外点罚函数优化实例.doc

精品Word文档，知识共享！ 外点罚函数优化实例 一、优化问题 如图1所示，为某一桁架的一部分，杆2距O点30cm处有一支点C。为了固定桁架，现欲在杆1和2上设置支点A和B，用来连接杆3（可拆卸）。已知当桁架固定时，杆1和2成直角；而且，杆1右边有一段长为20cm的重要部位，不能设置支点。卸去杆3、收起桁架时，支点A的位置不能高于BC段中点D。求取支点A、B的位置，使得杆3的长度尽量小，以节省材料。 图1 桁架结构示意图 二、数学模型 设A、B两点距离O点的长度分别为和，而桁架固定时杆1和2成直角。所以杆3的长度为。 由图1可知，且，即且。 设，取。因此，数学模型为： 极小化目标函数 约束条件 三、求解数学模型 (1)外点罚函数法求解 构造外点法罚函数，如下： 程序流程图如图2所示： 给定、 给定、、c、 k=0 i=0 求与Hessian矩阵 输出和 Y N i=i+1 k=k+1 Y N 结束 牛顿法求的极 值点 图2 外点罚函数法程序流程图 程序步骤： ①选择适当的初始罚因子、初始点、收敛精度和罚因子系数c。在本程序中分别取，，，c=8。令迭代步数k=0。 ②采用牛顿法求无约束问题的极值点。 ③检验迭代终止准则，若满足 及 则停止迭代计算，输出最优点；否则，转入步骤④。 ④取，，k=k+1，转入步骤②继续迭代。 具体程序请看附一。 运行结果： X*=[20.0000，10.0000] f(X*)=500.0000 因此，A、B两支点与O的距离分别为20cm、10cm，杆3的最小长度为cm。 目标函数曲线图与目标函数等值线图分别如图3和图4所示。优化路径如图4所示。 图3 目标函数曲线图 图4 目标函数等值线图 (2)Matlab优化工具fmincon求解 利用Matlab文件编辑器为目标函数编写M文件(goalfun.m)： function f=goalfun(x) f=x(1)^2+x(2)^2; 编写约束条件的M文件(confun.m)： function [c, ceq]=confun(x) c=[2*x(1)-x(2)-30; 20-x(1)]; ceq=[]; 编写主函数的M文件(opt.m)： close all clear all clc x0=[20,20]; lb=[]; ub=[]; options=optimset('LargeScale','off','display','iter','tolx',1e-6); [x,fval,exitflag,output]=fmincon('goalfun',x0,[],[],[],[],[],[],'confun',options); x fval 运行结果： x=[20，10] fval=500 同样地，利用Matlab优化工具解得，支点A、B与O的距离分别为20cm、10cm，杆3的最小长度为cm。 四、结论分析 (1)罚因子系数c对外点罚函数法的影响 本次程序中，c取值为8，运行步数k=11。若取c=4，则运行步数k=16；取c=16，则运行步数k=9；取c=32，则运行步数k=8；取c=64，则运行步数k=7。由此可知，罚因子系数c的大小会影响程序的迭代次数k。c的值取得越大，运行步数k越小，程序收敛速度越快，效率越高。但对于c的其他一些取值，如5、7、9等，会导致罚函数形态变坏，使迭代出现问题，导致程序运行失败。因此，需选取合适的罚因子系数c。 (2)外点罚函数法与Matlab优化工具fmincon的比较 通过opt.m的运行结果可知，fmincon的运行步数k=3，这一运行效率明显比外点法函数法的效率高。对于相同的收敛精度和初始点，虽然优化结果相同，但是M文件WaiDianNiuDun.m中外点罚函数法的运行效率仍有待提高。 附一 外点罚函数matlab程序 close all clear all clc syms x1 x2 M; %M为罚因子。 m(1)=1; c=8; %c为递增系数。赋初值。 a(1)=20; b(1)=20; f=x1^2+x2^2+M*((20-x1)^2+(2*x1-x2-30)^2);%外点罚函数 f0(1)=500; %求偏导、Hessian元素 fx1=diff(f,'x1'); fx2=diff(f,'x2'); fx1