填充函数算法研究综述.docVIP

填充函数算法研究综述 　　摘要:该文主要介绍填充函数方法求解全局优化问题。利用填充函数方法可以有效的求解大规模的全局优化问题。填充函数方法的思想就是该算法的思想是在求得总体优化问题的一个局部极小点后 ,构造填充函数,通过极小化该填充函数找到比当前局部极小值更好的解。 　　关键词:盆地;全局优化;填充函数 　　中图分类号:O221.2文献标识码:A文章编号:1009-3044(2010)16-4578-01 　　 　　A Report of Filled Function Method 　　MA Ming-juan, ZHANG Yong-po, LIANG Xin 　　(Mathematical Office, Aviation University of Air Force, Changchun 130022, China) 　　Abstract: The paper introduces a filled function methods of solving the global optimization. We can use the filled function to solve global optimization effectively. The idea of the filled function is that we can conclude a local minimum and construct a filled function through the local mininum .By minimizing the constructed filled function, we can get a better solution. 　　Key words: basin;global optimization;filled function 　　 　　1 引言 　　全局优化广泛的应用到工程管理等很多社会学科中,因此大量的学者致力于求解一些全局优化问题的最优解。尤其在国内的一些学者利用打洞方法和填充函数方法在求解全局优化的问题上做了很大的贡献。本文主要介绍填充函数方法的一些定义、性质以及算法的具体步骤。 　　在文献[1-4]中有很多形式的填充函数,并且最早的填充函数的形式都带有指数或者对数的形式,这就使得在进行计算的时候,当自变量变化很小时函数值变化也很小。因此,以后的大量学者在填充函数的表示形式上做了众多的研究,比如文献[5]中的结果,作者给出一类基于目标函数和变量与极值点距离平方的填充函数,证明了适当选取参数r可使函数达到总体极小值而非鞍点值或极大值。在文献[6]中构造了一个两参填充函数,并且克服了指数形式在计算时所带来的缺憾。 　　2 填充函数方法 　　我们考虑下面的全局优化问题 　　f(x)是一个强制函数,即 　　由此可以得到,存在闭的方体Ω∈Rn,包含函数f(x)所有的局部最小点。则由此(1)可以等价于下面的形式: 　　‖‖表示二范数。对于传统的填充函数我们有下面的一些定义和性质。 　　定义1:B1*是函数f(x)在孤立最小点x1*的一个盆,也就是说对于从B1*盆出发的函数f(x)的任意点的下降轨迹都收敛于x1*,其余的都不收敛于x1*。相反地,如果x1*是函数f(x)孤立局部最大点,则在点x1*形成的盆叫做函数f(x)山丘。 　　点x1*,x2*是函数f(x)的两个局部最小点,如果满足关系f(x1*)f(x2*)),则我们就称x1*所形成的盆低(高)于x2*所形成的盆。B1*的半径我们定义为 　　定义2:连通区域S1*?奂B1*,如果满足对任意的x∈S1*,x≠x1*,满足(x-x1*)T ?荦f(x)0 则称S1*单盆。 　　一个函数P(x)只所以叫做f(x)填充函数,则要求在函数的局部最小点x1*处必须满足下面的性质: 　　1) x1*是函数P(x)局部最大值,函数f(x)的盆变成填充函数P(x)的山丘。 　　2) 在比B1*高的盆里, 填充函数P(x)没有最小点和鞍点。 　　3) 如果有比B1*低的盆B2*,则存在填充函数P(x)的最小点x∈B2*,对任意的x∈B2*,x在 x和x1*所形成的直线上。 　　3 算法步骤 　　Step1:初始化一些必要的参数; 　　Step2:从初始值x0出发找到第一个局部最小点x1*并求出相应的函数值f(x1*); 　　Step3:构造填充函数; 　　Step4:如果迭代步骤小于空间维数的2倍,则到Step5:否则到达第八步。 　　Step5:x1=x1*+δdj,这里dj是使得函数下降的任意方向,并且是单位向量,j为迭代次数。从x1开始最小化填充函数,得到局部极小点x2*到Step6