第6章约束优化方法课件.ppt

直接解法的基本思想： 第四节 可行方向法 约束优化问题的直接解法中，可行方向法是最大的一类，它也是求解大型约束优化问题的主要方法之一。这种方法的基本原理是在可行域内选择一个初始点X0，当确定了一个可行方向d和适当的步长后，按下式 可行方向法的搜索策略 可行方向法的搜索策略 产生可行方向的条件 产生可行方向的条件 可行方向的产生方法 可行方向的产生方法 步长的确定 步长的确定 步长的确定 步长的确定 收敛条件 外点法的特点： ??? 1．初始点可以任选，但应使各函数有定义 2．对等式约束和不等式约束均可适用 3．仅最优解为可行设计方案 4．一般收敛较快 5．初始罚因子要选择得当 6．惩罚因子为递增，递增率c有c1 。 内点法的特点： ?1．初始点必须为严格内点 2．不适于具有等式约束的数学模型 3．迭代过程中各个点均为可行设计方案 4．一般收敛较慢 5．初始罚因子要选择得当6．罚因子为递减，递减率c有0c1。 三、混合惩罚函数法 1. 混合惩罚函数法及其算法步骤 在构造惩罚函数时，可以同时包括障碍项与惩罚项，并将惩罚因子统一用r（k）表示： 由于内点法容易处理不等式约束优化设计问题，而外点法又容易处理等式约束优化设计问题，因而可将内点法与外点法结合起来，处理同时具有等式约束和不等式约束的优化设计问题。 这种同时处理等式和不等式约束的惩罚函数法称为混合惩罚函数法。混合惩罚函数法与前述内点法和外点法一样，也属于序列无约束极小化(SUMT)方法中的—种方法。 第六节 增广乘子法法 一.等式约束问题的拉格朗日乘子法 s.t. 1.建立拉氏函数 2.在最优点处有如下n+q 个方程成立 其解为 s.t. 二.含不等式约束问题的拉格朗日乘子法 1.建立拉氏函数 再用前述方法建立拉氏函数 对不等式约束引入松弛变量 , 使之成为等式约束: 2.在最优点处有如下 n+q+2p 个方程成立 其解为 三.等式约束的增广乘子法 采用拉格朗日乘子法时求解有难度,而罚函数法当迭代点接近边界时函数常有病态, 此法的思路是把两者结合起来.其增广拉格朗日函数为: 特点: 1. 初始点可为非可行点; 2. 因增加了可调参数 , 其收敛速度和稳定性都优于罚函数法. 第七节 非线性规划问题的线性化解法—线性逼近法 线性规划问题是数学规划中提出较早的一类问题，它的求解方法在理论和算法上也较成熟，在实际工作中有比较广泛的应用。因此，自然就会想到，对一些非线性规划问题，可否把非线性函数线性化，再用线性规划方法求解?回答自然是肯定的。这类方法如序列线性规划法、割平面法、小步梯度法等。 进行迭代计算。在不断调整可行方向的过程中，使迭代点逐步逼近约束最优点。 满足可行、下降条件的方向位于可行下降扇形区内，在扇形区内寻找一个最有利的方向作为本次迭代的搜索方向，其方法主要有优选方向法和梯度投影法两种。 可行方向法的计算步骤 第五节 惩罚函数法 惩罚函数法是一种很广泛、很有效的间接解法。它的基本原理是将约束优化问题中的不等式和不等式约束函数经加权后，和原目标函数结合为新的目标函数——惩罚函数。 将约束优化问题转换为无约束优化问题。求解无约束优化问题的极小值，从而得到原约束优化问题的最优解。 加权转化项 惩罚函数法是按一定的法则改变加权因子的值，构成一系列的无约束优化问题，求一系列无约束最优解，并不断地逼近原约束优化问题的最优解。因此又称序列无约束极小化方法。常称SUMT方法。 根据它们在惩罚函数中的作用，分别称障碍项和惩罚 项。 障碍项的作用是当迭代点在可行域内时，在迭代过程中将阻止迭代点越出可形域。 惩罚项的作用是当迭代点在非可行域或不满足等式约束条件时，在迭代过程中将迫使迭代点逼近约束边界或等式约束曲面。 按照惩罚函数在优化过程中迭代点是否可行，分为： 内点法、外点法及混合法。 一、内点惩罚函数法 内点法将新目标函数定义于可行域内，这样它的初始点及后面的迭代点序列必定在可行域内。 采用内点法只能求解具有不等式约束的优化问题。 转化后的惩罚函数形式为： 障碍项 障碍项的作用是阻止迭代点越出可行域。 例6-5 用内点法求问题 约束最优解。 用内点法求解，首先构造内点惩罚函数： 用解析法对函数求极小值。 求解得 不满足约束条件，舍去。无约束极值点为： 下面介绍内点法中的初始点、惩罚因子初值及其缩减系数的选取和收敛条件的确定。 1.初始点的选取 初始点应选离约束边界较远的可行点。程序设计时，一般，考虑具有人工输入、和计算机自动生成可行初始点的两种功能。