第四章一维搜索法.pdf

第四章一维搜索法

由第一章关于求解最优化问题概述中我们知道，从已知迭代点XRn出发按照基本迭

k

代公式XXtP来求解最优化问题，其关键在于如何构造一个搜索方向PRn和

k1kkkk

确定一个步长tR1，使下一迭代点X处的目标函数值下降，即f(X)f(X)．现

kk1k1k

在我们来讨论，当搜索方向已经确定的情况下，如何来确定步长？步长因子的选取有t

P

kk

多种方法，如取步长为常数，但这样选取的步长并不最好，如何选取最好步长呢？实际计算

通常采用一维搜索来确定最优步长．

对无约束最优化问题

minf(X)，

XRn

当已知迭代点和下降方向时，要确定适当的步长使tf(X)

XP

kkkk1

f(XtP)比f(X)有所下降，即相当于对于参变量的函数t

kkkk

(t)f(XtP)

kk

要在区间[0,]上选取tt使f(X)f(X)，即

kk1k

．

(t)f(XtP)f(X)(0)

kkkkk

由于这种从已知点出发，沿某一下降的探索方向来确定步长的问题，实质上是单变t

XP

kkk

量函数(t)关于变量的一维搜索选取问题，故通常叫做一维搜索．按这种方法确定的步长t

t又称为最优步长，这种方法的优点是，它使目标函数值在搜索方向上下降得最多．

k

今后为了简便起见，我们用记号

Xls(X，P)（4.1）