多变量约束优化方法.DOC

第7章 多维约束优化方法 Chapter 7 Constrained Several Variables Technique 7-1 概述 Summarize 工程中的优化设计问题绝大多数是约束优化问题，即 约束最优点不仅与目标函数的性质有关，也与约束函数的性质有关。因此，约束优化问题比无约束优化问题情况更复杂，求解困难也更大。 根据对约束条件处理方法的不同，解决约束优化问题的方法分成二类: 直接法 Direct Method 寻优过程直接在设计空间的可行域D内进行，但对每一个迭代点必须进行可行性 和下降性检查。直接算法简单，直观性强，对目标函数和约束函数的函数性态没有特殊的要求。但是它的计算量大、收敛速度慢，因此效率低，比较适用于解决低维数的、具有不等式约束的优化问题。这类算法包括随机方向法、复合形法等。 间接法 Indirect Method 间接法的主要思路是，首先将约束优化问题转化为无约束优化问题，然后再用无约束 优化方法来进行求解。间接解法分很多类，其中比较有代表性的、用的比较广泛的是惩罚函数法。 7-2 惩罚函数法 Penalty Method 在将约束优化问题转换成无约束优化问题时,惩罚函数法的处理思路与拉格朗日法很相似, 都是把目标函数与约束条件合并形成新的函数,而后求其最优解。但惩罚函数法得到的新函数不是一个而是一个系列。因此，用无约束优化算法求解得的最优解也是一个系列，即，当时，。因此，惩罚函数法又称序列无约束最小化技术Sequential Unconstrained Minimization Technique ， 即SUMT法。 7-2-1惩罚函数法的基本原理 Principle 根据约束优化问题 构造新的函数 --- 惩罚函数 其中，，是和的复合函数；是在迭代过程中随迭代次数的增大而不断调整的参数，称为惩罚因子Penalty Factor，它们是单调增monotone increasing (decreasing) 或者单调减的正实数数列positive real number；和称为惩罚项 Penalty term，其值为非负。 从惩罚函数的表达式可以看到，惩罚函数值在一般情况下总是大于原目标函数的值，即。为了使惩罚函数的最优解最后能够收敛到原目标函数的最优解，一方面要构造合适的复合函数和，使其在惩罚函数的极小化过程中，当迭代点不满足原约束条件时受到惩罚；另一方面，随着迭代次数的增加，不断地调整惩罚因子的值，使惩罚项的惩罚作用越来越小并趋于消失。因此，构造的惩罚项应具有如下性质 根据惩罚项的函数形式，惩罚函数法又分为内点惩罚函数法、外点惩罚函数法和混合惩罚函数法。 7-2-2 外点惩罚函数法 Exterior Point Penalty Method 1）. 特点 用外点惩罚函数法求解约束优化问题时，惩罚函数定义在可行域外，在寻优过程中无约束的序列最优点 是从可行域的外部逼近原约束优化问题最优解的。在可行域内部，原目标函数与惩罚函数的等值线重合（即），而在外部，由于惩罚起作用，惩罚函数的等值线有畸形的趋势。用外点法即可以求解不等式约束优化问题，又可以求解等式约束优化问题。 仅有不等式约束的外点惩罚函数 （1）问题 （2）惩罚函数 （3）说明 式中， , 惩罚因子为单调增的正数数列 （I）当迭代点满足约束条件时，无论取何值都有，此时有，惩罚项不起作用； (II) 当迭代点不满足约束条件时，如，就有 ，表明惩罚项起作用了，迭代点离边界越远，项就越大，其惩罚作用也就越大，就迫使迭代点向可行域靠拢，最终； (III) 惩罚因子是一个递增的正值数列，即，在计算过程中一般按迭代式取，其中 （一般取5~10）。 （4）迭代过程及算法框图(见教材P109) 选择初始点(可任选,但的无约束极值点均在可行域外)，收敛精度(黄金,无约束,约束3个)，确定及 如； 置计数器 ; 选用一种无约束算法，求的无约束极值点 ； 检验收敛精度， ，； ， 3 )。 (5) 例题 例7-1 用外点法求下列优化问题的最优解 解: 外点惩罚函数 所以在可行域外, 惩罚函数 , 令, 其无约束 的极值点为 当 （图略见教材） 例7-2 用外点法求下列优化问题的最优解 解：构造惩罚函数 在可行域外有惩罚函数