03.2 一维搜索.pptVIP

* * 对一维（也称一元或单变量）函数 f (x) 寻求其极值点x*， 就是一维优化方法中限制最优解问题，称一维搜索方法。 搜索方法是数学迭代解法，它把搜索范围不断缩小向最优点逼近，当满足收敛准则后，即可求得最优解。 一维搜索可归结为单变量函数的极小化问题 3.2 一维搜索－－单变量函数寻优法 一维搜索常用方法 11. 精确搜索方向 22. 试探法 33. 函数逼近法 平分法 0.618法（黄金分割法） 牛顿法等（多用泰勒公式） x f f(x) a b x* x0 一、 平分法（也叫对分法） 1.　区间缩小方法及过程 x f f(x) a b x* x0 　　所以，通过此法可以把区间缩小为［a, x0］或［x0，b］, 　　通过多次迭代，可在 ［xk-1，xk］或 ［xk，xk－1］中找到 x* x1 这个方法的特点是计算量较少，而且总能收敛到一个局部极小点，但收敛速度较慢。 2.　初始区间的确定 x f f(x) x* a=x0 x1 x1 xk=b 二、黄金分割法. (0.618法) 黄金分割法也称0.618法，是通过对黄金分割点函数值的计算和比较，将初始区间逐次进行缩小，直到满足给定的精度要求，即求得一维极小点的近似解x(*) 。 1. 单峰函数 0.618法是求单峰函数的一种试探法，也是广泛使用的方法之一。所谓单峰函数是指一个峰值的函数，其严格定义如下。 定义1 设f(x)是定义在[a,b]上的函数，若 （i） 存在x*∈[a,b] 使 min f(x) =f(x*) （ii） 对任意的a ≤x1 x2 ≤b，当x2 x* 时，f(x1)f(x2) , 当x1 x* 时， f(x1)f(x2) ，则称 f(x)为[a,b]上的单峰函数。 （a）表示的函数是一个单峰函数而（b）表达的函数则不是单峰函数。 a x1 x2 x* x1 x2 b ) ( x f (a) a b ) ( x f (b) 2. 0.618 法的原理 0.618法中常数〝0.618〞是如何产生出来的,这应遵从几个原则。对一个迭代算法，要使该算法有效并且效率高，自然应考虑下面一些因素（这些因素可归结为几个原则）。 设 f(x) 为[a,b]上的单峰函数,最小点为x*,取x1,x2∈(a,b),满足x1x2。 则x*∈[a,x2]， 即去掉[x2,b],见图4-4。 （1）〝去坏留好〞原则 若 f(x1) f(x2) 则x*∈[x1,b]。如此反复将缩小[a,b],估计出x*的精确位置。 若　f(x1)≥ f(x2) a x1 x* 　x2 b 图4-4 （2）对称原则 因计算前不能预测x1,x2哪一个较优，[a,x1], [x2,b]两者都可能去掉, 故随意选点可能导致丢掉的区间很小，增加计算量，故为了稳妥，选点x1和x2，使 [a,x1]的长 = [x2,b] 的长，即使 x2=a+b -x1 （或x1=a+b-x2） 即〝加两头减中间〞。 (3)等比收缩原则 由（2）知：给出x1，可得x2； x1靠近中点，丢掉的区间大, 反之则小。为保证稳定收缩，希望 “每次留下的区间长是上次留下的ω倍（0ω1，为常数）且x1(或x2)是下次搜索的一个分点” a x1 x* 　x2 b 图4-4 由图所示，有 l 2 = x1－a = ( b－a)－ l1 = l 0－l 1 = l 0(1－ω) ω2l 0 = (1－ω)l 0 ω2 = 1－ω 解得 下面我们依据(1)(2)(3)求ω=? 设　ln　为第n次留下的区间长,由等比原则 设 f (x1) f (x2)留下的区间 =[ a,x2] = 长为l1。由对称原则，[x1,b]的长 =[ a,x2]的长 = l 1，同时此x1是第二次搜索的分点。假定 x3是另一分点。 l2 l1 l1 a b x1 x3 x2 l 2 = ω2 l 0 = ω2 (b－a) l0 =b－a ln+1 = ωln 收敛准则 3. 0.618 法的计算步骤 分析：由前步骤，令 ? ?