5-优化设计-2下降迭代原理和一维优化方法.pptVIP

一维求优的实现原理-数值迭代 数值迭代实现求优的方法原理-下降迭代算法－复杂函数优化方法基本原理 １） 特点用途：解决多变量、多约束的非线性极小化问题。 ２）下降迭代法基本思路 依优化目标，按照某一迭代格式，从一个初始点X(0)出发逐步构造一个点列 X(0)、 X(1)、 X(2)、 …、X(k)、 X(k+1) …X* 　　保证目标函数值依点列递减 f(X(0)) f(X(1)) … f(X(k)) f(X(k+1)) …min ３） 下降迭代法基本流程 ４）下降迭代算法的关键问题 　①下一迭代点的构造方向 　搜索方向不同将构成不同的下降迭代算法 　②下一迭代点构造的距离－步长因子 　一般通过一维搜索法取得最优步长因子 　③何时停止构造下一迭代点－收敛准则 用以判断迭代点是否能够作为最优点 ７、下降迭代算法收敛准则 下降迭代算法小节 一 维 优 化 方 法　　一维搜索法 ４、进退法 　1)方法特点：基于区间消去原理以0.618为缩小比例生成内点，进行区间削去。 4)二次插值法收敛条件和极值判定 2）用二次插值法逼近极小点 由于 * 一 维 优 化 方 法 　１、概念：针对一元函数进行求优的相关数值迭代方法的总称。 k=k+1 构造新点 使x(k+1)∈S 初始点x(k) ∈S, k =1 对x(k)点选择下降 可行方向