第四章约束坠优化问题.pptVIP

第四章 约束优化问题 前面讲了常用的无约束优化方法，这些方法是优化方法中最基本、最核心的方法，但机械设计中的优化问题大多数属于有约束问题。有约束问题的研究还不断完善及深入。 但目前约束优化问题处理方法： 直接法与间接法 直接法：是设法使每一次迭代产生的新迭代点限制在可行域内，且一步一步地降低目标函数的值，直到获得一个在可行域内的约束最优解。 每一迭代点 均要符合两个条件：可行性和适用性 可行性：是指新迭代点 必须在可行域内即满足： 适用性：是指新迭代点 的目标函数值较前一点是下降的。 即满足： 例题中 为全局解 所以全局解一定为局部解。 §4.2约束坐标轮换法 可行方向法 在有约束优化问题中，可行方向法求解大型约束优化问题的主要方法，并且收敛速度快、效果好，但程序较复杂，它解决具有不等式约束优化问题，也是用梯度法求解约束非线性最优问题的直接方法之一。 数学模型 一、基本思想：从任一可行点 出发，寻找一个恰当的方向 和一个合适的步长因子 ，于是产生新的迭代点为 使其满足 1、可行方向法求优过程的基本要求 探索方向必须是可行的既 在可行域内。 点所在位置可能有三种情况 （1）在可行域内 （2）在容许的约束边界上 （3）已越出可行域，落入非可行域 如发生情况（3），则通过计算取得新的步长，使其迭代点 返回至可行域前的边界上。于是三种情况可归结为两种 情况：一种是 点在可行域内部，另一种 点在可行域边界上。 2、探索路线 （1）如果 点是在可行域内部，则下一迭代仍沿 点的负梯度 方向进行一维搜索。 为最优步长，其迭代式为 直至迭代点落在约束边界上或越出某约束边界为止。 （2）当迭代点在约束边界上或在外回到约束边界上的点，则下一次不再采用负梯度为探索方向，而采用一个适用可行 方向 若取 是在 方向上的一个适当大小的步长，则有 使点 仍在可行域内，且目标函数值下降，一般情况探索是沿着起作用约束的边界以割线方式逐步逼近最优点。 3 可行下降方向的产生方法 在第（2）种情况时可行下降方向是怎样产生的，方法有： （1）随机法 在 点产生N个随机单位方向向量 则可行下降方向 为： （2）线性规划法 （3）投影法 二、适用可行方向的数学条件 （1）适用性条件： 探索方向 满足适用条件是目标函数 沿该方向是下降的，若用方向导数的概念来描述即 点的目标函数 沿 的方向导数应小于零。 （2）可行性条件 是指沿该方向一定有可行点存在，即由 点出发，沿 方向，取适当步长 则 必在可行域内。 可行点与非可行点的标志是该点的约束函数值大于零的可行点，否则不可行。若 或近似等于零的点是起作用约束，此点满足可行性要求的探索方向 一定是指向起作用约束函数值的增大方向。也可用方向导数来表示。 既有 取探索方向的单位矢量为 （1） 如 点J个约束边界的相交处，并均起作用既有 既得到了可行方向则（1）式为 （3）适用可行方向的数学条件 为使探索方向 成为适用可行方向其数学条件为同时满足不等式 （2） 三、最有利适用可行方向的确定 线性规划法 通常用此法