一维搜索方法[网搜] 工程优化教材 西电.ppt

第三章 一维搜索方法一维搜索可用于：①求一元函数的最优解（一般指：极小点、极小值）；②多维优化设计时，在第k次迭代中，求最优步长。即把目标函数看成是步长α的一元函数。;一维搜索的2个步骤：①确定fmin所在的区间，即找出“高－低－高”单峰区间。单峰区间是指函数在该区间内只有1个极值点，；②缩小搜索区间，当区间足够小时得到最优点。;图a的函数具有“高--低--高”变化特点，而图b和图c可以看成是图a的特例。;一维搜索方法属于无约束规划问题的直接法。常用解法有成功—失败法，黄金分割法，二次插值法，等等。其基本思想都是确保搜索区间是一个单峰区间，并通过重复不断缩小单峰区间。;3.1确定搜索区间的方法—进退法 如果目标函数为图a的形式，则可以通过进退法确定出一个严格的单峰区间。即在此单峰区间内，函数呈“??头大，中间小”的特点。这里“两头”为区间的两个端点，“中间”为该区间内的任一点。; 若f1≤f2 (如下图c、d)，则作后退计算。后退到图中第3点，然后对调1、2点。比较f2与f3：若f2≤f3(如图c)，则找到了“两头大，中间小”的区间：[α3,α1]。若f2f3(如图d)，则将步长加倍，即加倍后退到图d中第三行的α3位置，然后对第2步的试探点重新编号，检查新一轮搜索中的三点是否满足“两头大，中间小”的特点，若不，则重复这一过程。;;以上两种搜索过程中试点1、2、3的排列顺序有什么特点？;向前搜索时，试点1、2、3为单调递增顺序排列。向后搜索时，试点1、2、3为单调递减顺序排列。;例：用进退法确定 函数的单峰区间。设初始点为0，初始步长为1.解：（1）取 ，则有比较f1和f2的大小，有f1f2，则前进一步，得， 。;(2)比较发现，f2f3，符合图b的情况,则步长加倍，即前进两步(h=?),重新编号后得：;（3）此时仍有f2f3，则步长再加倍(h=?)，重复（2）的过程，得此时，找到了“两头大，中间小”的区间，即[2,8]。;3.2成功—失败法这种方法可以简单概括为：大步前进，小步后退。该法可使已知的单峰区间逐渐缩小。;以x0点为初始点，以h为初始步长，到达x0+h点，1）：若目标函数值下降，即f(x0)f(x0+h)，则称搜索成功。下一次就以x0+h为起点，以2h为步长前进到新点，这个过程称为大步前进。2）到达x0+h点，若目标函数值不下降，即f(x0)≤f(x0+h)，则称搜索失败。下一次就以x0+h为起点，以-h/4为步长，即改变搜索方向并缩小步长，这个过程称为小步后退。 当步长足够小（小于允许误差）时，搜索停止，得到问题的近似解。;例：考虑图中函数f(x)的最小值点。初始点为x0，初始步长为h。为简单起见，以符号来描述运算过程：若成功记为V，若失败记为F;I→J表示从第I点到第J点的搜索过程，其步长标注在→的下边。具体过程为：;; ,失败，退回到x1,下一步反向，改变步长。 ，失败，仍回到x1,下一步再反向，再改变步长，迭代失败，回到x5，下一步…;实际工程中，函数的形态可能并不清楚，但只要是一维函数，通过成功—失败法就可以找到其最小值点。这个过程可以通过计算机程序来实现。以下是一个matlab程序。;%用成功--失败法求x^2+2*x的最小值h=3;x0=4;n=1;f0=x0*x0+2*x0;fprintf(初始点x0=%d 步长h=%d 目标函数f0=%d\n,x0,h,f0)while abs(h)1e-4 x=x0+h; f=x^2+2*x; fprintf(第%d步，从x=%d出发，经过步长%d，到达点x=%d,目标函数为f=%d;,n,x0,h,x,f) n=n+1; if ff0 h=h*2;x0=x;f0=f;i=此步成功了!; else h=-h/4;i=此步失败了.; end fprintf(%s\n,i) endprintf(最优解为x=%d，目标函数f=%d,x0,f0);成功--失败法的有点是比较简便，缺点是不容易识别最优解，在最优解附近收敛速度较慢。以下介绍收敛较快的两种方法：黄金分割法和二次插值法。;3.3黄金分割法（0.618法）一维搜索法就其本质而