因子 按照惩罚函数的构成方式，惩罚函数法分为3种： 惩罚函数 混合法：将外点法和内点法结合。 几何解释 外点罚函数法 求曲线y=f(x)在D内的最小点 抬高到一定程度后， 此曲线的无约束极小点就是原来函数在D内的最小点 改造曲线， 使其在D内保持不变， 在D外将曲线逐步抬高， 可行点不惩罚, 违反约束的点在目标函数中加入惩罚， 外点罚函数法 罚函数p(x)应满足的性质 (1) p(x)连续 (2) (3) 罚函数p(x)的构造 给出了罚函数p(x)的一个形式 gi hj连续，p(x)也连续 外点罚函数法----算法步骤 步骤1：给定初始点 ，初始罚因子 (可取 ), 精度 步骤2：以 初始点，求解无约束优化问题 得到极小点 ，记为 ， 其中 步骤3：若 ，则停止计算，得到近似极小点 ； 用解析法求驻点 或者用无约束优化方法求解 常取 否则，令 ，置k:=k+1，转步骤2。 定理： 设约束问题(1)和无约束问题(2)的最优解为 和 取序列 且 则由外点法产生的点列 的任何聚点 必是(1)的最优解。 外点罚函数法----算法收敛性分析 例1：用外点罚函数法求解如下优化问题： 外点罚函数法----算例 解：问题只有不等式约束，对应的罚函数为: 外点罚函数法----算例 解析法求F(x,Mk)的极小点，令 当 时， ，舍去该点； 当 时，由 ，即 得到F(x,Mk)的驻点 令 ，得到原约束问题的极小点 F(x,Mk)的驻点 故F(x,Mk)的极小点为 例2：用外点罚函数法求解如下优化问题： 外点罚函数法----算例 解：问题只有等式约束，对应的罚函数为: 外点罚函数法----算例 解析法求F(x,Mk)的极小点，令 外点罚函数法----算例 从中得到F(x,Mk)的驻点为 从而F(x,Mk)的极小点为 外点罚函数法----算例 令 ，得到原约束问题的极小点为 F(x,Mk)的极小点为 外点罚函数法----特点 (3)初始罚因子要选择得当，否则会影响迭代计算的正常进行， 太小，将增加迭代的次数； 太大，会使惩罚函数的性态变坏，甚至难以收敛到极值点 许多计算表明，取 常常可以取得满意的效果； 按经验公式计算 值 (1) 初始点可以任选 (2)对等式约束和不等式约束均可适用 通常取c=[5,10]。 外点罚函数法----特点 (4)罚因子Mk 递增(→∞)， ,递增系数c,