第六章约束优化方法.pptVIP

第六章 约束优化方法 6.1 概述 问题的提出 机械优化设计中的问题，大多数属于约束优化设计问题，其一般数学模型为： 求解上式的方法称为约束优化方法。 直接解法和间接解法 根据有约束优化问题求解方式的不同，可分为直接解法，间接解法。 直解解法通常适用于仅含不等式约束的问题，基本思路如右图所示。 即在 个不等式约束条件所确定的可行域内，选择一个初始点 ，然后决定可行搜索方向 ，且以适当的步长 ，沿方向进行搜索，得到一个使目标函数值下降的可行的新点 ，即完成一次迭代。再以新点为起点，重复上述搜索过程，满足收敛条件后，迭代终止。 每次迭代计算均按以下基本迭代格式进行： 式中 步长； 可行搜索方向。 可行搜索方向是指，当设计点沿该方向作微量移动时，目标函数值将下降，且不会越出可行域。产生可行搜索方向的方法将由直接解法中的各种算法决定。 直接解法的原理简单，方法实用。其特点是： 由于整个求解过程在可行域内进行，因此，迭代计算不论何时终止，都可以获得一个比初始点好的设计点。 若目标函数为凸函数，可行域为凸集，则可保证获得全域最优解。否则，因存在多个局部最优解，当选择的初始点不相同时，可能搜索到不同的局部最优解。因此，常在可行域内选择几个差别较大的初始点分别进行计算，以便从求得的多个局部最优解中选择更好的最优解。 要求可行域为有界的非空集，即在有界可行域内存在满足全部约束条件的点，且目标函数有定义。 间接解法有不同的求解策略。 其中一种方法的基本思路是将约束优化问题中的约束函数进行特殊的加权处理，然后和目标函数结合，构成一个新的目标函数，即将原约束优化问题转化成为一个或一系列的无约束优化问虬再对新的目标函数进行无约束优化计算，从而间接地搜索到原约束问题的最优解。 因此间接解法的基本迭代过程是，首先将一般约束优化问题转化成新的无约束目标函数 式中 —— 转换后的新目标函数； —— 分别为约束函数 和 经过加权处理后构成的某种形式的复合函数或泛函数； —— 加权因子。 然后对 进行无约束极小化计算。 由于在新目标函数中包含了各种约束条件，而且在求极值的过程中还将改变加权因子的大小。因此可以不断地调整设计点，使其逐步逼近约束边界。从而间接地求得原约束问题的最优解。 间接解法例题 求约束优化问题 的最优解。 解: 易知该问题理论上的最优解为： 由该问题的几何意义（右图）可知，约束最优点 为目标函数等值线与等式约束函数（直线）的切点， 用间接解法求解时，可取 ，转换后的新目标函数为 从而可以用解析法求 的极小值，即令 得到方程组 解此方程组，求得的无约束最优解为： 右图表示出最优点 为新目标函数等值线族的中心。 间接解法是目前在机械优化设计中得到广泛应用的一种有效方法。其特点是： 由于无约束优化方法的研究日趋成熟，已经研究出不少有效的无约束最优化方法和程序，使得间接解法有了可靠的基础。目前，这类算法的计算效率和数值计算的稳定性也都有较大的提高。 可以有效地处理具有等式约束的约束优化问题。 间接解法存在的主要问题是，选取加权因子较为困难。加权因子选取不当，不但影响收敛速度和计算精度，甚至会导致计算失败。 求解约束优化设计问题的方法： 属于直接解法的随机方向法、复合形法、可行方向法、广义简约梯度法； 属于间接解法的惩罚函数法，增广乘子法； 另一类解法线性逼近方法，二次规划法。 6.2 随机方向法 概述 随机方向法是一种原理简单的直接解法。 它的基本思路是在可行域内选择一个初始点，利用随机数的概率特性，产生若干个随机方向，并从中选择一个能使目标函数值下降最快的随机方向作为可行搜索方向，记作 。从初始点 出发，沿 方向以一定的步长进行搜索，得到新点 ，新点 应满足约束条件： ， 且 。至此完成一次迭代。然后，将起始点移至