四+无约束优化计算方法【new】.ppt

第四章 无约束优化计算方法; 求解优化问题的基本解法有：; 数值迭代法的基本思路：是进行反复的数值计算，寻求目标函数值不断下降的可行计算点，直到最后获得足够精度的最优点。这种方法的求优过程大致可归纳为以下步骤： ;在中间过程中每一步的迭代形式为：; 运用迭代法，每次迭代所得新的点的目标函数都应满足函数值下降的要求： ;终止准则;往往采用两个准则来判别 （1）;往往采用两个准则来判别（2）; 当采用数学规划法寻求多元函数的极值点时，一般要进行一系列如下格式的迭代计算:;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;一维搜索的最优化方法-分析法;将; 由举例可知， 一维搜索方法解析法利用一维函数的极值条件：;4.2.1 进退法（确定搜索区间） 进退法也称外推法，是一种通过比较函数值大小来确定单峰区间的方法。任意给定初始点 X1和步长h，算出f(x1) 和 x2=x1+h 点的 f(x2)函数值。  ? ; 在搜索区间内[a,b]适当插入两点 ，将区间分成三段；; 黄金分割法要求在保留下来的区间内再插入一点所形成的区间新三段，与原来区间的三段具有相同的比例分布 。; 黄金分割法也称0.618法，是通过对黄金分割点函数值的计算和比较，将初始区间逐次进行缩小，直到满足给定的精度要求，即求得一维极小点的近似解 x* 。 1） 区间缩小的基本思路 ??? 已知 f(x) 的单峰区间[a,b] 。为了缩小区间，在[a,b] 内按一定规则对称地取2个内部点 x1 和x2 ，并计算 f(x1)和 f(x2) 。可能有三种情况： ; 图(a)．经过一次函数比较，区间缩小一次。在新的区间内，保留一个好点 x1 和f(x1) ，下一次只需再按一定规则，在新区间内找另一个与 x1 对称的点x2 ，计算 f(x2) ，与f(x1) 比较。如此反复。  图(b)．淘汰[a ,x1], 得新区间 [a,b],此时：a=x1，x1=x2,x2为x1对称点，b=b。  图(c)．可归纳入上面任一种情况处理。 ;3 ）收敛准则 由于实际问题的需要和函数形态的不同，常常需要不同的收敛准则确定最优点。对于直接法，有以下几种收敛准则：  （1）．区间绝对精度  （2）．区间相对精度  （3）．函数值绝对精度 ；  （4）．函数值相对精度 ;5） 黄金分割法前提条件 ;演示过程1;演示过程2;黄金分割法计算框图;黄金分割法的搜索过程： 1）给出初始搜索区间及收敛精度 ，将 赋以0.618。;4）检查区间是否缩短到足够小和函数值收敛到足够精度，如果收敛条件满足，则取最后两试验点的平均值作为极小点的数值近似解。如果条件不满足则转向步骤5）。;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;Evaluation only. Created with Aspose.Slides for .NET 3.5 Client Profile 5.2.0.0. Copyright 2004-2011 Aspose Pty Ltd.;例 : 用黄金分割法求函数f(x)= 3x3-4x+2的极小点给定 x0=0, h=1, ε=0.2。;第二次缩小区间： 令 x2=x1=0.764, f2=f1=0.282 x1=0+0.382X(1.236-0)=0.472, f1=0.317 由于f1f