第4讲无约束优化答辩.pptVIP

第5章 无约束优化; 优化问题的数学模型;实例1 产销量的最佳安排;规律 1;目 标;0;;不考虑误差因素;考虑误差因素; 以距离为约束，优化角度误差之和（或平方和） 或以角度为约束，优化距离误差 ;误差一般服从什么分布？; 优化问题的数学模型;5.1 无约束优化的基本方法;5.1.1 预备知识 一、梯度（一阶导数）;二、黑赛（Hessian）矩阵（二阶导数）;三、多元函数的泰勒展开式 1、一阶展开式;四、正定、负定、半定矩阵 设实对称阵An×n，各阶主子式为Ai，i=1,2,…,n 正定矩阵： Ai 0, i=1,2,…,n 半正定矩阵：Ai ≥ 0, i=1,2,…,n 负定矩阵： Ai 0, i为奇数 Ai 0, i为偶数 半负定矩阵： Ai ≤ 0, i为奇数 Ai ≥ 0, i为偶数;5.1.2 最优解条件 1、必要条件 设f在点x处可微。若x是最优解，则 2、充分条件 设f在点x处Hessian矩阵存在。若 则x是最优解。 注：对于有实际意义的极值问题，我们通常只用必 要条件，理论上只需求解方程组 即可。;5.1.3 数值迭代法的基本思路;迭代步骤;终止迭代条件;线性（一维）搜索 (Line Search) 确定步长方法;一、0.618法（近似黄金分割法）;性质; 在[a,b]内取两个不同点，并算出它们的函数值加以比较，就可以把区间缩小成[a,t2]或[t1,b]; 继续计算函数在一些点（探索点）上的值，可将区间长度缩小到任意小； 当缩小到一定程度后，可将区间中任一点的作为最优解t*的近似值输出。;二、Fibonacci法 ~ 每次迭代中搜索区间按不同比例 1/Fn 缩小 {Fn} ~ Fibonacci数列 F0=1，F1=1，Fn=Fn-1+Fn-2 （n≥2）;三、插值法;四、Newton法 ~ f(t)二次可微，且f’’(t)≠0;5.1.5 搜索方向的选择 一、最速下降法（1847，Cauchy）;基本迭代格式;三、Newton法（设步长为1）;特点; 牛 顿 方 向; Davidon-Fletcher-Powell(DFP)公式;5.1 无约束优化的基本方法;5.2 用MATLAB优化工具箱解无约束优化问题 一、一元函数无约束优化问题; [x,fval] = fminbnd(...) [x,fval,exitflag,output] = fminbnd(...);例5-1 求f=2e-xsinx在[0,8]上的最小值与最大值;xmin = 3.9270 fmin = -0.0279 xmax = 0.7854 fmax = 0.6448;例5-2 对边长为3m的正方形铁板，在四个角剪去相等的正方形以制成方形无盖水槽，问如何剪法使水槽的容积最大？ 解：设剪去的正方形的边长为x，则水槽的容积为(3-2x)2x。建立无约束优化模型为： min y=- (3-2x)2x, x∈[0,1.5];xmax = 0.5000 ymax = 2.0000 剪掉正方形边长为0.5m时，水槽容积最大为2m3;二、多元函数无约束优化问题;控制参数options的设置;控制参数options可以通过函数 optimset 创建或修改。命令的格式如下：;例：opts = optimset(‘Display’,’iter’,’TolFun’,1e-8) 该语句创建一个名称为opts的优化选项结构,其中显示参数设为’iter’, TolFun参数设为1e-8。; 使用fminunc和fminsearch可能会得到局部最优解 fminsearch是用单纯形法寻优； fminunc的算法见以下几点说明：;（2）fminunc 为中型优化算法的搜索方向提供了以下算法，由options中的参数HessUpdate控制： HessUpdate=’bfgs’(默认值),拟牛顿法的BFGS公式 HessUpdate=’dfp’, 拟牛顿法的DFP公式 HessUpdate=’steepdesc’, 最速下降法;输出项;例5-3 min f(x)=(4x12+2x22+4x1x2+2x2+1)*exp(x1);x = 0.5000 -1.0000 f = 1.3028e-010;51;方向;算法选择 BFGS公式，混合2，3次插值，一般较好。;第二次上机作业;作业要求： 1、15周之前，以word文档形式提交至邮箱： jianmo_work@126.com 2、文档和邮件