机械优化设计第六章节约束优化方法.pptVIP

随机方向法的特点 对目标函数的性态无特殊要求，程序设计简单，使用方便； 由于可行搜索方向的选择能保证目标函数下降最快，加之步长可以灵活变动，使得算法的收敛速度较快； 初始点的选择对于收敛迭代次数影响较大。 将约束优化问题 中的不等式和等式约束函数经过加权转化后，和原目标函数结合形成新的目标函数——惩罚函数 ——加权转化项 ——障碍项 ——惩罚项 —— 障碍项的作用是当迭代点在可行域内时，在迭代过程中将阻止迭代点越出可行域； ——惩罚项的作用是当迭代点在非可行域或不满足等式约束条件时，在迭代过程将迫使迭代点逼近约束边界或等式约束曲面。 ① 惩罚项和障碍项用约束条件构造; ② 到达最优点时,惩罚项和障碍项的值为0; ③ 当约束不满足或未到达最优点时,惩罚项和障碍项的值大于0. 构造惩罚函数的基本要求: 求解该新目标函数的无约束极小值，以期得到原问题的约束最优解。为此，按一定的法则改变加权因子 的值，构成一系列无约束优化问题,求得一系列无约束最优解，并不断的逼近原约束优化问题的最优解。因此惩罚函数法又称为序列无约束极小化方法，常称SUMT法，即(Sequential Unconstrained Minimization Technique)。 障碍项和惩罚项必须具有以下极限性质： 从而有 2．惩罚函数方法 内点惩罚函数法 外点惩罚函数法 混合惩罚