控制系统参数优化及仿真.pptVIP

6.3多变量寻优技术单纯形的形状1为了简单起见，单纯形取n个向量为“等长”。2具体来讲，若已选定，则这n个点为3(6.3.57)4其中，为第个单位坐标向量，即5(6.3.58)6只有第个元素为1，其他均为0。76.3多变量寻优技术新点的选取根据经验及考虑到计算方便，一般新的点取在被抛弃的点的“对面”，称为反射点。以图所示为例，假定为要抛弃的点，则新点的坐标应为，坐标可以这样来求：图6.3.7单纯形法寻优过程图6.3.8反射点的确定6.3多变量寻优技术6.3多变量寻优技术6.3多变量寻优技术反之，若按(6.3.61)式找到，而大于，这说明点前进得太远了，需要压缩，即要在与的延长线上(即沿原来的反射方向)后退一些，得(6.3.63)为压缩因子，它是0～1之间的一个常数，为了避免与重合(即＝)，要求(与重合会使单纯形的空间维数降低，这不利于搜索)。如果压缩后仍然大于，这说明原先的单纯形取得太大了，可以将他们所有的边都缩小，构成新的单纯形，这叫单纯形的收缩。具体办法是：(6.3.64)1234566.3多变量寻优技术6.3多变量寻优技术搜索次数是否超过规定，若已超过，则说明搜索失败，打印出结果，并停止搜索，若未超过，则计算反射点；1判断是否要压缩，若要，则进行压缩计算，若压缩失败，则进行收缩计算，然后转(3)或(4)；2判断是否要扩张，若要，则进行扩张计算，并评价扩张效果，然后转(4)；3关于单纯形法的详细程序可参看本书配套的程序，该程序除考虑了上述诸点之外，还考虑到参数变量上下界限制，这样在使用时就更为方便了。46.3多变量寻优技术6.3多变量寻优技术logo图6.3.9单纯形法程序框图6.4随机寻优法01尤其是当采用混合仿真系统来进行控制系统参数寻优时，可以用模拟机部分来计算系统的运动方程，即计算目标函数；而用数字机部分来做寻优搜索，此时采用随机寻优法更为有效。02随机寻优法的种类很多，这里向读者介绍的是三种用得较多的随机寻优法。它们是：随机贯寻优，随机搜索寻优以及随机模式搜索寻优。6.4随机寻优法01020304随机序贯寻优法(6.4.1)对参数给出一个求解区间(通常它就是该参数的上下限)。每次分别独立的产生n个上述区间上的均匀分布的随机数,并令作为一组尝试值，代入系统求出,反复产生,反复计算，可得如下一个序列：05这里的是的第一组尝试值，式满足下式中最先出现得一组尝试值:6.4随机寻优法6.4随机寻优法给定一个不太大的正整数(比如为5)，按照上述方法求出组01它们满足02求出新的03(6.4.3)04其中称为第组的权，即第组的权为1，其他组的权均小于1。056.4随机寻优法010203040506求出新的△(6.4.4)其中，C是一个正数，一般取2~3。一般来讲，这个新的比原来最初给定的将更接近于,而也比原来的大为缩小。用计算出的及来代替原来的，并重复上述步骤，直到求出为止。采用上述改进后，随机序惯寻优才有了更加实用的价值，但是实际使用这种寻优法时仍有相当的技巧。下面将列出几点，供读者在使用时参考。6.4随机寻优法关于的大小问题。若取得过大，则起不到收缩区间的作用。但若取得过小，则容易使新搜索区间中不包括极小点，因此造成失误。一般来讲，第一轮可取4(或5，6)，以后只要有了两组新的值就可收缩，不足部分用上一轮最后出现的补足，这样既可保证T不过小，又不会由于为形成一个具有组的序列而使计算次数过多。1关于的问题。实际证明是很重要的一组参数，为使寻优收敛得较快往往不是取的第一组尝试值(因为它的随机性太大)，而是取前次尝试中最优值(一般取的几倍到十几倍)。26.4随机寻优法关于强行收敛问题。在采用此法时，常常会遇到这样一种情况，即在取得某组后，虽然经过很多尝试，仍不能得到，此时，往往是由于已比较接近而搜索区间仍较大的缘故。为了不至于在此浪费太多的计