机械优化设计3一维优化方法.pptVIP

机械优化设计第三章 长江大学机械工程学院(HQS) §3.1 引言 六）一维搜索的步骤 §3-2 确定初始搜索区间的进退算法 §3-3 黄 金 分 割 法(0.618) 三）基本思路 ②关于缩小区间总次数的证明 §3-4 二次插值法（抛物线法） 二）二次插值曲线的极小点 假若f(x)本身为二次函数，则在理论上按前式一次求值就可找到最优点 。 若f(x)为高于二次的函数或为其他函数 ,可采用区间消去法逐步缩小区间 。 根据xp* ，x2，f(xp* )和f(x2)的相互关系，分4种情况进行区间缩小。 在已有的四x1,x2,x3,xp* 中选择新的三个点x1,x2,x3，再进行二次插值。 选点要求： x1x2x3, f1f2, f2f3 （高－低－高形态） 三）区间的缩短 四）终止判别条件 ⅰ)A=0 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 初始区间[a,b]=[0,2], 中间点x2=1。 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。 xp*＝0.607, f*=0.243 §3-5 三次两点插值法 三）插值多项式系数 四）插值函数的极小点 牛顿法的优点是收敛速度快。缺点是要计算函数的一阶和二阶导数，因而增加了每次迭代的工作量。如果用数值微分计算函数的二阶导数，其舍入误差将严重影响牛顿法的收敛速度， f’(x)的值越小，这个问题就越严重。另外，牛顿法要求初始点选的比较好，也就是说应离极小点不太远，否则有可能使极小化序列发散或收敛到非极小点。 1. 二次插值(抛物线法)基本原理： 步骤： 求出a、b后得 2）求系数a和b 1）求驻点 插值多项式： 如果 ，以x2,xp* 中函数值较小的点作为最优点x*。 二次插值法的程序框图 x4=0.5(x1+x2) f4=f(x4) x1=x4 f1=f4 x3=x2 f3=f2 x2=x4 f2=f4 x1=xp f1=fp x3=x2 f3=f2 x2=xp f2=fp x1=x2 f1=f2 x2=xp f2=fp x3=xp f3=fp 是 否 输出 二次插值法缩小区间流程图 输入 xpx2 f4f2 f2fp f2fp xpx2 是 是 是 是 否 否 否 否 第一次迭代不能判别，且要设置一单元 存放前次所得的 。 采用点距准则（前后两个插值点的距离不超过误差限）： 五）迭代步骤 f1=f(x1)，f3=f(x3), x2=0.5(x1+x3)，f2=f(x2) K=0 A=f1(x2-x3)+f2(x3-x1)+f3(x1-x2) 计算xp，fp 缩短区间 K=K+1 xp0=xp 否 (xp-x1)(x3-xp)≤0 xp-xp0 ≤ε A=0 K0 x*=xp,f*=fp x*=x2, f*=f2 否 给定 x1、x3、ε 否 否 是 结 束 是 是 是 本书认为是由于区间缩到很小时因计算机舍入误差引起，可取中间点输出。 ⅱ) 这表明此时三个插值点共线。 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 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。 例 3-4 用二次插值法求 的极值点。初始搜索区间 ， 。 解：取x2点为区间[x1,x3]的中点， , 计算x1,x2,x3 3点处的函数值f1=19，f2=-96.9375，f3=124。可见函数值满足“高－低－高”形态。 以x1,x2,x3为插值点构造二次曲线， 求第一次近似的二次曲线p(x)的极小值点，由公式得：