罚函数.ppt

罚函数法 罚函数法求解带约束的非线形规划问题的基本思想是：利用问题的目标函数和约束函数构造出带参数的增广目标函数，把约束非线性规划问题转化为一系列无约束非线性规划问题，进而用无约束最优化方法求解约束问题。 增广目标函数 增广目标函数由两个部分构成，一部分是原问题的目标函数，另一部分是由约束函数构造出的“惩罚”项，“惩罚”项的作用是对“违规”的点进行“惩罚”。 罚函数的分类 罚函数法主要有两种形式：外点法和内点法。 外点法的迭代点一般在可行域的外部移动，随着迭代次数的增加，“惩罚”的力度也越来越大，从而迫使迭代点向可行域靠近； 罚函数的分类 内点法从满足约束条件的可行域的内点开始迭代，并对企图穿越可行域边界的点予以“惩罚”，当迭代点越接近边界，“惩罚”就越大，从而保证迭代点的可行性。 一、外点法 非线性规划的一般形式为： min f(X) s.t. hi(X) = 0, i=1, 2, …, m gj(X) ≥ 0, j=1, 2, …, L 或： min f(X)，X∈R R={X| gj(X) ≥0， j=1, 2, …, L （1） 外点法 对于式子（1），为求最优解，构造一个函数 ψ(t)=0， 当t≧0， ψ(t)=∞， 当t＜0。（2） 先把gj(x) 视为t，显然 当X∈R时，ψ(gj(X))=0 j=1,2,…,L 当X￠R时，ψ(gi(X))=∞。 外点法 再构造函数 现求解无约束问题minψ(X) （3） 若该问题有解，假定其解为X*,则（2）式应有ψ(gj(X*))=0 。这就是说X*∈R。 因而，X*不仅是问题（3）的极小解，也是原问题（1）的极小解.这样就把有约束问题（1）式化为求解无约束问题（3）式 外点法 但是用上述方法构造的函数ψ(t)在t=0处不连续，更没有导数。因此，将函数修改为ψ(t)=0，当t≧0，ψ(t)=t2，当t＜0。 修改后的函数ψ(t)，当t=0时导数等于零， 而且ψ(t)和ψ(t)’对任意t都连续。当 X∈R时仍有 外点法 当X￠R时， 我们取一个充分大的数M0，将 改为 或等价 外点法 从而可以使minP(X,M)的解X（M）为原问题的极小解或近似极小解。若求得的X（M）∈R,则它必定是原问题的极小解。事实上，对于所有X∈R 即当X￠R时，有f(X) ≧f（X(M)） 外点法 函数P(X,M)称为惩罚函数，其中 称为惩罚项。 若对于惩罚因子M，随着M值的增加，惩罚函数函数中的惩罚项所起的作用随之增大，minP（X,M）的解X(M)与约束R的“距离”就越来越近。 外点法 当0M1M2…Mk…趋于无穷大时，点列{X（Mk）}就从可行域R的外部趋于原问题的极小点Xmin（此处假设点列{X（Mk）}收敛） 外点法的计算步骤： （1）取M10，允许误差ε0,并令k：=1。 外点法 （2）求无约束极值问题的最优解： 其中 外点法 （3）若对某一个j(1≤j≤L)有 则取Mk+1Mk,令k:=k+1,并转向第2步，否则停止迭代得 外点法 例题：求解非线性规划 minf（X）=x1+x2 g1（X）=-x12+x2≥0 g2(X)=x1≧0 外点法 解：构造罚函数： P(X,M)=x1+x2 +M{[min(0,(-x12+x2))] 2+[min(0,x1)]2} 外点法 对于不满足约束条件的点X=(x1，x2)T,有 -x12+x20, x10 令： 得minP(X,M)的解为 取M=1,2,3,4,可得出以下结果： M=1： X=（-1/4,-7/16）T M=2: X=(-1/6,-2/9)T 外点法 M=3: X=(-1/8,-29/192)T M=4: X=(-1/10,-23/200)T 可知X(M)从R的外面逐步逼近R的边界，当 时，X(M)趋于原问题的极小值解Xmin=(0,0)T 二、内点法 内点法与外点法相反，内点法要求每次迭代得到的近似解都在可行域内。 为此，把初始点取在可行域内部（既不在外部也不在边界上），并在可行域边界上设置一道“障碍”，使迭代点靠近可行域的边界时，给出的新目标函数值迅速增大，从而使迭代点始终留在可行域内部。 内点法 核心： 仿照外点法，通过函数叠加的办法改造目标函数，使改造后的函数，在可行域R内部离边界线较远处，与目标函数f(X)尽可能相近，而在接近R的边界面时可以有任意大的值。 内点法 根据上述叙述，可将标准非线性规划转化为一系列无约束性质的极小化问题： （1） （2） 内点法 或 （3） 式子右端第