机械优化的设计chapter4 无约束优化计算方法.pptVIP

由于二平行方向s1为等值线的切线，其切点分别为x1,x2，故方向s1应垂直于x1,x2处的梯度方向，即有： 两式相减; 共轭方向： 是指一组非零的n维向量s1,s2,s3,……sn,若满足 ,则称si对于矩阵A与sj为互为共轭的两个向量。 其中，A为n×n阶实对称矩阵。 下面证明，前所产生的s与s1是共轭向量。 设二维函数在极值点X*附近的二次Tailor近似展开式为: 由此可求得函数的一阶导数： 故有： 共轭方向法的基本原理： 首先采用坐标轮换法进行第一轮迭代，然后以第一轮迭代的最末一个极小点和初始点相连，构成一个新的方向，并以此新的方向为最末一个方向，而去掉第一个方向，得到第二轮迭代的n个方向。如此进行下去，直至求得问题的最小点。 令循环次数k=1,取初始点xk0,初始搜索方向为坐标方向sk1=[1,0]T, sk2=[0,1]T; 从xk0出发，依次沿sk1和sk2进行一维搜索，分别得到相应的极小点Xk1和Xk2 构造新方向sk3 =Xk2-Xk0 ，沿sk3进行一维搜索，得到第K次循环的极小点Xk*3 取下次循环的初始点Xk+10 =Xk*3 ，去掉原来的第一方向sk1 ，构造新的搜索方向sk+11 =Sk2, sk+12 =Sk3 ，令K=K+1,转(2) 继续循环至，直到满足收敛条件，迭代计算结束 共轭方向法的缺点及其改进： 对于共轭方向法，若目标函