最优化_第3章 一维搜索方法.ppt

二次插值法程序编制换名方法(1) 1) x2xp y2≥yp y2yp y2→y1 yp→y2 xp x1 x2 x3 x y2 yp→y3 xp x1 x2 x3 x x1 x2 x3 二次插值法程序编制换名方法(2) 2) x2xp y2 ≥ yp yp →y2 y2→y3 xp x1 x2 x3 x x3 x2 y2yp yp→y1 y2 xp x1 x2 x3 x x1 （1）二次插值法只要求f (x)连续，不要求其一阶可微； （2）收敛速度比黄金分割法快，但可靠性不如黄金分割 法好，程序也较长。 特点： §3.4 插值方法 二、二次插值法（抛物线法） 例 3-3 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。 解 1）确定初始区间:[a,b]=[0,2] 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 在新区间，相邻三点的函数值: x1=0, x2=0.555, x3=1; f1=2, f2=0.292, f3=1. xp=0.607, fp=0.243 由于fpf2, xpx2, 新区间[a, b]=[x2, b]=[0.555,1 ] |x2-xp |=|0.555-0.607|=0.0520.2, 迭代终止。 x*= 0.607, f*=0.243 由于fpf2, xp x2, 新区间[a, b]=[a, x2]=[0,1] |x2-xp |=|1-0.555|=0.4450.2, 应继续迭代。 yp →y2 y2→y3 xp x3 x2 x1 x2 x3 x x2 x3 xp 本章结束 Thank You！ 第三章 一维搜索方法 3.3 一维搜索的试探法 3.1 搜索区间的确定 3.2 区间消去法原理 3.4 一维搜索的插值法 求解一维目标函数 f(X) 最优解的过程，称为一维优化(一维搜索)，所使用的方法称为一维优化方法。 由前数值迭代法可知，求某目标函数的最优值时，迭代过程每一步的格式都是从某一定点X(k) 出发，沿着某一使目标函数下降的规定方向 S(k)搜索，以找出此方向的极小点X(k+1) 。这一过程是各种最优化方法的一种基本过程。 一维搜索方法一般分两步进行： 　　■ 首先确定一个包含函数极小点的初始区间，即确定 函数的搜索区间，该区间必须是单峰区间； 　　■ 然后采用缩小区间或插值逼近的方法得到最优步长， 最终求出该搜索区间内的一维极小点。 §3.1 搜索区间的确定 根据函数的变化情况，可将区间分为单峰区间和多峰区间。所谓单峰区间，就是在该区间内的函数变化只有一个峰值，即函数的极小值。 　　 即在单峰区间内的极小值点X* 的左侧：函数呈下降趋势， 而在单峰区间内的极小值点X* 的右侧：函数呈上升趋势。 也就是说，单峰区间的函数值呈“高-低-高”的变化特征。 §3.1 搜索区间的确定 x* a b x 0 f(x) 　　目前在一维优化搜索中确定单峰区间常用的方法是进退试算法。 进退试算法的基本思想为： 1) 按照一定的规律给出若干试算点， 2) 依次比较各试算点的函数值的大小， 3) 直到找到相邻三点函数值按“高-低-高” 变化的单峰区间为止 §3.1 搜索区间的确定 　进退试算法的运算步骤如下： (2)将α0及α0+h 代入目标函数 f(x) 进行计算并比较大小 (1)给定初始点α0和初始步长h §3.1 搜索区间的确定 f(x) x 0 a b a0 f(a0) a0+h f(a0+h) a0+3h f(a0+3h) f(x) x 0 a b a0-h f(a0-h) a0 f(a0) a0+h f(a0+h) 若f(α0+h) ≤ f(α0+3h) ，则所计算的相邻三点 的函数值已具“高-低-高”特征，这时可确定 搜索区间 　　(3)若f(α0 ) f(α0+h)，则表明极小点在试算点 的右侧，需做前进试算。 　　 否则，将步长再加倍，并重复上述运算。 §3.1 搜索区间的确定 在做前进运算时，为加速计算，可将步长h 增加2倍，并取计算新点为α0+h+2h=α0+3h 　　(4)若 f(α0) f(α0+h)，则表明极小点在试算点 的左侧，需做后退试算。