机械优化设计黄金分割法试验报告1黄金分割法基本思路黄金分割.DOC

机械优化设计黄金分割法实验报告 1、黄金分割法基本思路： 黄金分割法适用于[a，b]区间上的任何单股函数求极小值问题，对函数除要求“单谷”外不做其他要求，甚至可以不连续。因此，这种方法的适应面非常广。黄金分割法也是建立在区间消去法原理基础上的试探方法，即在搜索区间[a，b]内适当插入两点a1，a2，并计算其函数值。a1，a2将区间分成三段，应用函数的单谷性质，通过函数值大小的比较，删去其中一段，是搜索区间得以缩小。然后再在保留下来的区间上作同样的处理，如此迭代下去，是搜索区间无限缩小，从而得到极小点的数值近似解。 2 黄金分割法的基本原理　 一维搜索是解函数极小值的方法之一，其解法思想为沿某一已知方向求目标函数的极小值点。一维搜索的解法很多，这里主要采用黄金分割法（0.618法）。该方法用不变的区间缩短率0.618代替斐波那契法每次不同的缩短率，从而可以看成是斐波那契法的近似，实现起来比较容易，也易于人们所接受。 　 黄金分割法是用于一元函数在给定初始区间内搜索极小点的一种方法。它是优化计算中的经典算法，以算法简单、收敛速度均匀、效果较好而著称，是许多优化算法的基础，但它只适用于一维区间上的凸函数[6]，即只在单峰区间内才能进行一维寻优，其收敛效率较低。其基本原理是：依照“去劣存优”原则、对称原则、以及等比收缩原则来逐步缩小搜索区间[7]。具体步骤是：在区间内取点： ， 把分为三段。如果，令；如果 ，令，重新开始。因为为单峰区间，这样每次可将搜索区间缩小倍或倍，处理后的区间都将包含极小点的区间缩小，然后在保留下来的区间上作同样的处理，如此迭代下去，将使搜索区逐步缩小，直到满足预先给定的精度时，即获得一维优化问题的近似最优解。黄金分割法原理如图１所示， 程序流程如下： 4 实验所编程序框图 否 #include 《math.h》 #include 《stdio.h》 #define f(x) x*x+2*x double calc(double *a,double *b,double e,int *n) { double x1,x2,s; if(fabs(*b-*a)=e) s=f((*b+*a)/2); else { x1=*b-0.618*(*b-*a); x2=*a+0.618*(*b-*a); if(f(x1)f(x2)) *a=x1; else *b=x2; *n=*n+1; s=calc(a,b,e,n); } return s; } main() { double s,a,b,e; int n=0; scanf(%lf %lf %lf,a,b,e); s=calc(a,b,e,n); printf(a=%lf,b=%lf,s=%lf,n=%d\n,a,b,s,n); } 5 程序运行结果如下图： 6 开始 r=0.618 给定a=-3,b=5,收敛精度ε=0.001 结束 a*=(a+b)/2 a1=b-r*(b-a) y1=f(a1) b=a2 a2=a1 y2=y1 a2=a+r*(b-a) y2=f(a2) a=a1 a1=a2 y1=y2 y1=y2 a1=b-r*(b-a) y1=f(a1) a2=a+r*(b-a) y2=f(a2) 否 是 ｜(b-a)/b｜ε和 ｜（y2-y1）/y2｜ε? 是