水工结构设计优化[精选].ppt

惩罚函数法简介 内点法 外点法 混合法 总结 惩罚函数法简介 惩罚函数法是一种使用很广泛、很有效的间接法。 总结 由上图可见，两种等值线在可行域内部及边界上是重合 的；而在非可行域中，罚函数的等值线升高了。即只有在 可行域外部惩罚项才起到惩罚的作用。r(k)值越大，惩罚作 用越大。 由上b图可知，在起作用约束边界处罚函数等值线变得越 密集和越陡峭。随r(k)的增大，最优点列将越接近于原约束 优化问题的最优点x*。但须注意，近似的最优点是落在边 界处非可行域一侧。 ㈢对几个问题的讨论 （1）初始点x(0)的选取 在可行域及非可行域内均可。 （2）初始罚因子r(0)和递增系数C的选取 外点法中，这两者的选择对算法的成败和计算速度有显著 的影响。 选取过小，则序贯无约束求解的次数就增多，收敛速度慢；反之，则在非可行域中，发函数比原目标函数要大得多，特别在起作用约束边界处产生尖点，函数性态变坏，从而限制了某些无约束优化方法的使用，致使计算失 败。 C的选取影响不大，通 常C=5-10 （3）约束容差带 最优点在非可行域内，是一个非可行点，这对某些工 程是不允许的。因此，可在约束边界可行域一侧加一条容 差带。 相当于将约束条件改为 是容差量，通常 ㈣终止准则 随着罚因子 的值不断增大，罚函数的序列无约束最 优点将越来越趋近于原约束优化问题的最优点。 设惩罚函数 的无约束最优点列为 对应的罚函数值为 * * 5.3.4 惩罚函数法 基本原理： 把约束优化问题转化成无约束优化问题来求解。 两个前提条件： 一是不破坏原约束的约束条件 二是最优解必须归结到原约束问题的最优解上去 按照惩罚函数的构成方式，惩罚函数法分为三种： 外点法、内点法、混合法 惩罚项 r(k) 、m(k)-----罚因子 惩罚函数 5.3.4.1 内点法 ㈠引例 设有一维不等式约束优化问题的数学模型 S.T. : 由图可见，目标函数的可行域为x≥b，在可行域内目标函数 单调上升，它的最优解显然是 x*=b ，F*=ab 对引例的惩罚函数进行分析，以对内点法有初步认识： ⑴本问题是不等式约束优化问题，故只有一项惩罚项 ，一个罚因子 ⑵规定罚因子 为某一正数，当迭代点是在可行域内 时，则惩罚项的值必为正值，因此必有 而且，当x越趋近于约束边界时，由于惩罚项 增大，所以罚函数 的值越大。当x←b时，罚函 数的值将趋近于+∞。因此，当初始点取在可行域内，求 函数 的极小值时，只要适当控制搜索步长， 防止迭代点跨入非可行域，则所搜索到的无约束极小点 x*必可保持在可行域内。 ⑶若对于罚因子的取值由初始的 逐渐变小 时，惩罚函数 愈逼近于原目标函数F（x），罚 函数曲线越来越接近于原F（x）=ax直线，如图所示，对 应罚函数 的最优点列 不断趋近于原约 束优化问题的最优点x*=b 小结 由以上可见，如果选择一个可行点作初始点 ，令其罚因子 由大变小，通过求罚函数 的一系列最优点， 显见，无约束最优点序列将逐渐趋近于原约束优化问题的最优点x*。 ㈡内点罚数法的形式及特点 ⑴具有不等式约束的优化问题的数学模型 u=1，2……，p ⑵构造如下形式的内点罚函数 S.T. : 关于惩罚因子规定为正，即 。且在优化过程中 是减小的，为确保为递减数列，取常数C 0C1 称系数C为罚因子降低系数 =0 或 关于惩罚项 ，由于在可行域内有 ， 且 永远取正值，故在可行域内惩罚项永为正。 的值越小则惩罚项的值越小。 由于在约束边界上有 ，因此，当设计点趋 于边界时，惩罚项的值将趋于无穷大。由此可知，在可 行域内，始终有 。 当 时 ，却有 ，所以整个最 优化的实质就是用罚函数 去逼近原目标函数F(x); 当设计点逐渐由内部趋近于边界时，由于惩罚项无穷 增大，则罚函数也将无穷增大。 从函数图形上来看，犹如在可行域的边界上筑起一 道陡峭的高墙，使迭代点自动保持在可行域内，用此办 法来保证搜索过程自始至终不离开可行域。所以，内点法 也常称为围墙函数法。 ⑶内点罚函数法的求解过程 为了用惩罚函数 去逼近原目标函数F(x)， 则要用F(x)及 构造一个无约束优化问题的数学模型