第11周+优选法.pptVIP

第10章 优选法 10.1 黄金分割 10.2 分数法 菲波那契数列 ： F0＝1，F1＝1，Fn＝Fn-1＋Fn-2 (n≥2) 1，1，2，3，5，8，13，21，34，55，89，144，… 分数： 10.3 抛物线法 在三个试验点x1，x2，x3，且x1＜x2＜x3，得试验值y1，y2，y3，Lagrange插值得抛物线方程： 10.4 对分法 特点： 每次只做1次试验 每次试验区间可以缩小一半 适用条件： 要有一个标准（或具体指标） 要预知该因素对指标的影响规律 10.5 分批试验法 每批做2n个试验 先把试验范围等分为（2n+1）段，在2n个分点上作第一批试验，比较结果，留下好点及其左右一段 然后把这两段都等分为（n+1）段 分点处做第二批试验 对开法 旋升法 优选范围：a＜x＜b， c＜y＜d 平行线法 两个因素：一个易调整，另一个不易调整时（设：x易调整，y不易调整） 优选范围： a＜x＜b， c＜y＜d 翻筋斗法 单纯形法 二、新试验点计算 以初始单纯形A、B、C为例，设A为坏点，求反射点D： [新试验点]＝[留下各点之和]－[去掉点] A=(a1, a2)、B=(a1+p, a2+q)、C=(a1+q, a2+p) D=B+C-A=(a1+p+q,a2+p+q) E=B+D-C=(a1+2p,a2+2q) 三、多因素基本单纯形 设有n个因素n＋1个定点构成的n维空间单纯形，设有一点A=(a1, a2, a3, … an)，步长为a。 四、步骤 规则1：去掉最坏点，用其反射对称点作新试点 例：A、B、C中，A为最坏点，取A的对称点D作为新试验点。 如果最坏点为D，那么对称点就会返回到与A重合，引起循环振荡，改用规则2； 规则2：去掉次坏点，用次坏点的反射点作新试点 如果“最优点”经3次单纯形后仍未淘汰，使用规则3 规则3：重复、停止和缩短步长 “最优点”可能是好点，也可能是偶然性或误差导致的假象。需重测“最优点”：结果不好淘汰，结果满意则停止试验； 如果结果仍是最好，但未达到实用目的，则以它为起点缩短步长继续试验 五、特殊方法 前面介绍的单纯形任意两点间距相同，实际上该要求可忽略，尤其是各因素量纲不同时。 （一）双因素直角单纯形法 同样比较三个顶点响应值的结果，若?最坏，则新点?就用对称公式 ?=?+?-?=(a1+p1,a2+p2) 在得到?点后，再用?、?、?三点试验，比较其结果，若?最坏，则取其对称点?做新试验点 ?=?+?-?=(a1+2p1,a2) ?、?、?构成一个新单纯形，比较其结果，若?最坏，则用规则2去掉次坏点，若次坏点为?，则新点 ?=?+?-?=(a1+2p1,a2-p2) 如此等等，有时还会使用规则3，直至结果满意为止。 §7-3 改进单纯形法 为了解决优化结果精度和优化速度的矛盾，可以采用可变步长推移单纯形，此即改进单纯形法，既能加快优化速度，又能获得较好的优化精度。 改进单纯形法是1965年J．A．Nelder等提出来的，它是在基本单纯形法的基础上引入了反射、扩大、收缩与整体收缩规则，变固定步长为可变步长，较好地解决了优化速度与优化精度之间的矛盾，是各种单纯形优化法中应用最广泛的一种单纯形优化方法。 两因素单纯形的推移过程 单纯形整体收缩 讨论： a＝1，新试验点为去掉点等距反射点，又变成基本单纯形 a1，按基本单纯形法计算新点后，得出新试验点响应值。如新点响应值好，可沿AD搜索。取a1（扩张）。如扩张点E不如反射点D好，则仍采用D，单纯形BCD继续优化 -1a0，按（a＝1）计算出来的反射点D的响应值最坏，此时采用-1a0（内收缩）计算新点，此时形成新的单纯形BNAC 0a1，按基本单纯形法（a＝1）计算除反射点D响应值最坏。但比去掉点A响应值好。此时采用0a1，称为收缩，新试点仍按(9-19)式计算，此时形成新的单纯形BCND 如果去掉点与其反射点连线AD方向上所有点的响应值都比去掉点A坏，则不能沿此方向搜索。这时应以单纯形中最好点为初点，到其它各点的一半为新点，构成新的单纯形BA’C’进行优化。此时步长减半，称为“整体收缩” 加权形心法 基本单纯形和改进单纯形采用去掉点的反射方向为新试验点搜索方向，意味着去掉点的反射方向作为近似的优化方向，就是梯度变化最大的方向 实际上，这个方向是一个近似梯度最大方向，可能导致搜索次数增加和搜索精度降低 为解决这个问题，提出了加权形心法，利用加权形心代替反射形心，使新点搜索方向更接近实际最优方向 单纯形优化参数选择 在试验中，我们只研究优化条件，可用基本单纯形法时