惩罚函数法考试.doc

  1. 1、本文档共14页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
惩罚函数法考试

惩罚函数法 惩罚函数法是一种用来求解约束优化问题的间接解法。 基本思想:将约束优化问题转化为一系列的无约束优化问题来进行求解,逐步逼近目标函数的最优解。该法也称为SUMT(Sequence Unconstrained Minimization Technique)法,亦称为序列无约束极小化方法。采用惩罚函数法进行求解时,是在原目标函数中添加一些与约束函数相关的项,形成一个新的目标函数(惩罚函数),并以它取代原目标函数,然后用无约束优化方法求新目标函数的最优解。 根据惩罚项的函数形式不同,可以分为内点法、外点法和混合法三种。 内点法 1. 基本原理 内点法的特点是将构造的新的无约束目标函数——惩罚函数定义在可行域内,并在可行域内求惩罚函数的极值点,即求解无约束问题时的探索点总是在可行域内部,这样,在求解内点惩罚函数的序列无约束优化问题的过程中,所求得的系列无约束优化问题的解总是可行解,从而在可行域内部逐步逼近原约束优化问题的最优解。。 内点法是求解不等式约束最优化问题的一种十分有效方法,但不能处理等式约束。因为构造的内点惩罚函数是定义在可行域内的函数,而等式约束优化问题不存在可行域空间,因此,内点法不能用来求解等式约束优化问题。 对于目标函数为 min s.t. (u=1,2,3,…m) 的最优化问题,利用内点法进行求解时,构造惩罚函数的一般表达式为 或者 而对于受约束于的最优化问题,其惩罚函数的一般形式为 或 式中,-----惩罚因子,是递减的正数序列,即 通常取。 上述惩罚函数表达式的右边第二项,称为惩罚项,有时还称为障碍项。 说明: 当迭代点在可行域内部时,有(=1,2,3,4,…m),而,则惩罚项恒为正值,当设计点由可行域内部向约束边界移动时,惩罚项的值要急剧增大并趋向无穷大,于是惩罚函数的值也急剧增大直至无穷大,起到惩罚的作用,使其在迭代过程中始终不会触及约束边界。 2. 内点法的迭代步骤 (1)取初始惩罚因子,允许误差; (2)在可行域内取初始点,令; (3)构造惩罚函数,从点出发用无约束优化方法求解惩罚函数的极值点; (4)检查迭代终止准则:如果满足 或 则停止迭代计算,并以为原目标函数的约束最优解,否则转入下一步; 根据情况,终止准则还可有如下的形式: 或 或 5)取,转向步骤3)。 递减系数,常取0.1,亦可取0.02。 采用内点法应注意的几个问题: (1)初始点的选取 初始点必须严格在可行域内,满足所有的约束条件,避免为约束边界上的点。 如果约束条件比较简单,可以直接人工输入;若问题比较复杂,可采用随机数的方式产生初始点,具体方程参照复合形法介绍。 (2)关于初始惩罚因子的选择。实践经验表明,初始惩罚因子选的恰当与否,会显著地影响内点法的收敛速度,甚至解题的成败。 若值选得太小,则在新目标函数即惩罚函数中惩罚项的作用就会很小,这时求的无约束极值,犹如原目标函数本身的无约束极值,而这个极值点又不大可能接近的约束极值点,且有跑出可行域的危险。相反,若值取得过大,则开始几次构造的惩罚函数的无约束极值点就会离约束边界很远,将使计算效率降低。可取1~50,但多数情况是取。 通常,当初始点是一个严格的内点时,则应使惩罚项在新目标函数中所起的作用与原目标函数的作用相当,于是得 倘若约束区域是非凸的且初始点亦不靠近约束边界,则的取值可更小,约为上式算得值的0.1~0.5倍。 内点法的计算程序框图 例题:用内点法求 min s.t. (u=1,2,3,…m) 的约束最优解。(取0.001) 解:构造内点惩罚函数为 用极值条件进行求解 , 联立上式求得 , 由于约束条件的限制,可得无约束极值点为 当取1,0.1,0.01,…→0时,可得最优解为 , 编程方式实现: 惩罚函数 function f=fun(x,r) f=x(1,1)^2+x(2,1)^2-r*log(x(1,1)-1); 步长的函数 function f=fh(x0,h,s,r) %h为步长 %s为方向 %r为惩罚因子 x1=x0+h*s; f=fun(x1,r); 3. 步长寻优函数 function h=fsearchh(x0,r,s) %利用进退法确定高低高区间,利用黄金分割法进行求解 h1=0;%步长的初始点 st=0.001; %步长的步长 h2=h1+st; f1=fh(x0,h1,s,r); f2=fh(x0,h2,s,r); if f1f2 h3=h2+st; f3=fh(x0,h3,s,r); while f2f3 h1=h2; h2=h3; h3=h3

文档评论(0)

yurixiang1314 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档