第6章 多维约束优化方法.ppt

第6章 多维约束优化方法 6.1 随机方向法 97 6.2 复合形法 99 6.3 可行方向法 104 6.3.1 可行方向的产生方法 104 6.3.2 寻优策略 105 6.3.3 算法步骤 107 6.4 惩罚函数法 110 6.4.1 内点惩罚函数法 111 6.4.2 外点惩罚函数法 114 6.4.3 混合惩罚函数法 116 6.5 网格法 118 6.6 线性逼近法 119 6.7 广义简约梯度法 122 6.8 二次规划法 125 6.9 结构设计的优化准则法 126 § 6.0 引言 机械优化设计中的问题，大多数属于约束优化设计问题，其数学模型为 等式约束优化问题的拉格朗日乘子法 极值点处： 其中　　为待定系数，称为拉格朗日乘子。 等同于以下无约束优化问题 例：增加一个斜坡，把碗底移动了 多维有约束优化方法 在求解约束优化问题时，虽然可以利用第三章的无约束优化方法，再加上约束的逻辑判断，使搜索点保持在可行域内逐步逼近约束极值点，但这样处理太复杂，缺乏严格的科学性。因此，出现了一些直接求解约束优化问题的方法，其基本思路也是数值迭代法。目前，约束优化方法虽然不如无约束优化方法那样多而完善，但对求解工程优化问题已有很多较好的方法。 (1). 直接解法 ??? 直接法包括：网格法、分层降维枚举法、复合形法、随机试验法、随机方向法、可变容差法和可行方向法。 (2). 间接解法 ??? 间接法包括：罚函数法、内点罚函数法、外点罚函数法、混合罚函数法、精确罚函数法、广义乘子法、广义简约梯度法和约束变尺度法。 §6-1 随机方向法 基本思想：利用计算机产生的随机数构成随机方向组，在可行域内沿该方向组中最好的方向进行寻优。属于直接解法。 一、随机方向的产生（random,ran） 二、方法 首先选定可行（在可行域内）初始点，利用随机函数构成随方向，按给定初始步长取得试探点，检查适用性（目标下降）和可行性，均满足则作为新起点，继续取试探点，否则重新产生随机方向，以最终成功点为起点，继续寻优。如M个试探方向均失败，则缩短步长继续。终止条件：步长足够小。 流程图 太复杂,须重画思路较清晰的 寻找随机方向改进算法的程序流程简图 寻找极值点的双向寻优改进算法程序流程简图 随机数的产生 随机方向由列阵表示，其每个元素均应为正负几率相同随机数，否则不能保证寻优方向的随机特性。高级计算机语言均提供了产生随机数的函数，如Visual Basic语言为random、RND；Fortran语言为SEED ( INTEGER(4) iseed)、random、rand；Matlib语言为rand、randn；C语言为randomize(void)、rand(void)、srand(unsigned)、random(int)。由于C语言的适用性、可移植性强，所以本文对Turbo C随机数产生的实现提出相关技巧。Turbo C产生随机数有两种方法： （１）由randomize(void)、rand(void)产生[0,32767]区间的随机整数。该方法产生的随机数与时钟有关，适合于两个随机数相差时间较长的情况，如集中给出随机数，则在当前计算机的运算速度下会产生相同的随机数。因此随机方向法不能采用这种方法产生随机数。 （２）由srand(unsigned seed)、random(int num)产生[0,num-1]区间的随机整数（该随机数与seed的数值有关），可用于随机方向法。方向列阵的元素不能都是大于零的，因此可由以下程序段产生[-50，50]区间内的随机数： srand(seed1); seed1+=57; seed1=seed1%10001; dum=random(101)-50; 相关技巧为：以累加素数的方法保证每个随机数对应的seed均不同，为保证seed不超出unsigned数据类型的范围将其限制在一定范围之内，以减去中间值的方法保证随机数为正和为负的机率相同。 §6-2 复合形法 一、基本思想 （摸鱼）通过对复合形各顶点的函数值计算与比较，找出坏点，反复进行坏点的映射与复合形的收缩，使之逐步逼近约束极值点。 初始复合形：N+1~2N个随机可行点组成； 二、初始复合形的构成随机产生，逐一调入可行域 三、复合形法的迭代步骤 1初始复合形。计算各顶点函数值，确定坏点、次坏点、好点； 2计算中心点X0，计算映射点，并检查是否在可行域内。若为非可行点，将映射系数缩半后改变映射点，直到映射点进入可行域内； 3构成新的复合形 计算映射点目标函数，并与坏点函数值相比较，若优于坏点，则替换，否则缩半映射系数。M次缩短后仍不优，则改用次坏点