一维搜索方法[网搜] 工程优化课件 西电.pptVIP

解方程可得系数a、b、c的表达式。 近似解可能还不到精度要求，为此需缩短区间，进行多次插值计算，以使近似解逼近原函数的极小点。现在的问题是，如何确定下一个区间？为方便起见，初始迭代时一般取区间为x1、x3，区间中点为x2，求出一个极值点x4后，在以上4个点中选出3个点，使它们构成的新区间比上一步短，同时3个点的函数值在新区间内呈现“两头大中间小”的特点。具体说来，要区分如图所示4种情况： 问题：观察上述四图，总结保留区间有何特点？ 由图可知缩短搜索区间的原则是：比较f2与f4,以较小值所对应的点为新区间的x2点,并此点左右邻点作为新区间的端点。可用下图来说明。 我们发现，如果原函数本来就是二次函数，则只需要一次迭代即可得最优解。若继续迭代，则x4报错，为什么？ 作业：上机编制黄金分割法和二次插值法的matlab程序，并求解本章习题1、2。用excel实现成功—失败法的求解过程。 第三章 一维搜索方法一维搜索可用于：①求一元函数的最优解（一般指：极小点、极小值）；②多维优化设计时，在第k次迭代中，求最优步长。即把目标函数看成是步长α的一元函数。 一维搜索的2个步骤：①确定fmin所在的区间，即找出“高－低－高”单峰区间。单峰区间是指函数在该区间内只有1个极值点，；②缩小搜索区间，当区间足够小时得到最优点。 图a的函数具有“高--低--高”变化特点，而图b和图c可以看成是图a的特例。 一维搜索方法属于无约束规划问题的直接法。常用解法有成功—失败法，黄金分割法，二次插值法，等等。其基本思想都是确保搜索区间是一个单峰区间，并通过重复不断缩小单峰区间。 3.1确定搜索区间的方法—进退法 如果目标函数为图a的形式，则可以通过进退法确定出一个严格的单峰区间。即在此单峰区间内，函数呈“两头大，中间小”的特点。这里“两头”为区间的两个端点，“中间”为该区间内的任一点。 确定单峰区间的步骤如下：1、给定初始点α1和初始步长h,令α2=α1+h.2、记f1= f(α1), f2= f(α2),比较f1和f2的大小。3、若f1f2 (如下图a、b)，则前进h，即前进到α3，得f3。比较f2与f3：若f2≤f3(如图a)，则找到了三个点满足“两头大，中间小”的特点。若f2f3(如图b)，则将步长加倍，前进到α3+2h位置，然后对第2步的试探点重新编号：α1=α2，α2=α3，α3=α3+2h，检查新一轮搜索中的三点是否满足“两头大，中间小”的特点，若不，则重复这一过程。  若f1≤f2 (如下图c、d)，则作后退计算。后退到图中第3点，然后对调1、2点。比较f2与f3：若f2≤f3(如图c)，则找到了“两头大，中间小”的区间：[α3,α1]。若f2f3(如图d)，则将步长加倍，即加倍后退到图d中第三行的α3位置，然后对第2步的试探点重新编号，检查新一轮搜索中的三点是否满足“两头大，中间小”的特点，若不，则重复这一过程。  以上两种搜索过程中试点1、2、3的排列顺序有什么特点？ 向前搜索时，试点1、2、3为单调递增顺序排列。向后搜索时，试点1、2、3为单调递减顺序排列。 例：用进退法确定 函数的单峰区间。设初始点为0，初始步长为1.解：（1）取 ，则有比较f1和f2的大小，有f1f2，则前进一步，得， 。 (2)比较发现，f2f3，符合图b的情况,则步长加倍，即前进两步(h=?),重新编号后得： （3）此时仍有f2f3，则步长再加倍(h=?)，重复（2）的过程，得此时，找到了“两头大，中间小”的区间，即[2,8]。 3.2成功—失败法这种方法可以简单概括为：大步前进，小步后退。该法可使已知的单峰区间逐渐缩小。 以x0点为初始点，以h为初始步长，到达x0+h点，1）：若目标函数值下降，即f(x0)f(x0+h)，则称搜索成功。下一次就以x0+h为起点，以2h为步长前进到新点，这个过程称为大步前进。2）到达x0+h点，若目标函数值不下降，即f(x0)≤f(x0+h)，则称搜索失败。下一次就以x0+h为起点，以-h/4为步长，即改变搜索方向并缩小步长，这个过程称为小步后退。 当步长足够小（小于允许误差）时，搜索停止，得到问题的近似解。 例：考虑图中函数f(x)的最小值点。初始点为x0，初始步长为h。为简单起见，以符号来描述运算过程：若成功记为V，若失败记为F;I→J表示从第I点到第J点的搜索过程，其步长标注在→的下边