第五章 单纯形优化设计法1.pptVIP

第五章 单纯形优化设计法 第二节 基本单纯形 二.初始单纯形的确定 上述方法是根据初始点和步长来计算初始单纯形的各个顶点，各因素的步长是相同的,称作固定步长法或正规单纯形法。 如二因素实验举例： 因素1：pH，因素2：温度。 初始值x0=(7.0,40);步长a1=0.5, a2=5。 这是几维单纯形？有几个顶点？ 第一个顶点x1=(x11,x12)=(x01+p1,x02+q2) =(7.0+a1,40+0.2588*a2) 第二个顶点x2=(x21,x22)=(x01+q1,x02+p2) =(7.0+0.2959*a1,40+0.9659*a2) 实际过程中，各因素步长和单位并不相同，利用这种方法会变得很麻烦，在实际应用中问题较多。 Long系数法、均匀设计法和黄金分割法也常用于初始单纯形的构造。我们下面再介绍前两个构成初始单纯形的方法。 Long系数表法 D.E. Long提出一种用系数表构成初始单纯形各顶点的方法，可以解决试验设计中初始单纯形的构成问题。 使用时把表中的对应值乘上该因素的步长后，再加到初始点坐标上。 例：有一个二因素的设计过程，其初始点为(10.0,2.0)；步长为1.0和0.5，据Long系数表来计算其余两个顶点的坐标 顶点1： （10.0,2.0） 顶点2： （10.0+1.00×1.0，2.0+0×0.5） =（11.0,2.0） 顶点3： （10.0+0.5×1.0，2.0+0.866×0.5） =（10.5，2.433） 均匀设计表法 利用Long系数表法所构成的初始单纯形各顶点在空间的分布是不均匀的，因此进行的是不均匀优化。 均匀设计表改变了这个缺点，使各顶点在空间均匀分布，这样进行的优化就是整体的均匀优化。 据所选因素的因素数，确定一个比较合适的均匀表，使用时把表中的对应数值乘以响应因素的步长，加到初始点坐标上即可。 例：我们有一个四因素的优化过程，因此可以选用四因素的均匀设计表。设初点为(1.0,1.0,1.0,1.0);步长为0.5,1.0,0.5,2.0。要求计算初始单纯形的各顶点。 顶点1： （1.0+1 ×0.5,1.0+2 ×1.0, 1.0+3 ×0.5,1.0+4 ×2.0） =（1.5,3.0,5.5,9.0） 顶点2： （1.0+2 ×0.5,1.0+4 ×1.0, 1.0+1 ×0.5,1.0+3×2.0） =（2.0,5.0,2.5,7.0） 顶点3： （1.0+3 ×0.5,1.0+1×1.0, 1.0+4 ×0.5,1.0+2 ×2.0） =（2.5,2.0,7.0,5.0） 顶点4： （1.0+4 ×0.5,1.0+3 ×1.0, 1.0+2 ×0.5,1.0+1 ×2.0） =（3.0,4.0,4.0,3.0） 顶点5： （1.0+5 ×0.5,1.0+5 ×1.0, 1.0+5 ×0.5,1.0+5×2.0） =（3.5.6.0,8.5.11.0） 基于以上考虑，单纯形优化中有如下规定： 四.改进单纯形 改进单纯形法寻优的基本思想 ： 三.基本单纯形优化（有的文献称为移动、推进等） 确定了初始单纯形的n+1个试验点之后，可在这n+1个试验点的因素水平下做试验，得到n+1个指标值，根据指标值的优劣，逐步舍弃最差点，寻求好的实验条件，最终达到最优目标。 设在初始单纯形中最好的顶点记为xB，最差的记为xW，次差点记为xN。单纯形优化中首先舍去最差点xW，并引入一个新试验点xR，这个新试验点是由xW对除xW外的其余n个点的重心反映得到的。 因此首先计算除xW后的重心指标： （3） 然后将最差点xW对xp进行反映，得反映点xR： 该公式的另一个写法是： (3)* xR＝xP＋（xP- xW） (4) 求反映点公式的另一个写法是： NOTE：xR, xP和xW均为n维向量，其中每个元素的数值表示这些点处n个因素所取的水平。 (4)* 得到新点后在该点各因素水平下再做一次试验，然后再比较新单纯形（删除xW，加入xR）中各试验点处指标值的优劣，找出新的最差点。如此继续进行，逐渐逼近最优点。 NOTE：在单纯形寻优过程中，有时会出现一些问题，如：1）最差点反映到的新试验点的目标值在新单纯形中也是最差的，从而使寻优进入死循环； 2）或者某些新试验点的因素水平会超出这些因素的限制条件（如出现负值等）使新的试验无法进行。 那么如何解决这些问题呢？ （1）若新的反映点xR的指标值在