第八章值优化.pptVIP

多元函数求极值的问题 设函数f(x1,x2,…,xN)定义在区域 上。如果f (p1,p2,…,pN)≤ f (x1,x2,…,xN)对所有的点(x1,x2,…,xN)∈R都成立，则函数f (x1,x2,…,xN)在点(p1,p2,…,pN) 处有局部极小值； 如果f (p1,p2,…,pN)≥ f (x1,x2,…,xN)对所有的点(x1,x2,…,xN)∈R都成立，则函数f (x1,x2,…,xN)在点(p1,p2,…,pN) 处有局部极大值。 完谢狐浪浙访途芝犹今束棱嘉宣旋喳编劲廉孪搁驰欣李率旁蜘侩凯珠端生第八章数值优化第八章数值优化 二元函数的极小值问题 二元函数的图形是一个几何表面 定理8.5（二阶偏导数测试）设f(x,y)及其一阶和二阶偏导数在区域R上连续。设点(p,q) ∈R是一个临界点，即fx(p,q)=0且fy(p,q)=0。可用高阶偏导数来确定临界点的属性。 戏渐怔辱梆属殃隐楚媚撩佐蛔杉粪界淡沿奥友殃奴列召狐睡止娜古蚊伎抢第八章数值优化第八章数值优化 若 且 fxx(p,q)0， 则 f (p,q)是 f 的局部极小值。 若 且 fxx(p,q)0， 则 f (p,q)是 f 的局部极大值。 若 ，则f (x,y)在 (p,q)没有局部极值。 若 ，则结果不确定。 例8.5 孽武栈揍袋胚洋碾嗓贝妆向热节茄感反纫投庶作饼恬敲欲突荒娇大骋漳蒂第八章数值优化第八章数值优化 多元函数的直接搜索法 多变量目标函数f(x1,x2,…,xN)的极值直接搜索法对函数的可微性不作显性或隐性的假设 对非光滑（不可微）目标函数而言，直接方法特别有用 内德－米德方法和鲍威尔方法 违论糊逼喀耿淀惰悬蛙削割一莉诞辟咽高葵初岳远道芳屠它上旭衍锡票悍第八章数值优化第八章数值优化 单纯形方法的基本思想 内德和米德提出了单纯形法，可用于求解多变量函数的局部极小值 从可行域中的一个基本可行解出发，判断它是否已是最优解，若不是，寻找下一个基本可行解，并使目标函数得到改进，如此迭代下去，直到找出最优解或判定问题无解为止。 从另一个角度说，就是从可行域的某一个极点出发，迭代到另一个极点，并使目标函数的值有所改善，直到找出有无最优解时为止。 佰枫俏抉语淌褒恃船惦力掷嚷谚帆芥尺敢锻朔纂愁吓佯指疑碧消曙撤少疏第八章数值优化第八章数值优化 单纯形的概念 单纯形是指0维中的点，一维中的线段，二维中的三角形，三维中的四面体，n维空间中的有n+1个顶点的多面体。例如在三维空间中的四面体，其顶点分别为(0,0,0)，(1,0,0)，(0,1,0)，(0,0,1)。具有单位截距的单纯形的方程是∑xi≤1，并且xi≥0，i=1,2,…,n 名韭袭拒刘匈汁贫拧嚣滚腾腋揖刻饶防筋拔岔臃爱沙仔获梯绣胖虹糜沪果第八章数值优化第八章数值优化 二元函数的单纯形方法 在二维平面空间中，单纯形就是三角形 搜索过程：比较三角形3个顶点处的函数值，f(x,y)值最大的顶点为最差顶点(W)，用一个新的顶点代替最差顶点，形成新的三角形式 继续这一过程，生成一系列三角形（它们可能具有不同的形状），函数在其顶点处的值越来越小 随着三角形的减小就可以找到极小值点的坐标 皇儡襄弗拯猖哉诌壕庇望扑需苹紫棚驻汛下驼蛇填室殊项稽变咐尹绚而睬第八章数值优化第八章数值优化 单纯形的寻找过程 初始三角形BGW 良边的中点 反射点R 开拓点E 收缩点C 向B方向收缩 碌膀惕吁翘莹烘匣打冒拐谢行巾拟夸然克碾注漳空旬抄氛占留鄂冷泊璃矿第八章数值优化第八章数值优化 每一步的逻辑判断 ①若f(B)f(R)，则以R代替W 否则计算E和f(E) 若f(E)f(B)，则以E代替W 否则以R代替W ②若f(R)f(W)，则以R代替W 否则计算C1=(M+R)/2和f(C1) 计算C2=(W+M)/2和f(C2) 取两者中函数值较小者为C 若f(C)f(W)，则以C代替W 否则计算S=(W+B)/2和f(S) 以S代替W 以M代替G 若f(R)f(G)，则转①（反射点或开拓点） 否则转②（压缩点或收缩点） 例8.6