第5章-约束优化方法2.pptVIP

第五章 有约束优化方法 §5-1 引言 §5-2 随机方向法 §5-3 复合形法 §5-4 可行方向法 §5-5 惩罚函数法 §5-6 序列二次规划法 §5-1 引言 机械优化设计中的问题，大多数属于约束优化设计问题，其数学模型为 §5-2 随机方向法 §5-3 复合形法 §5-4 可行方向法 2.产生可行方向的条件 2）下降条件 满足可行和下降条件，即式: 3.可行方向的产生方法 4.步长的确定 取到约束边界的最大步长 从xk点出发，沿dk方向进行一维最优化搜索，得到的新点x为不可行点。 约束一维搜索： 如得到的相邻三个探测点都是可行点，而且函数值呈“大－小－大”变化，则与前面一维搜索相同，两端点所决定的区间就是初始区间，接着缩小区间直到一维最小点。 例题5-1：用可行方向法求约束优化问题 (3)沿d0方向进行一维搜索 （4）收敛判断： 从而有 内点法 这种方法将新目标函数定义于可行域内，序列迭代点在可行域内逐步逼近约束边界上的最优点。内点法只能用来求解具有不等式约束的优化问题。 1）? 初始点x0的选取 2.? 外点法 外点法是从可行域的外部构造一个点序列去逼近原约束问题的最优解。外点法可以用来求解含不等式和等式约束的优化问题。 例5-3 用外点法求解下列有约束优化问题 3.? 混合法 混合法是用内点法处理不等式约束，用外点法处理等式约束。可以用来求解含不等式和等式约束的优化问题。 惩罚函数法原理简单，算法易行，且分内点法、外点法和混合法三种，各有特点，适用范围广。需要和有效的无约束优化方法结合使用。因此该方法也是应用较多的有约束优化方法。 §5-6 序列二次规划法 序列二次规划法的基本原理是将原问题转化为一系列二次规划子问题。 外点惩罚函数的形式为： r是惩罚因子 , 外点法的迭代过程在可行域之外进行，惩罚项的作用是迫使迭代点逼近约束边界或等式约束曲面。由惩罚项的形式可知，当迭代点x 不可行时，惩罚项的值大于0。 解：惩罚函数为： 对上式求偏导，得 无约束目标函数极小化问题的最优解系列为： 当惩罚因子渐增时，由下表可看出收敛情况。 r 0.01 -0.80975 -50.00000 -24.9650 -49.9977 0.1 -0.45969 -5.00000 -2.2344 -4.9474 1 0.23607 -0.50000 0.9631 0.1295 10 0.83216 -0.05000 2.3068 2.0001 1000 0.99800 -0.00050 2.6624 2.6582 ∞ 1 0 8/3 8/3 内点法和外点法的简单比较 内点法的特点： ??? （1）始点必须为严格内点 ??? （2）不适于具有等式约束的数学模型 ??? （3）迭代过程中各个点均为可行设计方案 ??? （4）一般收敛较慢 ??? （5）初始罚因子要选择得当 ??? （6）罚因子为递减，递减率c有0c1 ? ?????外点法的特点： ??? （1）初始点可以任选 ??? （2）对等式约束和不等式约束均可适用 ??? （3）仅最优解为可行设计方案 ??? （4）一般收敛较快 ??? （5）初始罚因子要选择得当 ??? （6）罚因子为递增，递增率c’有c’1 混合惩罚函数的形式为： r是惩罚因子 , 混合法具有内点法的特点，迭代过程在可行域之内进行，参数的选择同内点法。 对于 相对应的拉格朗日函数为： 在xk点作泰勒展开，取二次近似表达式 3 沿线性约束面的搜索 4 沿非线性约束面的搜索 可行方向是指沿该方向作微小移动后，所得到的新点是可行点，且目标函数值有所下降。 可行方向应满足两个条件: (1)可行; (2)下降。 1）可行条件 方向的可行条件是指沿该方向作微小移动后，所得到的新点为可行点。 方向的下降条件是指沿该方向作微小移动后，所得新点的目标函数值是下降的。 位于约束曲面在点xk的切线和目标函数等值线在点xk的切线所围成的扇形区内，该扇形区称为可行下降方向区。 同时成立的方向称可行方向。 满足可行、下降条件的方向位于可行下降扇形区内，在扇形区内寻找一个最有利的方向作为本次迭代的搜索方向。 （1）优选方向法 由条件： 求一个以搜索方向d为设计变量的约束优化问题 s.t. 各函数均为设计变量dk的线性函数，因此该式为一