第3章 节 优化设计 现代设计方法.ppt

第四节 一维搜索方法 五.格点法 2）每轮迭代区间的缩短率 思路简单，编程容易，宜于离散型优化问题； 计算量大，不宜用于高维优化问题。 3）特点 第四节 一维搜索方法 六.黄金分割法 1）基本思路 为预先给定的误差限。 缩短区间的总次数 将区间按一定的比例缩小，且正常迭代时每缩短一次区间只需计算一次函数值。 令 得： 其正根为： 证： *①关于 的证明 ②关于缩小区间总次数的证明 即 证： 第四节 一维搜索方法 六.黄金分割法 2）迭代步骤 给定 否 否 是 是 止 * 也可采用迭代次数是否大于或等于 k 作终止准则。 第四节 一维搜索方法 七.二次插值法 1）基本思路 Ⅱ Ⅰ 原函数 用三点二次插值多项式来逼近原函数。 第四节 一维搜索方法 求出a、b后得 求系数a和b 求驻点 插值多项式： 区间的缩短 x4=0.5(x1+x2) f4=f(x4) x1=x4 f1=f4 x3=x2 f3=f2 x2=x4 f2=f4 x1=xp f1=fp x3=x2 f3=f2 x2=xp f2=fp x1=x2 f1=f2 x2=xp f2=fp x3=xp f3=fp 是 否 输出 二次插值法缩小区间流程图 输入 xpx2 f4f2 f2fp f2fp xpx2 是 是 是 是 否 否 否 否 第四节 一维搜索方法 七.二次插值法 2）迭代步骤 f1=f(x1)，f3=f(x3), x2=0.5(x1+x3)，f2=f(x2) K=0 A=f1(x2-x3)+f2(x3-x1)+f3(x1-x2) 计算xp，fp 缩短区间 K=K+1 xp0=xp 否 (xp-x1)(x3-xp)≤0 xp-xp0 ≤ε A=0 K0 x*=xp,f*=fp x*=x2, f*=f2 否 给定 x1、x3、ε 否 否 是 结 束 是 是 是 第五节 无约束优化方法 一.解法分类 1）直接法 其搜索方向直接取定或由计算目标函数值所得的信息来确定； 2）间接法（解析法） 确定搜索方向时用到一阶或（和）二阶导数的方法。 第五节 无约束优化方法 二.坐标轮换法 坐标轮换法又称为“变量轮换法”，“交替法”或“降维法”。是一种不需要求函数导数，直接探索目标函数最优解的方法。 每次仅对多元函数的一个变量沿其坐标轴进行一维探索，其余各变量均固定不动，并依次轮换进行一维探索的坐标轴，完成第一轮探索后再重新进行第二轮探索，直到找到目标函数在全域上的最小点为止。 基本思路 第五节 无约束优化方法 二.坐标轮换法 迭代公式 第五节 无约束优化方法 二.坐标轮换法 步长选取方法 1) 随机选择 值的方法 此方法每次选择值 时，需满足下式： 由于这种方法是轮流沿n个设计变量的坐标轴方向前进，所以此方法有时路程过于迂回曲折，因此它不是快速探索的方法。 第五节 无约束优化方法 二.坐标轮换法 步长选取方法 2)加速步长法 此方法先规定沿 方向的初始实验步 ，确定步长 的正负，当沿坐标轴正方向探索能使目标函数值减小时，则取正值，否则应取负值。 再取步长 计算并判断 。 当步长不宜延伸而宜缩小时，亦可缩小，也是一直到函数达到最小值为止。 加速步长法流程图 给定 得出 T T F T F T T F F F T 结束 第五节 无约束优化方法 二.坐标轮换法 步长选取方法 3)最优步长法 最优步长法是利用一维探索方方，如黄金分割法或二次插值法，来确定最优步长值。 在第k轮探索的第i次迭代中其步长为： 第五节 无约束优化方法 二.坐标轮换法 坐标轮换法特点 1）编程简单，容易掌握； 2）收敛速度通常较低（其有效性取决于目标函数的性态），仅适于低维的情况。 如:(1)等值线为椭圆,且长短轴分别平行于坐标轴时--高效 (2)等值线为如图脊线时--无效 (3)一般情况--低效 第五节 无约束优化方法 三.最速下降法 基本思路 最速下降法是以负梯度方向作为下降方向的极小化算法，又称梯度法，是1874年法国科学家Cauchy提出的，最速下降法是无约束最优化中最简单的方法 。 柯西（Cauchy，Augustin Louis 1789-1857），出生于巴黎，在数学领域，有很高的建树和造诣。很多数学的定理和公式也都以他的名字来称呼，如柯西不等式、柯西积分公式... 第五节 无约束优化方法 三.最速下降法 迭代公式