机械优化设计第4章无约束优化方法.pptxVIP

第四章 无约束优化方法 ; 第1章所列举的机械优化设计问题，都是在一定的限制条件下追求某一指标为最小，它们都属于约束优化问题。工程问题大都如此。 为什么要研究无约束优化问题? （1）有些实际问题，其数学模型本身就是一个无约束优化问题。 （2）通过熟悉它的解法可以为研究约束优化问题打下良好的基础。 （3）约束优化问题的求解可以通过一系列无约束优化方法来达到。所以无约束优化问题的解法是优化设计方法的基本组成部分，也是优化方法的基础。 ; （4）对于多维无约束问题来说，古典极值理论中令一阶导数为零，但要求二阶可微，且要判断海赛矩阵为正定才能求得极小点，这种方法有理论意义，但无实用价值。和一维问题一样，若多元函数F(X)不可微，亦无法求解。但古典极值理论是无约束优化方法发展的基础。 ; 目前已研究出很多种无约束优化方法，它们的主要不同点在于构造搜索方向上的差别。 ;;4-1 梯度法; 为了使目标函数值沿搜索方向 能够获得最大的下降值，其步长因子 应取一维搜索的最佳步长。即有;;;方法特点 （1）初始点可任选，每次迭代计算量小，存储量少，程序简短。即使从一个不好的初始点出发，开始的几步迭代，目标函数值下降很快，然后慢慢逼近局部极小点。 （2）任意相邻两点的搜索方向是正交的，它的迭代路径为绕道逼近极小点。当迭代点接近极小点时，步长变得很小，越走越慢。 ;;沿负梯度方向进行一维搜索，有 ;算出一维搜索最佳步长 ; 这个问题的目标函数的等值线为一簇椭圆,迭代点从 走的是一段锯齿形路线，见图4-3。 ;将上例中目标函数 引入变换;β;经变换后，只需一次迭代，就可找到最优解。;梯度法的特点; 前面介绍的许多优化方法，除鲍威尔（Powell）法外，都需要计算目标函数的导数，而在实际工程的最优化问题中，目标函数的导数往往很难求出或者根本无法求出。下面所介绍的方法只需要计算目标函数值，无需求其导数，因此计算比较简单，其几何概念也比较清晰，属于直接法的无约束最优化方法。这类方法适用于不知道目标函数的数学表达式而仅知其具体算法的情况。这也是直接法的一个优点。;坐标轮换法;坐标轮换法;（1）计算量少，程序简单，不需要求函数导数的直接探索目标函数最优解的方法； （2）探索路线较长，问题的维数愈多求解的效率愈低。当维数n＞10时，则不应采用此法。仅适用于n较少（n 10）的目标函数求优； （3）改变初始点重新迭代，可避免出现病态。 ;;步长加速法（Hook-Reeves算法） ;二、步长加速法算法;（1）;;单纯形方法;定义：单纯形 n维空间中的恰好有n+1个顶点（极点）的有界的凸多面体称之为一个单纯形。 根据定义，可知，一维空间中的单纯形是线段，二维空间中的单纯形是三角形，而三维空间中的单纯形则是四面体。 在单纯形替换算法中，从一个单纯形到另一个单纯形的迭代主要通过反射、扩张、收缩和缩边这4个操作来实现。下面以二维问题为例来对4种操作进行说明（参见下图）。;（1）反射——设除了最劣点X1以外的基余顶点的中心为X4，作X1关于点X4的对称点X5，称X5为X1的反射点。求反射点的过程称之为反射。;如果出现 。表示反射完全失败，应退回到介于X4与X1之间的某个点X8。;（4）缩边——若收缩失败，则应压缩当前单纯形的边长：令最优点X3不动，而其余顶点向X3方向压缩，使边长缩短（通常缩短一半），以产生新单纯形。如下图所示，点X1压缩到点X9，点X2压缩到点X10，得新单纯形{X9,X10,X3}，这一过程称之为缩边。;二、单纯形替换算法 设初始点为X0，初始边长h，ei为坐标轴方向的单位向量 ，预定正数 ;;;表1 无约束优化方法搜索方向之间的相互联系 ——间接法;无约束优化方法——间接法总结;1、坐标轮换法 计算效率较低 适合维数较低，目标函数无导数或导数较难求得 2、步长加速法 同坐标轮换法，对目标函数的性态的适应性更好 3、Powell法 具有二次收敛性，收敛速度较快，可靠性高，被认为是直接法中最有效的方法之一 4、单纯形法 思路清楚，收敛慢 ;无约束优化上机