第十一章 外点惩罚函数法.pptVIP

外点惩罚函数法;惩罚函数法-基本概念;定义; 分类： 惩罚函数法的基本思想就是把等式和不等式约束条件，经过适当定义的复合函数加到原目标函数上，从而取消了约束，转化为求解一系列的无约束问题。按照惩罚函数在优化过程中迭代点是否为内点，又分为内点法、外点法和混合法三种。;外点惩罚函数法-基本原理; 对于任意给定的惩罚因子r（k）＞0，函数Ф（x，r（k））是凸的。令函数Ф（x，r（k））的一阶导数为零，可得其无约束极值点x*（r（k））=1-1/(4r(k))和惩罚函数值为 下表列出了当惩罚因子赋予不同值时的条件最优解。由此可见，当惩罚因子递增时，其极值点x*（r（k))离约束最优点x*越来越近。当r（k）→∞时， x*（r（k))→x*=1，趋于真正的约束最优点。因此，无约束极值点x*（r（k))将沿直线Ф（x*，r（k））=1/2+x*/2从约束区域外向最优点x*收敛。 ; 可见，外点惩罚函数法是通过一系列惩罚因子 {r（k）（k=0,1,2……）}的函数Ф（x，r（k））的无约束极值从可行域外逐步逼近原约束问题最优解的一种方法。; 值得注意的是，尽管 增加直至趋于无穷大，但最终 的近似最优点x*仍在可行域的外部。 即外点法构造的罚函数是使迭代点从可行域的外部逐 渐逼近约束最优点，这正是外点法名称的由来。;一般形式：;;;Ф（x，r（k））的无约束最小点与f（x）的约束最小点是否相等？; 从图5-7可以看出，当取r（0）值时，其极小点为 x*（r（0）），此点是非可行点。很明显它不是原问题的约束最优点，当r（k）取值增大时，极小点x*（r（k））逐渐向可行域边界逼近，当r（k）值达到足够大时，x*（r（k））就是原问题最优点x*的近似解。因为当r（k）趋近于无穷大时 外点惩罚函数Ф（x，r（k））的极小点x*（r（k））是在可行域外以参数r（k）为函数，将从可行域外侧逐渐向约束边界运动，最后趋近于原问题的约束最优解x*。;r(k)与r（0）的选择;终止准则可用下述两者之一;外点法算法步骤;外点法流程图;使用中的问题; 在外点法中，判断无约束极值点x*r（k）是否为最优点x*，其中，要看x*r（k）点离约???面的距离，若x*r（k）点处于约束边界上，则gu（x*r（k））=0，但实际上只有当迭代次数k→∞才能达到，这需要大量计算。因此，通常规定某一精度值δ0=10-3~10-5,只要x*r（k）满足 Q=max{gu[x*(r(k))] u=1,2,……m}≤δ0 条件，就认为已经达到约束边界。这样只能取得一个接近于可行域的非可行设计方案。当要求严格满足不等式的约束条件时，为了最终取得一个可行的最优化设计方案，必须对那些要求严格满足的约束条件，增加约束欲量—— δ，定义新的约束条件 gu(x)=gu(x)+δ≤0 u=1,2,……m;用外点罚函数法解等式约束优化问题;按外点法的基本思想，构造惩罚函数