多维优化之约束优化方法.pptVIP

多 维 优 化 方 法　　 求满足目标函数minf(X)的设计变量 　　　X=[x1,x2,…,xn]T,X∈Rn 在约束条件 　gu(X)≤0 (u=1,2,…,m) 　hv(X)=0 (v=1,2,…,pn)　 下的最优解X* 及对应的最优函数值minf (X *) 惩罚函数法　　 外　点　法 惩罚函数优化设计实例 图１ 人字架结构 设计问题：用给定钢管设计满足强度和稳定性要求可承载294300N跨度1520mm的最轻人字架 已知条件： 受力P=294300N 跨度B=1520mm 壁厚T=2.5mm； 弹性模量E=2.119*105Mpa 比重ρ=8.142*10-5N/mm3； 许用压应力[σ]=680Mpa； * 约束优化方法 一、约束优化问题的一般形式 二、约束优化方法分类　　 　直接法：迭代过程中通过对各约束条件的逐一考察，使迭代点始终处于可行域内而形成算法。 包含：可行方向法、复合法 　间接法：将约束条件引入目标函数，把约束优化问题转化为无约束优化问题进行求解而形成的方法。 包含：惩罚函数法 １、惩罚函数法的成因和基本思想 　 成因　 约 束 优 化 问 题 无 约 束 优 化 方 法 求解 　基本思想： 依据原约束优化问题的约束条件构建可限制其目标函数值脱离可行域之外的约束函数，并将其与原目标函数共同组成一个新目标函数，进而通过对新目标函数的求解实现约束优化问题向无约束优化问题的转化和求解． 2、惩罚函数法的内涵和本质 转 化 约束优化问题 原目标函数f(X) 无约束优化问题 约束函数 构建 约束条件 无约束优化方法 + 求 解 包含约束条件的新目标函数g(X) 约束优化问题的无约束转化和求解 ３、惩罚函数法原理　 针对约束优化问题及其约束条件 　　　 构建如下形式惩罚函数实现问题求解 　　　　惩罚函数构成　 原目标函数 惩罚项 r1 , r2惩罚因子 原优化问题不等约束条件的约束函数 原优化问题等式约束条件的约束函数 r1 , r2：原优化问题不等约束和等式约束的权重因子 约束函数gu(x)， Hv(x)的组合函数 　　惩罚函数应具备的特性　 　　惩罚函数φ(x)可基于无约束优化方法通过数值迭代求最优值，且其在迭代求解过程中满足：　　　　　　　　　 　　惩罚函数的无约束最优解就是原目标函数的最优解 　4、惩罚函数法的分类　　　　 　　根据惩罚项的构成形式不同，惩罚函数法分为如下三种类型： 内点法 外点法 混合法　　　　　 内点法（障碍函数法） １）基本思想 　　将新惩罚函数 Φ( x , r ) 构筑在原目标函数可行域 内，通过在可行域内逐步迭代使所产生的极值点序列xk*从可行域内部趋向原目标函数的约束最优点 x* 。 或： ２） 内点法惩罚项及惩罚函数的形式 惩罚项可构建为： 惩罚函数为： 点在可行域内值大于０ 点在约束边界值趋于∞ 特点 或： 　3）内点法惩罚因子rk rk是一随迭带次数依序递减的正数序列 　　　参数C为 降低系数， 一般在 　[0.02, 0.1]之间取值 　rk按如下规律生成计算． 0 c 1 4）内点法惩罚函数性质 １）惩罚函数可行域与目标函数相同 ２）点越靠近目标函数约束边界所受惩罚越严重 ３）惩罚函数因惩罚因子不同而不同，惩罚因子越小，惩罚函数求解精度越高 ４）伴随迭代次数增加，惩罚因子不断减小，当惩罚因子趋于０时，惩罚函数的极小点就是目标函数的最优点 5）内点法收敛条件 　内点法收敛性的判断相对于无约束优化方法稍微复杂一些，具体就是要从两迭代点之间的距离以及两迭代点所对应的目标函数值的差距入手同时进行判断。 且 6）内点法计算步骤 １）选取初始点 x0 及惩罚因子初值r0、降低系数c、计算精度 ε1、ε2 ，令 k=0； ２） 构造惩罚函数； ３）选用一种无约束优化方法，求惩罚函数的最优解 xk*和对应目标函数值 ４）进行收敛判断，满足收敛条件，计算结束，xk* 为最优点，否则令 　　　X0=Xk*；rk+1=C*rk；k=k+1 　返回步骤3 进行下一轮迭代计算。 7）内点法使用的注意事项 1、初始点在原目标函数可行域内选取且不要离约束边界太近。可依据设计变量取值区间的上下限,按如下方法进行选取 x0=a+r(b-a) ；r为[0，1]区间的随机数 2、惩罚因子初值不要太小，否则影响精度 3、递减系数C应该在0.02-0.1之间取值 特点：　 　１、可用于目标函数比较复杂，或在可行域外无定义的场合下 　２、优化始终在可行域内进行，至少可以得到满足工程要求的近似解 不足： 　１