第三讲 一维优化方法_附件.ppt

第三章 一维优化方法 济南大学 机械设计系 王桂从 第三章 一维优化方法 本章所解决的基本问题是对一维目标函数 F(x) 求最优点的问题，它虽然是求单变量极值问题，考虑到很多时候函数的求导比较困难，甚至根本不可导，所以在最优化技术中一般不用解析法而是采用直接探索方法求最优点，对单变量直接探索称为一维探索或一维搜索，这种求优的方法称为一维优化方法。 对于多维的优化问题，一般是转化为一维问题处理，所以一维优化方法是用于求解多维优化的基础。 二维优化问题中一维搜索 第三章 一维优化方法 Fibonacci法/分数法 格点法 黄金分割法*** 二次插值法*** 3.1 搜索区间的确定 在一维搜索时，需要确定一个搜索区间[a，b]，此区间必须包含函数的极小点 x*，因此搜索区间必须是单峰区间，即该区间内的函数值呈现“高-低-高”的趋势。如图所示，通过将搜索区间[a，b]逐渐缩小，直至足够小，就可以得到近似最优点。 确定初始搜索区间—进退法 对于比较简单的一维优化问题，其搜索区间可以根据实际情况确定，但对于多维优化问题，在每一次一维搜索之前都用人为方法确定搜索区间是很困难的。所以必须建立一定的方法，使计算机在优化过程中自动地确定。 一、试探搜索 一、前进搜索 二、前进搜索 三、后退搜索 三、后退搜索 四、进退法确定搜索区间流程图 例题 3.2 一维搜索的最优化方法 在确定了搜索区间以后，一维优化的任务是采用某种方法将此区间逐步缩小，在满足收敛精度或迭代精度的情况下，使其达到包含极小点的一个很小的邻域，以取得一个近似的最优点。 一维优化的方法有如下几种： Fibonacci数列 Fibonacci数列 Fibonacci数列的性质 数学定义： 一维搜索算法——试探法原理 试探法主要有： 斐波那契法（序贯实验法）； 黄金分割法 (0.618法) 试探法原理 试探法原理 试探法原理 Fibonacci法算法步骤 Fibonacci法算法步骤 黄金分割法 1)若y1 y2，则极小点必在区间[a, x2]内，令b=x2，新区间为[a, x2] 2)若y1≥y2，则极小点必在区间[x1, b]内，令a=x1，新区间为[x1, b] 黄金分割法区间缩短 黄金分割法区间缩短 黄金分割法的分点选取原则 黄金分割法的搜索过程 1、给出初始搜索区间[a, b]及收敛精度 ?； 2、按坐标点计算公式计算，并计算相应的函数值； 3、缩短搜索区间； 4、检查是否满足收敛条件； 5、若满足收敛条件，则取最后两点的平均值作为极小点的近似解。 黄金分割法的流程图 例题 格点法 则最优解为：x* ? xm ， y* ? ym 若不能满足精度要求，把当前区间作为初始搜索区间，重复上述步骤直至满足精度为止 格点法的区间缩短 格点法流程图 例题 二次插值法 插值法与试探法的异同点 插值法与试探法的异同点 试探法仅仅利用了试验点函数值进行大小的比较，而插值法还要利用函数值本身或其导数信息。所以，当函数具有较好的解析性质时，插值方法比试探方法效果更好。 二次插值法 二次插值函数的构成 二次插值函数的构成 二次插值函数的构成 注意： 若c2=0， 则 即 说明三个插值点位于同一条直线上，因此说明区间已经很小，插值点非常接近，故可将 x2、f2 输出作为最优解。 二次插值法区间的缩短 第一次区间缩短的方法是，计算 xp* 点的函数值 fp*，比较 fp* 与 f2，取其中较小者所对应的点作为新的x2，以此点的左右两邻点作为新的x1和x3，得到缩短后的新区间 [x1，x3]，如图所示。 根据 fp* 相对于 x2 的位置，并比较 fp*与 f2 ，区间的缩短可以分为以下： 二次插值法区间缩短框图 终止准则及最优解 二次插值算法的流程图 例题3.4 例题3.4 例题3.5 例题3.5 一维优化方法的比较 格点法的结构及程序很简单,但效率偏低； 黄金分割法的结构简单，使用可靠，但效率也不高； 格点法和黄金分割法适于低维优化问题中的一维搜索； 二次插值法在同样搜索次数下，其计算精度更高，但程序略复杂，可靠性差些，对高维数的优化问题更适宜，经过某些技术处理，方法的可靠度可大为提高。 作业 用进退法确定函数 f(x)=3x3-8x+9 的一维优化初始区间，给定初始点 x1=0，初始进退距 h0=0.1 作业 例题3.3 试用黄金分割法求目标函数 f(x)=x2-6x+9 的最优解。给定初始区间[1，7]，收敛精度ε=0.4。 解：第一次区间缩短计算过程： 计算两内点及对应函数值： x1=a+0.382(b-a)=3.