现代设计方法-优化设计5-约束优化.pptVIP

现代设计方法优化设计部分 黄正东，吴义忠 二0一三年二月 本章主要内容 优化设计概述 优化设计的数学基础 一维探索优化方法 无约束优化方法 约束问题优化方法 优化设计若干问题 优化设计概述 优化设计的数学基础 一维探索优化方法 无约束优化方法 约束问题优化方法 优化设计若干问题 单纯形与复合形法 随机方向法 可行方向法 SQP方法 惩罚函数法 约束问题优化方法 约束问题优化方法 直接法 复合形法 随机方向法 可行方向法 序列二次规划 间接法 惩罚函数法 直接法：在可行域内迭代找一序列点，每步降低目标函数值，直至达到最优解。 间接法：将约束问题 变换为一序列无约束问题、或简单的约束问题，这些子问题的解收敛于原问题的解。 1. 无约束单纯形法 (1) 算法思想 从初始单纯形开始，逐个去除最大值，翻滚（收缩或压缩单纯形）朝着最小值逼近，直到单纯形边长小于精度值。 单纯形（Simplex）概念: n维空间中的n+1面体 无约束单纯形法---（1）反射 f(xh)=max{f(x0), f(x1), …,f(xn)} --- 高点 f(xl)=min{f(x0), f(x1), …,f(xn)} --- 低点 x= ---除最高点外的所有点的形心 xr=x+a(x-xh) ---反射点，a反射系数，一般取 a=1. 无约束单纯形法---（2）扩张 分三种情况产生新点: xe=x+y(xr-x) 若f(xr)f(xe),则xe -xh 否则， xr - xh 1。如果f(xl)f(xr), 进一步扩展 扩展系数y1, 一般y=2. 不进一步扩展,避免狭窄单纯形 无约束单纯形法 分三种情况产生新点: 2。如果max{f(xi),ih}f(xr)f(xl),则 xr - xh f(xr)在单纯形点上值之间, 但最少比第二最大值小. 3。如果f(xr)max{f(xi),ih},则 f(xh’)=min{f(xh),f(xr)} 收缩xc=x+b(xh’-x), 0b1, 收缩系数，一般b=0.5. f(xr) 最少比第二最大值大. 无约束单纯形法----（3）收缩 如果f(xc)f(xh’),xc -xh 4.如果f(xc)f(xh’),xc -xh（上图） 否则（反射点和收缩点函数值都比较大），以xl为中心压缩整个单纯形（极小值点在压缩的单纯性内）： xi=xi+0.5(xl-xi), i=0,1,2,…,n 无约束单纯形法----（4）压缩 f(xr) 最少比第二最大值大. 2. 复合形法 (1) 算法思想 对于n维变量空间,单纯形是n+1个顶点. 复合形法是多个单纯形合并成的超多面体,顶点数n+1. 复合形法与单纯形极为相似,其不同之处: 1.复合形法不限制顶点个数为n+1,复合形法顶点个数是k, 2nkn+1. 2.复合形法需要检查顶点的可行性, 即是否满足约束. 初始复合形法生成 1.随机测试找到一个可行点 2.随机生成其它点 3.计算可行点的中心点 4.中心点不可行时,不计最远点 重新计算中心 5.将不可行点向中心拉靠 6.初始复合形 （1） 计算 (2) 算法 (反射、扩张、收缩、压缩） （2） 计算 最高点 次高点 最低点 最高点之外其它点的中心 Step 1： 反射 成功反射的条件是： g(Xr) 0 f(Xr) f(Xh) 若f(Xr)相对于f(Xh)下降较多，如f(Xr) f(Xg)，则执行扩张步骤： 若f(Xe)f(Xr)且Xe可行，则扩张成功， 用Xe代替Xr构造新复合形。 否则，仍用原Xr构造的复合形。 Step 2： 扩张 若 Step 1 反射步骤中，找不到好的反射点Xr, 此时 f(Xr) f(Xc)， 则执行收缩步骤： 若f(Xk)f(Xh)且Xk可行，则收缩成功， 用Xk代替Xh构造新复合形。 Step 3： 收缩 若上述各种方法都不行，可将各顶点向最好点Xl靠拢： 并将每一点拉为可行。转 Step 1。 收敛条件： Step 4： 压缩 复合形法 (3) 算法分析 1.适应性强,无需导数. 2.程序较简单. 3.当变量与约束较多时,计算效率显著降低. 4.当n5时,可取k=2n,当n5时,可取k2n. 3. 随机方向法 （1）在可行域内选一初始点x(0),以给定的步长a=a(0),沿某随机选取的方向S(1)取探索点x=x(0)+aS(1),若该点同时符合下降性（f(x)f(x(0))）和可行性，则表明x点探索成功。并以它为新的起始点，继续按上面的迭代公式在S(1)方向上探索新的点。 （2）当遇到上升或不可行点时， 重新选取新的随机方向S(