一维搜索机械优化设计作业.ppt

优化设计 一维搜索方法 机制092 何金哲 093731212 搜索区间的确定 确定搜索区间的原则： 利用单峰函数值高-低-高的特征 进退法： 已知搜索起点和初始步长 然后从起点开始以初始步长向前试探，如果函数值变大，则改变步长方向。 如果函数值下降，则维持原来的试探方向，并将步长加倍。 区间消去法原理 区间确定后，假定在区间内任取两点 ; 且 。计算函数值，有下列三种情况： 黄金分割法 黄金分割法适用于确定区间上的任何单谷函数求极小值的问题。对函数除要求“单谷”之外没有任何其他要求。 平分法 取具有极小点的单峰函数的搜索区间 的中点 ，计算目标函数在该点的导数来判断舍去的区间。（函数在极值点导数为零，在其左侧为负、右侧为正） 格点法（全面搜索法） 插值法（函数逼近法、曲线拟合法） 　　在某一确定区间内寻求函数的极小点位置，可以根据某些点处的函数值，利用插值方法建立函数的某种近似表达式，进而求出函数的极小点，并用它作为原来函数极小点的近似值。 　　　多项式（二次或三次）是函数逼近的一种常用工具。在搜索区间内我们可以利用若干试验点处的函数值来构造低次多项式，用它作为函数的近似表达式，并用这个多项式的极小点作为原函数的极小点的近似。 切线法（牛顿法） 可以得到牛顿法的迭代公式 三点二次插值法（抛物线法） 利用函数在单谷区间中的三点 从极值的必要条件得： 解得： 为便于计算，可写为： 一点二次插值法（切线法） 利用函数在单谷区间中的一个点： 二点二次插值法 利用函数在单谷区间中的两个端点的函数值和一个端点的导数值： 解之，得： 二点二次插值法II （割线法） 利用函数在单谷区间中的两个端点的导数值： 解之，得： 三次插值法 极值的条件： 极值充分条件为： 编程作业： liuzg@ustc.edu.cn email标题：S辉_一维搜索 程序打包文件名：S辉_一维搜索.rar 1、f(a)=a*a-10*a+20，求搜索空间 (1)a=0,h=1 (2)a=10,h=2 2.1、min f(a)=a*a*a*a-4*a*a*a-6*a*a-16a+4 [a,b]=[3,5] 精度=0.001或0.000001 2.2、min f(a)=a*a+exp(-a) [a,b]=[0,1] 精度=0.001或0.000001 (1)黄金分割法求极值 (2)牛顿法求极值 (3)使用三点二次插值法求极值 (4)使用三次插值法求极值 (5)使用割线法求极值 (6)使用平分法求极值 每种方法编一个函数，函数参数相同，或编一个统一的求极值函数，方法名由参数传入 例如：fmin(方法，目标函数，a，b，精度) 主程序根据不同的目标函数不同的方法调用求极值函数，列出各方法得到的最终结果、函数运行花费的时间以及迭代次数等 h对应于求初始搜索空间 过程中所形成的最后步长， h的正负对应于沿a正向或 负向进行的一维搜索 迭代格式： 可写成迭代格式： 利用函数在两点的函数值和导数值： 求出： 将极值点方程带入上式 二点二次插值法、割线法、三次插值法 程序流程： * * 一维搜索，又称为线性搜索 一维最优化方法是优化设计中最简单、最基本的方法， 一维问题是多维问题的基础，在数值方法迭代计算过程中，都要进行一维搜索，也可以把多维问题化为一些一维问题来处理。 一维问题的算法好坏，直接影响到最优化问题的求解速度。 寻求多元函数的极值点时，一般采用如下方式的迭代计算： 方向确定后，需要确定的是最佳步长因子，变成了求下述一元函数的极值问题 可以用解析法计算 求导得： 求得： 解析方法的缺点是需要进行求导运算，有时非常不方便。 在优化设计中通常采用数值计算方法，即通过计算机反复迭代求得近似值。 数值方法的基本思路是：先确定搜索区间，然后根据区间消去原理不断缩小区间，从而获得近似解。 1） ，如图3-5a所示。由于函数为单谷，所以极小点必在区间 内。 2） ，如图3-5b所示。同理，极小点应在区间 内。 3） ，如图3-5c所示，这时极小点应在 内。 图3-5 3）根据期间消去法原理缩短搜索区间，为了能用原来的坐标点计算公式，需进行区间名称的代换，并在保留区间中计算一个新的试验点及