- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第四章无约束优化方法
无约束优化方法
在求解目标函数的极小值的过程中,若对设计变量的取值范围不加限制,则称这种最优化问题为无约束优化问题。尽管对于机械的优化设计问题,多数是有约束的,无约束最优化方法仍然是最优化设计的基本组成部分。因为约束最优化问题可以通过对约束条件的处理,转化为无约束最优化问题来求解。
无约束优化问题的一般形式可描述为:
求n维设计变量
使目标函数
(4.1)
对于上述无约束优化问题的求解,可以利用第二章讲述的无约束优化问题的极值条件求得。即将求目标函数的极值问题变成求方程
的解。也就是求X*使其满足
解上述方程组,求得驻点后,再根据极值点所需满足的充分条件来判定是否为极小值点。但上式是一个含有n个未知量,n个方程的方程组,在实际问题中一般是非线性的,很难用解析法求解,要用数值计算的方法。由第二章的讲述我们知道,优化问题的一般解法是数值迭代的方法。因此,与其用数值方法求解非线性方程组,还不如用数值迭代的方法直接求解无约束极值问题。
数值迭代法的基本思想是从一个初始点出发,按照一个可行的搜索方向搜索,确定最佳的步长使函数值沿方向下降最大,得到点。依此一步一步地重复数值计算,最终达到最优点。优化计算所采用的基本迭代公式为
(4.2)
由上面的迭代公式可以看出,采用数值法进行迭代求优时,需要确定初始点、搜索方向和迭代步长,称为优化方法迭代算法的三要素。第三章我们已经讨论了如何在搜索方向上确定最优步长的方法,本章我们将讨论如何确定搜索方向。一个算法的搜索方向是该优化方法的基本标志,它从根本上决定着一个算法的成败和收敛速率的快慢。因此,分析、确定搜索方向是研究优化方法的最根本的任务之一。各种无约束优化方法也是在确定搜索方向上显示出各自的特点。
无约束优化方法可以分为两类。一类是通过计算目标函数的一阶或二阶导数值确定搜索方向的方法,称为间接法,如最速下降法、牛顿法、变尺度法和共轭梯度法。另一类是直接利用目标函数值确定搜索方向的方法,称为直接法,如坐标轮换法、鲍威尔法和单形替换法。本章将分别讨论上述这两类无约束优化方法。
4.1最速下降法
4.1.1最速下降法的基本原理
由第二章优化设计的数学基础)
可知,若某次选代中己取得点,从该点出发,取负梯度方向
为搜索方向。则最速下降法的迭代公式为
(4.3)
当第k次的迭代初始点和搜索方向已经确定的情况下,原目标函数成为关于步长的一维函数。即
最优步长可以利用一维搜索的方法求得
根据一元函数极值的必要条件和多元复合函数的求导公式,得
或写成
由此可知,在最速下降法中相邻两个搜索方向互相正交。也就是说在用最速下降法迭代求优的过程中,走的是一条曲折的路线,该次搜索方向与前一次搜索方向垂直,形成“之”字形的锯齿现象,如图4.1所示。最速下降法刚开始搜索步长比较大,愈靠近极值点其步长愈小,收敛速度愈来愈慢。特别是对于二维二次目标函数的等值线是较扁的椭圆时,这种缺陷更加明显。因此所谓最速下降是指目标函数在迭代点附近出现的局部性质,从迭代过程的全局来看,负梯度方向并非是目标函数的最快搜索方向。
图4.1最速下降法的搜索路径
此外,最速下降法的迭代公式也可以写成下面的形式
(4.4)
将其与式4.3相比较,可知,此处等于4.3式中步长除以函数在点导数的模,而此时的搜索方向也不再是个单位向量。
4.1.2最速下降法的迭代过程
给定初始点,收敛精度ε,并令计算次数;
计算点的梯度及梯度的模,并令
判断是否满足精度指标;若满足,为最优点,迭代停止,输出最优解和,否则进行下一步计算;
以为出发点,沿进行一维搜索,求能使函数值下降最多的步长,即
令,k=k+1,转到步骤2)。
最速下降法的程序框图如图4.2所示。
4.2最速下降法的程序框图
例题4.1 用最速下降法求目标函数的极小值,设初始点,计算精度。
解 (1)计算初始点处目标函数的梯度和梯度的模
(2)由于,不满足精度指标,转下一步计算。
(3)确定搜索方向
(4)计算新的迭代点
由公式(4.2)
代入目标函数
沿方向进行一维搜索(或对求导,并令其为零)
令,,求得最优步长。
(5)计算新迭代点
(6)计算新迭代点的梯度及梯度的模
因已满足精度要求,停止迭代,得最优解为
,
可见,对于目标函数的等值线为圆的情
文档评论(0)