第6章约束优化方法.ppt

第二次迭代用梯度投影法来确定可行方向。迭代点x1的目标函数负梯度-?f(x1)=[0.092 5.818]T，不满足方向的可行条件。现将??f(x1)投影到约束边界g3(x)=0上， 计算投影算子P 本次迭代的可行方向为 显然，d1为沿约束边界g3(x)=0的方向。若取?1=2.909，则本次迭代点 即为该问题的约束最优点x* 则得约束最优解 将有约束的优化问题转化为无约束优化问题来求解。前提：一是不能破坏约束问题的约束条件，二是使它归结到原约束问题的同一最优解上去。 构成一个新的目标函数： 惩罚项 惩罚因子 惩罚函数 6.3 惩罚函数法 从而保证 惩罚项必须具有以下极限性质： 根据惩罚项的不同构成形式，惩罚函数法又可分为内点惩罚函数法、外点惩罚函数法和混合惩罚函数法 6.3 惩罚函数法 一. 内点惩罚函数法 基本思想 内点法将新目标函数Φ( x , r ) 构筑在可行域D内，随着惩罚因子r(k)的不断递减，生成一系列新目标函数Φ(xk, r(k))，在可行域内逐步迭代，产生的极值点xk*(r(k))序列从可行域内部趋向原目标函数的约束最优点 x* 。 例：min. f(x)=x s.t. g (x) =1-x ≤ 0 X1* X2* X* 2. 惩罚函数的形式 ① ② 其中：惩罚（加权）因子 降低系数 c： 0 c 1 当x在可行域内远离约束边界时： 当x由可行城内靠近约束边界时： 障碍项 3. 几个参数的选择 惩罚因子初始值 r(0) 的选择： 过大、过小均不好，建议考虑选择r(0) =1或者： 2. 降低系数 c 的选择： c 的典型值为0.1～0.7。 3. 初始点 x (0) 的选择： 要求：　① 在可行域内； ② 不要离约束边界太近。 方法： ① 人工估算，需要校核可行性； ② 计算机随机产生，也需校核可行性。 ③ 搜索方法： 任意给出一个初始点； 判断其可行性，若违反了S个约束，求出不满足约束中的最大值： 应用优化方法减少违反约束： 以求得的设计点作为新初始点，继续其判断可行性，若仍有不 满足的约束，则重复上述过程，直至初始点可行。 ④ 判断是否收敛： 4. 步骤： ① 选取合适的初始点 x(0) ，以及 r(0)、c、计算精度 ε1、ε2 ，令 k=0； ② 构造惩罚（新目标）函数； ③ 调用无约束优化方法，求新目标函数的最优解 xk* 和 Φ(xk , r(k) ) ； 若均满足，停止迭代，有约束优化问题的最优点为 x*=xk*； 若有一个准则不满足，则令 并转入第 3 步，继续计算。 例：用内点法求下列问题的最优解： 构造惩罚函数 1 1 2 二.外点惩罚函数法 1. 基本原理 外点法将新目标函数Φ( x , r ) 构筑在可行域 D 外，随着惩罚因子 r(k) 的不断递增，生成一系列新目标函数 Φ(xk ,r(k))，在可行域外逐步迭代，产生的极值点 xk*(r(k)) 序列从可行域外部趋向原目标函数的约束最优点 x* 。 新目标函数： 例：求下述约束优化问题的最优点。 min. f (X) = x x ∈ R1 s.t g (X) = 1-x ≤ 0 惩罚函数可取为 2) 惩罚因子 1) 当设计点在可行域内时,惩罚项为0, 不惩罚; 当设 计点在可行域外 时, 惩罚项大于0, 有惩罚作用. 外点法可以用来求解含不等式和等式约束的优化问题。 衰减项 1. 惩罚函数的形式 3. 几个参数的选择 ①r (0) 的选择: r (0) 过大，会使惩罚函数的等值线变形或偏心，求极 值困难。r (0) 过小，迭代次数太多。 r (0) ＝1或者 ②x(0) 的选择： 基本上可以在可行域内外，任意选择。 ③递增系数c的选择： 通常选择 5 ～ 10，可根据具体题目，进行试算调整。 内点法特点： ??? （1）初始点必须为严格的可行点 ??? （2）不适于具有等式约束的数学模型 ??? （3）迭代过程中各个点均为可行设计方案 ??? （4）一般收敛较慢 ??? （5）初始惩罚因子要选择得当 ??? （6）惩罚因子为递减，递减率c有0c1 ? 外