优化设计1维搜索方法第章.pptVIP

第三章 一维搜索方法 第一节 引言 一维搜索概念 当采用数学规划法寻求多元函数的极值点时，一般要进行一系列如下格式的迭代计算: 第二节 初始搜索区间的确定及区间消去法原理 在一维搜索时，需要确定一个搜索区间[a, b]，此区间必须包含函数的极小点 x*，因此搜索区间必须是单谷区间，即该区间内的函数值呈现“高-低-高”的情形。 如图所示，通过将搜索区间[a,b]逐渐缩小，直至足够小，就可以得到近似最优点。 一、确定初始单谷区间的进退法 1、试探搜索极小点位置 2、前进搜索 令h ? h0，并使步长加倍h?2h，取得前进方向的x3点，则点x3 ? x2+h=x2+2h0，其函数值y3与y2比较有如下情况： 3、后退搜索 令h ? -h0，并将x1与 x2对调，使步长加倍h?2h，取得x3点，x3 ? x2+h，其函数值y3与y2比较有如下情况： 三、区间消去原理 搜索区间确定之后，采用区间消去法逐步缩短搜索区间，从而找到极小点的数值近似解。 假定在搜索区间内[a,b] 任取两点a1,b1; 四、一维搜索的最优化方法 在确定了搜索区间以后，一维优化的任务是采用某种方法将此区间逐步缩小，在满足收敛精度或迭代精度的情况下，使其达到包含极小点的一个很小的邻域，以取得一个近似的最优点。 一维搜索的方法有如下几种： 1、试探法：按某种给定的规律来确定区间内插入点的位置。此点位置的确定仅仅按照区间缩短如何最快，而不顾及函数值的分布关系。如黄金分割法、裴波纳契法等。 2、插值法或函数逼近法：根据某些点处的某些信息，构造一个插值函数来逼近原来的函数，用插值函数的极小点作为区间的插入点。如二次插值法、三次插值法等。 第三节 一维搜索的试探方法 一维搜索的试探方法，是借助于直接比较所选试验点的函数值来搜索最优点，故也叫直接法。 常用的一维搜索试探方法有： 1、黄金分割法（Golden Section Method）； 2、Fibonacci法（Fibonacci Method）； 3、格点法（Grid Method）； 4、… 此处只介绍黄金分割法… 一、黄金分割法工作原理 适用于[a,b]区间上的任何单谷函数求极小值问题。对函数除要求“单谷”外不作其他要求，甚至可以不连续。因此，这种方法的适应面相当广。 因区间缩减率采用黄金比例，也称0.618法。 2、区间分割要求 3、插入点及区间消去 二、黄金分割法的搜索过程 三、黄金分割法程序框图 四、计算实例 第二次缩小区间： 令 x2=x1=0.764, f2=f1=0.282 x1=0+0.382×(1.236-0)=0.472, f1=0.317 由于f1f2, 故新区间[a,b]=[x1,b]=[0.472, 1.236] 因为 b-a=1.236-0.472=0.7640.2, 应继续缩小区间。 实例2 * * 第二节 初始搜索区间的确定 第三节 一维搜索的试探方法 第四节 一维搜索的插值方法 第一节 引言 当方向dk给定，求最佳步长αk就是求一元函数 : 的极值问题，这一过程被称为一维搜索. 一维搜索方法的解析法在高等数学中已学过，即利用一维函数的极值条件 一维搜索的基本思想 第一步:寻找初始单峰（或单谷）区间； 第二步:逐步缩小初始单峰区间，直至极小点存在的范围小于给定的一个正数ε（收敛区间或迭代精度）。 基本思想： 对f(x)任选一个初始点a1及初始步长h，通过比较这两点函数值的大小，确定第三点位置，比较这三点的函数值大小，确定是否为 “高—低—高” 形态。 确定初始单谷区间的方法为进退法（也叫外推法、加步探索法）。 初始区间的确定，可分为三步： 1、试探搜索极小点位置； 2、前进搜索； 3、后退搜索。 1、若y2 y1 ，则极小点位于x1点右方，应继续前进搜索。 2、若y2y1 ，则极小点位于x1点左方，应反向后退搜索。 设函数为 y=f(x) ，给定初始点为x1 ，选定的初始步长为h0。 由初始点x1沿x轴正向取x2点，x2=x1+h0，计算x1 、x2的函数值y1 、y2 ，比较y1 、y2 的大小，则极小点的位置有如图所示两种情况： 1、若y2y3，则有y1 y2y3，即已形成“高-低-高”情形，此时函数f(x)在[x1,x3]内必有极小点，故令a ? x1，b ? x3，从而构成搜索区间[a,b]； 2、若y2y3，则继续前进搜索，各点变换如下： x1 ? x2 ，y1 ? y2 x2 ? x3 ，y2 ? y3然后步长加倍，取新点x3； 重复上述比较y2与y3的大小，直至出现y1 y2y3时，令a ? x1，b ? x3，从而构成搜索区间[a,b]。 1、若y2y3，则有y1 y2y3，即出现“高-低-高”情形，则函数f(x)