第2章-优化设计-1.pptVIP

第2章 优化设计 (1) 二次插值法的计算步骤如下： (1) 给定初始搜索区间　　　 和计算精度ε； (2) 在区间 内取一内点 ，有下面两种取法： （等距原则取点） （不等距原则取点） 计算三点的函数值　　　　　　　　　　　　　　 。 (3) 计算二次插值多项式　　 的极小点 与极小值 ； (4) 进行收敛判断： 　　　若满足　　　　　，则转(6)，停止迭代，并将点　 与 中函数值较小的点作为极小点输出，结束一维搜索； 　　　否则，转下步(5)； (5) 缩小区间： 　　以得到新的单峰区间，然后转第(3)步，继续迭代，直到满足精度要求为止。 　　(6)输出最优解：　　 二次插值法的程序计算框图，如图2-25所示。 图2-25 二次插值法 程序框图 （2-35） 　　求解这类问题的方法，称为多维无约束优化方法。 多维无约束优化问题的一般数学表达式为： 　　无约束优化方法有很多种，但归纳可以分为两大类： ■ 解析法 ■ 直接法 2.4 多维无约束优化方法 ■ 解析法 这类方法是需要利用函数的一阶偏导数甚至二阶偏导数构造搜索方向，如梯度法、牛顿法和变尺度法等。 　　由于需要计算偏导数，故这类方法计算量大，但收敛较快。 ■ 直接法 这类方法是仅利用迭代点的函数值来构造搜索方向，如坐标轮换 法、powell 共轭梯度法和单纯形法等。 　　由于只需要计算函数值，对于无法求导或求导困难的函数，则这类方法就有突出的优越性，但是其收敛速度较慢。 是求解多维无约束优化问题的一种直接法， 它不需求函数导数而直接搜索目标函数的最优解。该法又称降维法。 该法将一个多维无约束优化问题 转化为一系列一维优化问题来求解， 即依次沿着坐标轴的方向进行一维搜索，求得极小点。 当对 n 个变量 x1, x2 …, xn 依次进行过一次搜索之后， 即完成一轮计算。 若未收敛到极小点， 则又从前一轮的最末点开始，再作下一轮搜索， 如此继续下去，直至收敛到最优点为止。 坐标轮换法，就是由此而得名的。 坐标轮换法 坐标轮换法的基本原理： 2.4.1 坐标轮换法 现以二维优化问题（图2-26）为例，说明该法的搜索过程。 图2-26 坐标轮换法搜索过程 　　先以 为初始点， 沿着坐标轴　 方向进行一维搜索，求得极小点 ， 然后固定 不变，改沿着坐标轴 方向进行一维搜索，求得极小点 ，至此完成了该二维问题的一轮计算。 　　由于未得到问题的最优点，需进行第二论迭代， 　　即从前一轮的最末点 出发，重复前面的过程求得 点。 　　如此继续下去，直到找到问题的最优解 。 现以二维优化问题（图2-26）为例，说明该法的搜索过程。 　　根据上述原理，对于第k 轮计算，坐标轮换法的迭代计算公式为： （2-36） 其中，搜索方向　　是轮流取 n 维空间各坐标轴的单位向量： 即 　　关于坐标轮换法的迭代步长，常用如下两种取法： 　(1) 最优步长； 　(2) 加速步长。 　　即在每一维，先选择一个初始步长，若沿该维正向第一步搜索成功(即该点函数搜索时值下降)，则以倍增的步长继续沿该维向前搜索，步长的序列为 　　坐标轮换法的特点： 计算简单，概念清楚； 但搜索线路较长，计算效率低； 所以它只能用于低维（n10）优化问题的求解。 直到函数值出现上升时，则取前一点为本维极小点，然后改换为沿下一维方向进行搜索，依次循环继续前进，直至到达收敛精度为止。 1. 最优步长的几何意义 　　以二维优化问题为例， 最优步长　 的几何意义 如图2-a 所示。 2. 最优步长的计算 已知： 图2-a 最优步长的几何意义 求最优步长 举例： 求：在给定点　　处沿给定方向　　搜索的最优步长　 。 解： 根据基本迭代公式，有 则 由上可见，原本 函数→这时成为 的函数，即 。 为求得最优步长，可令 即 故得最优步长：　 　　在上述坐标轮换法中，之所以收敛很慢， 　　其原因在于：其搜索方向总是平行于坐标轴，不适应函数的变化情况。 　　鲍威尔法（powell 法，又称共轭方向法）: 　　该算法是鲍威尔于1964年提出的，它是在坐标轮换法的基础上，通过构造共轭