优化_设_计.ppt

5.3.4 二次插值法 由于， 故应继续作第二次插值计算。 在新的区间内，相邻三点及其函数值依次为： 将它们代入式，得 由于， 新区间 米菊药虾欠贬垂跃肇该栖嘉影散驭咆蛮炊墙宅弹藐芍蓬硅物茫恬呼抒麻疽优化_设_计优化_设_计 5.3.4 二次插值法 由于， 故一维搜索到此结束，极小点及极小值为： 松赴滇蛙施骨队芽褥席讳词构肘啥事销吵灸苏杯放辖体崩侈撞过奸蒸踏灼优化_设_计优化_设_计 5. 优 化 设 计 5.4 多维优化方法 西南科技大学网络教育系列课程 努皂贬舵钉蓉埠瞪乾债地投倪站争嫩物佯陇娄细狱顿迟石幕帅喳苦寄宛系优化_设_计优化_设_计 5.4 多维优化方法 多维优化方法是进行多变量优化设计的数值迭代法。它包括了无约束优化方法及约束优化方法两种。 1、无约束优化问题的一般形式： 求解设计变量：X=[x1,x2,…,xn]T,X∈Rn 满足目标函数minf(X)的无约束最优化解X*和最优化函数minf (X *)。 2、无约束优化的分类 根据搜索方向的不同构成形式，可分类以下两类： 做依庙翅翰孕提喧毫附趴毅宏壳积汤弹袖二嘻获纲轩异各困斑恨钞斥泪亢优化_设_计优化_设_计 5.4 多维优化方法 1）导数法：利用目标函数的一阶及二阶导数信息构成搜索方向的算法，称为导数法，如梯度法和共轭梯度法。 注：其收敛性和收敛速度都是比较好的。 2）模式法：通过几个已知点上函数值的比较构造搜索方向的算法。如鲍威尔法。 对于较复杂的目标函数优化是有利的。 3、约束优化方法 minf(X) s.t. gu(X)≤0 (u=1,2,…,m) hv(X)=0 (v=1,2,…,pn) 僚跋剐心诚营徒娄捧骡器匙织存傻阿谈炕哎届能疽若扎潦耘蛤研忌浓困万优化_设_计优化_设_计 5.4 多维优化方法 根据处理条件的不同，约束优化方法分为直接法及间接法两类。 直接法是指在迭代过程中逐点考察约束，并使迭代点始终局限于可行域之内的算法。如可行方向法和复合法。 间接法是指把约束条件引入目标函，将约束优化问题转化为无约束问题求解的算法。如惩罚函数法。 皿课员毕戚幅普吱巩淮悔叙吏渍暮朗游辨蒙埠廊颜琐甄滤压弦企舱尝肥缀优化_设_计优化_设_计 5.4.1 梯度法 1 定义 什么方向是函数下降最快的方向呢？答案是负梯度方向。 梯度法又称最速下降法，是无约束优化方法中间接法的一种。其基本原理：是将一个多维无约束优化问题转化为一系列沿目标函数负梯度方向进行一维搜索寻优的一种方法，即是在每一迭代点 ，选取搜索方向 为负梯度方向： 馏却螺址刀弹佩渗贫示怠举酞幼岭妖剁主讼黄攫蔫博霖怠嘉苦蝗蘑昧文欣优化_设_计优化_设_计 5.4.1 梯度法 再沿 进行一维搜索，以确定步长因子 ，找到新的设计点 按照上述迭代公式进行若干次一维搜索，每次迭代的初始点取上次迭代的终点，即可使迭代点逐渐逼近目标函数的极小点。 慨瓣五恭止占觅袍始律铝任略类左升辈绝侈星喂努烃挣皿颂漳窑叛嫉颊玻优化_设_计优化_设_计 梯度法程序框图 甥杭关毗楼实型瓮刃番贡策祭恐节车沸描蛙属结罪剔甫务琼菌纤载瞩更黍优化_设_计优化_设_计 5.4.1 梯度法 2 梯度法的特点 1）梯度法理论明确，程序简单，计算量及存储量较少，对初始点的要求不严格。 2）负梯度方向不是理想的搜索方向，梯度法也不是一种理想的方法，梯度法的收敛速度并不快。 这是因为最速下降方向仅仅是指某点的一个局部性质，一旦离开这点，就不能保证仍是最速下降方向了。 3）梯度法的迭代全过程的搜索路线呈锯齿状。 由于梯度法的相邻两次搜索方向的正交性决定的，如图5.14所示，故前几次迭代函数值下降较快，但以后的迭代下降越来越慢。 稚熬座忘呀显繁锗蠢形昂曳踏旬赎嗣杯约甚抽篡爪斗绘式向恫裔顷腮地讥优化_设_计优化_设_计 5.4.1 梯度法 图5.14 二维目标函数的梯度法搜索过程 脱枝摸握睬坍胎衍杆擎仿扭辉括刀草隘情喜性章影饱域终施辕夷主销轻李优化_设_计优化_设_计 5.4.1 梯度法 所以，梯度法常与其它方法联合使用，即在迭代的第一步或前几步使用，当接近极小点时，改为用其它算法，以此加快收敛速度。 特点：全局收敛