第2章优化设计.pptVIP

* * * 2.7.2 协调曲线法 （a）P和Q点是最优点 （b）协调曲线 图2-40 协调曲线 * 图2-41 满意曲线与两目标协调情况 * 约束最优化问题的求解方法有以下两大类： （1）间接解法。将约束问题转换成为无约束问题进行最优化求解。包括：消元法、拉哥朗日乘子法、增广拉哥朗日乘子法、罚函数法等。 （2）直接解法。在可行域内选取各点的目标函数作比较，找到最小点，包括：随机验法、随机向搜索法、复合形法、可行方向法等。 2.6 有约束多维优化算法 * 2.6.1 可行方向法 * 华南理工大学机械与汽车工程学院 * 图2-33 可行方向及可行条件 * * 图2-34 可行方向法的搜索路线 * * 复合形法是目前求约束优化问题的一种重要的直接法，它是无约束最优化问题中单纯形法的推广。其基本思想是：在可行域内选取k个点作为初始复合形的顶点，然后比较这些顶点的目标函数值，目标函数值最大的点为最坏点。接着确定目标函数值的下降方向，在此方向上求一既能使目标函数值有所下降，而又满足所有的约束条件的新点，以代替最坏点而构成一个新的复合形。如此重复计算，使复合形不断向最优点移动和收缩，直至达到要求的收敛精度为止。 2.6.2 复合形法 * 图2-35 复合形法的原理 图2-36 xc为不可行点 * 拉格朗日乘子法是将约束优化问题转化为无约束优化问题求解的一种间接算法。转化的方法是把约束优化问题的拉格朗日函数作为目标函数构成新的无约束优化问题，新的目标函数的无约束最优解和原约束优化问题的最优解一致。这种算法既可用于求解不等式约束优化问题，又可用于求解等式约束优化问题。 2.6.3 拉格朗日乘子法 * 华南理工大学机械与汽车工程学院 * 1．求解等式约束优化问题 * * 华南理工大学机械与汽车工程学院 * * * 2．求解不等式约束优化问题 * * * 2.6.4 外点惩罚函数法 * * * * 外点惩罚函数法的步骤 * 华南理工大学机械与汽车工程学院 * * * * 2.6.5 内点惩罚函数法 * * * * * 内点惩罚函数法的步骤 * 华南理工大学机械与汽车工程学院 * * * 2.7 多目标优化 * 2.7.1 统一目标法 * 2.5.2 牛顿法 图2-24 牛顿法求解一维问题的示意图 * 写成迭代形式，有 * * 从牛顿方向的构造可知，对于正定二次函数，牛顿方向就是指向其极小值点的方向。因此用牛顿法求解目标函数为正定二次函数的无约束最优化问题，只需一次迭代就可得最优解。 对于目标函数是非二次函数的无约束最优化问题，一般来说，用牛顿法通过有限轮迭代并不能保证可求得最优解。但由于目标函数在最优解附近能近似于二次函数，因此当取接近于最优解的初始点使用牛顿法求解时，其收敛速度一般是较快的。 可以证明在初始点离最优解不远的条件下，牛顿法是二次收敛（通过有限次迭代能求出二次函数的极小值）的。但是当初始点选得离最优解太远时，牛顿法并不一定是收敛的方法，甚至连其下降性也很难保证。 * 为了解决初始点与最优解可能相差较远的问题，可采用修正的牛顿法（广义牛顿法），其迭代公式为： 即第k步取 进行一维寻优 牛顿法和修正的牛顿法最大的缺点是要计算二阶偏导数矩阵H，并要求H的逆矩阵，因此该方法的计算工作量很大。 * 2.5.3 变尺度法 变尺度法是在牛顿法的基础上发展起来的，又称为拟牛顿法，目前被公认为求解无约束优化问题最有效的方法之一。牛顿法中H－1的计算复杂，变尺度法则设法构造出一个对称正定矩阵Ak来代替H－1，并在迭代过程中使Ak逐渐逼近H－1，这样简化了运算，又保持了牛顿法收敛快的特点。变尺度表示空间坐标的尺度变换。 * * * * 2.5.4 共轭梯度法 * 图2-25 共轭方向 图2-26 共轭梯度法的搜索路线 * 共轭梯度法通过函数的梯度来构造共轭方向。鉴于最速下降法在远离极值点时很有效，而经过几步搜索后，尤其在极值点附近，收敛速度显著减慢等特点，而共轭方向具有二次收敛的优点，于是便形成了先沿负梯度方向搜索第一步，然后沿与该负梯度方向相共轭的方向进行搜索，具有二次收敛性、能迅速达到最优点的共轭梯度法。 * 图2-26 共轭梯度法的搜索路线 * * 2.5.5 共轭方向法和Powell法 共轭梯度法利用共轭方向寻优，而且除第一次外的每次搜索都是沿共轭方向进行，在构造每次搜索方向（第一次为负梯度方向，以后各次为共轭方向）时，都需计算函数的梯度。共轭方向法和Powe11法则只需计算目标函数值即可直接求出用于搜索的共轭方向。 * 图2-