4、第四章节一维搜索方法.ppt

1、单峰(谷）区间 若在某区间内函数有唯一的极小点，这个搜索区间就是单峰区间。 黄金分割法适用于[a,b]区间上的任何单峰函数求极小值问题。对函数除要求“单谷”外不作其他要求，甚至可以不连续。因此，这种方法的适用面相当广。 作业：用黄金分割法求函数f(x)=3x3-4x+2的极小点，给定 x0=0, h=1, ε=0.2。 二、抛物线法（二次插值法） 例：用二次插值法求函数f(x)=3x3-4x+2的极小点，给定 x0=0, ε=0.2。初始区间[a,b]=[0,2], 解 ： 1）取中间点x2=1。 例：给定 ,试用牛顿法求 其极小点 解： 给定初始点： 控制误差： 1、基本思想: 是利用目标函数在若干点的信息，构成一个与目标函数值相近似的低次插值多项式p(x)，然后用多项式p(x)的最优解作为函数的近似最优解(即p’(x*p)=0的根)作为目标函数f(x)的近似极值点。 2、公式推导 在极小点附近，用二次三项式 如何计算函数 令 以xm作为f(x)的极小点的估计值。 3、迭代过程： ① 确定初始搜索区间，定出初始插值结点； ③ 终止判断： 的极值点 和 ② 利用上述公式计算 ，则 为所求的极小点；如果 a: 当 时，如果 ，则 为所求的极小点； b: 当 时， 则需比较 和 的大小，以便在 四点中丢掉 充分利用函数值的信息； 二次插值法的优点： 收敛快；调用函数次数少 2）用二次插值法逼近极小点，相邻三点的函数值: x1=0, x2=1, x3=2; f1=2, f2=1, f3=18. 代入公式： xp*＝0.555, fp=0.292 * * 4.1 引言 求一元函数 求解一维优化问题的方法称为一维优化方法。 的极小点和极小值问题就是一维 最优化问题。 1、一维优化方法的迭代过程 优化方法所确定的搜索方向 步长因子 目标函数值下降 当方向 给定，求最佳步长 就是求一元函数 : 的极值问题，这一过程被称为一维搜索. 2、一维优化方法的分类： 一类是直接法：按某种规律取若干点计算其函数值， 然后通过函数值的直接比较来最后确定最优解。 菲波那契法（Fibonaui法）、黄金分割法等。 一类是间接法：要利用函数的导数，故称解析法， 牛顿法和二次插值法。 （1）确定初始搜索区间 函数极小点在内的单峰区间； 内寻求极小点。 一维优化一般分为两大步骤： ,该区间应包括一维 （2）在单峰区间 4.2 确定初始区间的进退法 一、一维搜索的基本思想 图形特点： “高—低—高” 单峰区间中一定能求得一个极小点 函数值的特点： “大－小－大” O f ( a ) b x * x a 二、确定初始单峰区间的进退法 基本思想： 按照一定的规则试算若干个点，比较其函数值的大小，直至找到函数值按“高-低-高”变化的单峰区间。 c:如y1＝y2，极小点在a1和a1＋h之间。 b:若y1y2, 向左后退；h=-h，取a3=a1-h,并计算 y3=f(a1-h),若y3≥y1,则[a,b]=[a1-h,a1+h]， 否则继续加倍步长后退； 步骤： （1）选定初始点a, 初始步长h，a2=a1+h,计算 y1＝f(a1),y2＝f(a2)。 （2）比较y1和y2。 a:如y1y2,向右前进,加大步长h＝2h, a3=a2+2h,计 算y3＝f(a3)，若y2≤y3,则区间[a,b]=[a1,a1+3h] 否则，步长再加倍继续。 进退法程序框图 例：试用进退法确定函数 初始单峰区间 。设初始点 ，初始步长 的一维优化 (1)取 ,因 ,则 ； 解： (2)因为 故作前进计算， (3)因为 再继续作前进运算，此时： 初始搜索区间 三点的函数值分别是4，0，16 （4） f1＝f（a1）， f2＝f（b1） 4.3 一维搜索的区间消去方法_求最优值 基本思想 f(a1) f(b1) f(a1) f(b1) f(a1) f(b1) a1 a1 a1 b1 b a a b a b b1 b1 搜索区间确定之后，采用区间消去法逐步缩短搜索区间，从而找到极小点的数值近似解。 假定在搜索区间[a,b]内，任取两点a1,b1; f(a1) f(b1) f(a1) f(b1) f(a1) f(b1) a1 a1 a1 b1 b a a b a b b1 b1 综合为两种情况： ①若 则取 为缩短后的搜索区间。 ②