第五章节-约束优化方法.pptVIP

§5-3 约束随机方向法 §5-4复合形法 1) 初始点X0的确定(必须为内点) * 用现有机器参数作初值; * 用图解法; * 用随机方法; * 用内点法求内点. 例: 解: 惩罚函数 在D内 , 对于固定 的 , 令 得 0.5 0.5 1 0 … 0.5179 55.9017 0.5089 1.0179 1/6250 … 0.7 5 0.6 1.2 1/50 0.9472 2.2361 0.7236 1.4472 1/10 1.5 1 1 2 1/2 B(x*) f(x*) x* r(k) 0.5 0.5 1 0 … 0.5179 55.9017 0.5089 1.0179 1/6250 … 0.7 5 0.6 1.2 1/50 0.9472 2.2361 0.7236 1.4472 1/10 1.5 1 1 2 1/2 B(x*) f(x*) x* r(k) 3. 应用内点法应注意的问题 ---X0, r(0), c 的确定 2）罚因子的初值 * 过大, 会使 的最优点比 X0 离真正的最优点更远; 过小,在域内的惩罚作用小, 在接近边界时则突然加大使性态变坏, 且有可能使迭代点越出可行域. Fox 推荐 3）递减系数C 本书推荐0.1—0.5. 三. SUMT外点法 1. 惩罚函数的构造 考虑非线性规划问题: s.t. 惩罚函数可取为 2) 罚因子 * 1) 时,惩罚项为0, 不惩罚; 时, 惩罚项大于0, 有惩罚作用. 因 边界时,惩罚项中大括号中的值趋于0,为保证惩罚作用,应取 2. SUMT外点法的迭代步骤 给定X0，c, r0, ε1, ε2, ε3 k=0, r(k)=r0, X(K)=X0 输出X*，F*=F（X*） 结束 是 是 是 否 否 否 求解 得极小点X* k=k+1 r(k)=cr(k) X(k)=X* ---初始点, 对凸规划可任意给定; * ---外点法点距精度; ---等式约束允许的误差限; ---不等式约束允许的误差限; ---罚因子的放大系数; ** 为使迭代点进入可行域, 可设约束容差带: 例: 解: 惩罚函数 在D外 , 对于固定的 , 令 得 1 1 2 … 0.999001 0.998003 1.999001 1000 0.990099 0.980296 1.99099 100 0.90909 0.82654 1.90909 10 0.5 0.25 1.5 1 f(x*) x* r(k) 3. 外点法与内点法的比较 1)外点法可解各类问题,内点法仅适于IP型问题; 2)外点法的初始点可任选,内点法的初始点必须为内点; 3)外点法的极小点系列一般在D外,内点法的极小点系列 在D内(全为可行点); k=0, X(k)=X0 , r(k)=r0 I2为空集 计算指标集 以X(K)为初始点, 求解 得X*。 输出 是 否 任取X0, 给定 r0 , c, §5-5 惩罚函数法 通过构造罚函数把约束问题转化为一系列无约束最优化问题，进而用无约束最优化方法去求解，这类方法称为序列无约束最小化方法。简称为SUMT法。 （Sequential Unconstrained Minimization Technique） 1.基本思想 D 有约束优化问题模型 p109 转化成 为增广函数，?惩罚函数 --罚因子，为大于零的可调参数 --罚函数的惩罚项 --泛函数 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。按一定的法则改变罚因子r 和m的值，求得一序列的无约束最优解，不断地逼近原约束优化问题的最优解。 2.分类 ① 内点法----将迭代点限制在可行域内; ② 外点法----迭代点一般在可行域外; ③ 混合法----将外点法和内点法结合起来解GP型问题. 一.内点法 1.基本思想 内点法将新目标函数Φ(X , r(k) ) 构筑在可行域 D 内，随着惩罚因子r(k) 的不断递减，生成一系列新目标函数 Φ(X(k),r(k))，在可行域内逐步迭代，产生的极值点 X(k) (r(k)) 序列从可行域内部趋向原目标函数的约束最优点X*。内点法只能用来求解具有不等式约束的优化问题。 转化后的惩罚函数形式为： D: r(k)是惩罚因子，是一个