机械优化设计_第六篇约束优化方法.ppt

随机方向法的特点 对目标函数的性态无特殊要求，程序设计简单，使用方便； 由于可行搜索方向的选择能保证目标函数下降最快，加之步长可以灵活变动，使得算法的收敛速度较快； 初始点的选择对于收敛迭代次数影响较大。 将约束优化问题 中的不等式和等式约束函数经过加权转化后，和原目标函数结合形成新的目标函数——惩罚函数 ——加权转化项 ——障碍项 ——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行域； ——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，在迭代过程将迫使迭代点逼近约束边界或等式约束曲面。 ① 惩罚项和障碍项用约束条件构造; ② 到达最优点时,惩罚项和障碍项的值为0; ③ 当约束不满足或未到达最优点时,惩罚项和障碍项的值大于0. 构造惩罚函数的基本要求: 求解该新目标函数的无约束极小值，以期得到原问题的约束最优解。为此，按一定的法则改变加权因子 的值，构成一系列无约束优化问题,求得一系列无约束最优解，并不断的逼近原约束优化问题的最优解。因此惩罚函数法又称为序列无约束极小化方法，常称SUMT法，即(Sequential Unconstrained Minimization Technique)。 障碍项和惩罚项必须具有以下极限性质： 从而有 2．惩罚函数方法 内点惩罚函数法 外点惩罚函数法 混合惩罚函数法 根据约束形式以及惩罚因子的递推方法的不同，惩罚函数方法可分为： （1）内点惩罚函数法（内点法） 基本思想：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，并逐步逼近最优点。 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 或 或 ——障碍项。 对于只具有不等式约束的优化问题 是惩罚因子，它是由大到小，且趋近于0的数列，即 由于内点法的迭代过程在可行域内进行，障碍项的作用是阻止迭代点越出可行域。由障碍项的函数形式可知，当迭代点靠近某一约束边界时，其值趋近0，而障碍项的值陡然增加，并趋近于无穷大，好像在可行域的边界上筑起了一道“高墙”，使迭代点始终不能越出可行域，显然，只有当惩罚因子趋于0时，才能求得在约束边界上的最优解。 惩罚因子的作用：由于内点法只能在可行域内迭代，而最优解很可能在可行域内靠边界处或就在边界上，此时尽管泛函的值很大，但由于惩罚因子是不断递减的正值，经过多次迭代，接近最优解时，惩罚项已是很小的正值。 例:用内点法求问题 约束最优解。 解:用内点法求该问题，首先构造内点惩罚函数： 用解析法求函数的极小值，运用极值条件： 联立求得： 当 时不满足约束条件，应舍去 则无约束极值点为 初始点 的选取 应选择一个离约束边界较远的可行点。如太靠近某一约束边界，构造的惩罚函数可能由于障碍项的值很大而变得畸形，使求解无约束优化问题发生困难。计算机自动生成可行初始点的常用方法是利用随机数生成设计点。 惩罚因子初值 的选取 惩罚因子的初值应适当，否则会影响迭代计算的正常进行。一般而言，太大，将增加迭代次数；太小，会使惩罚函数的性态变坏，甚至难以收敛到极值点。无一般有效方法，对于不同问题，都要经过多次试算，才能决定一个适当的初值。 机械优化设计 * 　第六章　约束优化方法　 一、概述 二、随机方向法 三、复合形法 四、惩罚函数法 一、概述 1、数学模型 求解上式的方法称为约束优化方法 2、求解方法 （1）直接解法：将迭代点限制在可行域内（可行性），步步降低目标函数值（下降性），直至到达最优点。如随机方向法、复合形法、可行方向法、广义简约梯度法。 根据求解方式不同，约束优化设计问题可分为直接解法和间接解法。 （2）间接解法：通过变换，将约束优化问题转化为无约束优化问题求解。如惩罚函数法、增广乘子法等。 （1）直接解法 适用于仅含不等式约束的问题，基本思路是： 在不等式确定的可行域内选择一个初始点，然后决定可行搜索方向，且以适当的步长进行搜索，得到一个使目标函数值下降的可行的新点，即完成一次迭代。再以新点为起点，重复上述搜索过程，满足收敛条件后，迭代终止。 ----步长 ----可行搜索方向 可行搜索方向：当设计点沿该方向作微量移动时，目标函数值将下降，且不会越出可行域。 直接解法的搜索路线 ①迭代计算无论何时终止，都可获得一个比初始点好的设计点； ②若目标函数是凸函数，可行域是凸集，则可保证获得全域最优解。否则，将由于所选择的初始点的不同，而探测到不同的局部最优解上，在这种情况下，探索结果经常与初始点的选择有关系，为了能得到全局最优解，在探索过程中最好能改变初始点，或选择几