约束优化方法 推荐.pptVIP

5-1 约束最优解及其一阶必要条件 5-2 随机方向法 5-3 复合形法 5-4-1 内惩罚函数法 5-4-2 外惩罚函数法 5-4-3 混合惩罚函数法 约束优化设计问题数学模型为: K-T条件是多元函数取得约束极值的必要条件,以用来作为约束极值的判断条件。 §5-2 随机方向法 1 初始点的选择 2 随机方向的产生 §5-2 随机方向法 §5-3 复合形法 5.3.1 复合形法的基本思想 5.3.1 复合形法的基本思想 5.3.1 复合形法的基本思想 5.3.1 复合形法的基本思想 5.3.1 复合形法的基本思想 5.3.1 复合形法的基本思想 §5-4 惩罚函数法(SUMT) 惩罚函数 惩罚因子 惩罚项 从而有 内点法 这种方法将新目标函数定义于可行域内，序列迭代点在可行域内逐步逼近约束边界上的最优点。内点法只能用来求解具有不等式约束的优化问题。 内点法 内点法 (2)惩罚项的惩罚作用： 1）? 初始点x0的选取 例3：用内点法求下列问题的最优解： 例4：用内点法求下列问题的最优解： 引例2：求 引例3：求 外点法是从可行域的外部构造一个极小点序列去逼近原约束问题的最优解。 二.? 外点法惩罚函数的构造  引例3：求 引例3： 例4 用外点法求解下列约束优化问题： 3.? 混合惩罚函数法 掌握内点法的构造形式、特点: 优化实例： 优化实例： 优化实例： 四、几个问题 r(0)=1 c=5~10 3）递增系数c的选择 1）初始点x(0)的选择 2）初始罚因子r(0)的选择 4)终止条件： 五.程序框图: 思考：极值存在的必要条件是什么？ 无约束目标函数极小化问题的最优解系列为： 当惩罚因子渐增时，由下表可看出收敛情况。 r 1 -1/4 -7/16 -0.6875 2 -1/6 -2/9 -0.389 -4.9474 3 -1/8 -29/192 -0.276 0.1295 4 -1/10 -23/200 -0.215 2.0001 …… …… 2.6582 ∞ 0 0 0 8/3 1 1 2 1 1 2 1 1 2 要求：用无约束优化方法求解 选择哪种无约束优化方法呢？ 坐标轮换法求此Ф的最优点： 步骤？ 坐标轮换法求此Ф的最优点： 沿着第二个坐标方向轮换： （3）判断内惩法的收敛条件： 内点惩罚函数法不足： 1）一个严格的初始内点； 2）不能解决带有等式约束的优化问题。 2.? 外惩罚函数法 引例1： 构造如下的函数： 另一种形式： 取初始r0=1/4,c=2，不同惩罚因子时 的迭代值如下： 其收敛关系见下图： 0.125 0.25 0. 5 1 从图可以看出规律： (1)可行域内：惩罚函数和目标函数是完全重合。 可行域外：惩罚函数值大于目标函数值，离约 束边界越远，曲线被抬高得越多。 从上图可以看出，存在规律： (2)罚因子的值越大，惩罚函数在可行域外的部分被抬高得越快，惩罚函数的极小点越靠近约束边界。 0.125 0.25 0. 5 1 从上图可以看出，存在规律： （3）罚因子趋于无穷大时，惩罚函数的极小点就是约束优化问题的最优点。 2.? 外惩罚函数法 构造惩罚函数： 2.? 外惩罚函数法 2.? 外惩罚函数法 构造惩罚函数： 2.? 外惩罚函数法 一、基本原理： 2.? 外惩罚函数法 外点惩罚函数的形式为： 对于具有不等式约束的优化问题： 惩罚项的作用:迫使可行域外的函数逼近约束边界或等式约束曲面。 罚因子的作用 求下列问题的约束最优解： 已知 r0=1,c=10 1）选择初始点X(0); 2）选取初始罚因子r(0)与罚因子递增系数c，并置K←0； 3）求minφ(x(K),r(K))解出最优点xK*； 4）K←K+1，r(K)←cr(K-1)， xK0←xK-1* ，并转步骤3）； 5）按终止准则判别，若满足转步骤6），否则转步骤4）； 6）输出最优解（X*，F*），停止计算。 三、算法步骤 5.3 复合形法的例题 例2：用复合形法解目标函数 的极小值，已知约束条件为： 5.3 复合形法的例题 例3、用复合型法求解目标函数 的极小值，已知约束条件为： 起始复合形顶点：[2，1]T；[4，1]T；[3，3]T； （1）复合形法是求解约束非线性最优化问题的一种直接方法，仅通过选取各顶点并比较各点处函数值的大小，就可寻找下一步的探索方向。但复合形各顶点的选择和替换，不仅要满足目标函数值下降的要求，还应当满足所有的约束条件。 （2）复合形法适用于仅含不等式约束的问题。 方法特点： §5-4 惩罚函数法(