控制系统仿真技术_第五章.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 5.4 随机寻优法 一、随机序贯寻优法 不满足上式的 就被舍弃，不再编写， 是满足下式中最先出现的 : 其余类推，故得 可以证明，只要 是独立的均匀的随机数，总可以得到使 为最小的 值，当然此时 将是相当大的。 上面介绍的随机序贯寻优由于在得到 这个序列式，曾舍弃掉许多 点，并没有充分利用这些点所带来的信息，同时也没有充分利用这个序列给出的信息，因此计算量是十分之大的。 5.4 随机寻优法 一、随机序贯寻优法 显然，搜索区间的大小将直接影响寻优的效率，因此，如果能在随机寻优的过程中充分利用前面计算所得的信息，不断缩小搜索区间，将有可能大大减少寻优次数，因而大大节省计算时间，具体做法如下。 (1)给定一个不太大的正整数 (比如为5)，按照上述方法求出 组 。 它们满足 5.4 随机寻优法 一、随机序贯寻优法 (2) 求出新的 其中 称为第 组的权，即第 组的权为1，其他组的权均小于1。 (3)求出新的 其中， 是一个正数，一般取2~3。一般来讲，这个新的 比原来最初给定的 将更接近于 ,而 也比原来的大为缩小。 5.4 随机寻优法 一、随机序贯寻优法 (4)用计算出的 及 来代替原来的，并重复上述步骤，直到求出 为止。 采用上述改进后，随机序贯寻优才有了更加实用的价值，但是实际使用这种寻优法时仍有相当的技巧。下面将列出几点，供在使用时参考。 关于 的大小问题。若 取得过大，则起不到收缩区间的作用。但若 取得过小，则容易使新搜索区间中不包括极小点，因此造成失误。 5.4 随机寻优法 一、随机序贯寻优法 一般来讲，第一轮 可取4(或5，6)，以后只要有了两组新的 值就可收缩，不足部分用上一轮最后出现的补足，这样既可保证 不过小，又不会由于为形成一个具有 组 的序列而使计算次数过多。 关于 的问题。实际证明 是很重要的一组参数，为使寻优收敛得较快往往不是取 的第一组尝试值(因为它的随机性太大)，而是取前 次尝试中最优值( 一般取 的几倍到十几倍)。 5.4 随机寻优法 一、随机序贯寻优法 关于强行收敛问题。在采用此法时，常常会遇到这样一种情况，即在取得某组 后，虽然经过很多尝试，仍不能得到 ，此时，往往是由于 已比较接近 而搜索区间仍较大的缘故。为了不至于在此浪费太多的计算时间，可以进行强行收缩，即令 ，并以当前的 的1/5为新的 ，强行使搜索区间缩小，这样一来，往往就能很快找到 。 随机序贯寻优的程序框图如下图所示。 5.4 随机寻优法 一、随机序贯寻优法 随机序贯寻优法是在一个限定的参数空间里用随机方法来找出一个 的序号，然后对它们进行统计处理，使被搜索的参数空间收缩，继而再用随机方法去寻找出一个新的 序列，直到最优点找到为止。从前面的介绍中可知，这种方法，在使用时有一定的经验性，弄不好就会不收敛。 5.4 随机寻优法 二、随机搜索寻优 如果改为以初始点 为中心，在一个半径为 的小空间中用随机法来进行搜索，若成功(指随机产生一个新的 ，它的目标函数比 的目标函数小)，则将中心转移到新点，因为 较小，而且采用如下手段，即当搜索失败时，则在反方向再试探一次，所以成功率较大。这样一来，移动虽然缓慢一些，但比较稳妥，另外，为了加快收敛，可以在连续成功时加大 ，而在连续失败时减少 . 5.4 随机寻优法 二、随机搜索寻优 随机搜索寻优的 程序框图如图所示。 5.4 随机寻优法 三、随机模式搜索寻优法 在以上两种随机寻优法基本上都是按照随机规律在一个参数空间中搜索最优点，其区别在于：一个是先在一个大的区间中寻优，然后设法将区间变小；而另一个是从这一点出发，按随机方向、随机步长在一个较小的区间中搜索，并逐步移动中心点。显然，这种单纯的随机寻优往往由于搜索的随机性，要求计算目标函数的次数较多，人们很自然会想如果将随机寻优与单纯形法中按一定模式(