现代设计方法课程02优化设计5.pptVIP

惩罚项满足下列要求： (1)当满足约束条件时，惩罚项的值很小或为0； (2)当不满足约束条件时，惩罚项的值很大，即对不满足约束条件的点的函数值进行惩罚。 新目标函数中，惩罚因子 是一系列的按一定规则变化的值。当按照一定的法则改变数值时，就构成了一系列的无约束优化问题，求解就可得到一系列的无约束的迭代点，使其一步步迭代不断地逼近原约束优化问题的最优解。 数学证明： 当惩罚函数满足 时，上述惩罚函数在 过程中所产生的极小点 序列 将逐渐逼近于愿约束问题的最优解。即 因此，惩罚函数法又称序列无约束极小化方法，常称SUMT(sequential unconstrained minimization technique)。 根据惩罚项的构成形式，惩罚函数法可分为： 内点惩罚函数法 外点惩罚函数法 混合惩罚函数法 2.外点惩罚函数法（又称外点法） 对于约束优化问题： 外点惩罚函数法构造惩罚函数的形式为： 分析： ①对于不等式约束 ，当 满足约束条件时，惩罚项为0；当不满足约束条件时，惩罚项大于0，这相当于给不满足约束条件的迭代点在函数值上给予惩罚，以此来使迭代点逐步向可行域边界靠近； ②对于等式约束 ，也可以得出类似的结论。 因此，外点法既可处理不等式约束，也可处理等式约束。 为了进一步理解外点法，我们考虑一种只有不等式约束的情况，此时，惩罚函数 (1)特征 与内点法相反，外点法将惩罚函数定义于约束可行域之外，且求解无约束问题的一系列迭代点是从可行域外部逼近原目标函数的约束最优解。 外点法可用来求解含不等式约束和等式约束的优化问题。 从上式可以看出，在可行域内，约束函数值小于零， ，惩罚项也等于零；在可行域外， 惩罚项大于零，惩罚项可分以下两种情况： 此时可以清楚地看出，外点法的惩罚项是定义于可行域之外的。事实上，外点法的迭代过程也是从可行域外一步步向可行域边界逼近的。这正是外点法名称的由来。 惩罚项的大小还与惩罚加权因子 有关。当惩罚因子按一个递增的正数序列 变化时，依次求解所对应的无约束极小化问题，将得到一个极小点序列 随着 逐步增大，这个极小点序列将逐步逼近原约束优化问题的最优解。 (2)迭代步骤 步骤一 给定初始点 、收敛精度 、初始惩罚因子 和惩罚因子递增系数 ，置 ； 步骤二 构造惩罚函数 步骤三 求解无约束优化问题 ，得 令 步骤四 判断收敛精度：若满足条件 则令 ，结束计算；否则， 令 ，转步骤二继续迭代。 (3)举例 用外点法求解约束优化问题： 收敛准则： 解释约束容限：如果 (为给定的约束容限)，则认为点 落在约束边界上，亦即它是可行点。 解： ①利用外点法惩罚法构造无约束优化问题 ②此例只是为了说明外点法的思路，用微分法求解上述无约束优化问题。 在可行域内： 知在可行域内无极值点。 在可行域外，令 从上面两式解得 可见，对于不同的惩罚因子值，可以得到不同的极小点。 ③取 进行迭代计算，迭代结果如下： 点 满足点距收敛准则，同时，它在约束容限范围内，因此，终止迭代！输出结果。 (4) 选择 外点法惩罚因子按下式递增： 式中：C—惩罚函数，通常C=5－10。 外点法惩罚因子 的合理取值很重要，若 太大，惩 罚项的作用就会很大，使惩罚函数的等值线变形或偏心，求 极值将会很困难；若 太小，将增加迭代次数，计算效率降 低。 多数情况下，取 =1，C=10时结果较好。 现代设计方法 第二章 优化设计 * §2.5 约束优化方法 概述 可行方向法 惩罚函数法 一、概述 与无约束优化问题不同的是，约束优化问题的目标函数 的最小值是函数在有约束条件所限定的可行域内的最小值， 并不一定是目标函数的自然最小值。 约束优化方法是用来求解如下非线性约束优