机械优化设计--第四章(第5次课).pptVIP

;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;（1）共轭方向的概念;（1）共轭方向的概念;（1）共轭方向的概念;（1）共轭方向的概念;（1）共轭方向的概念;（1）共轭方向的概念;（1）共轭方向的概念;（2）共轭方向的性质;（3）共轭方向法;（3）共轭方向法;（4）格拉姆-斯密特矢量系共轭化方法;（4）格拉姆-斯密特矢量系共轭化方法;（4）格拉姆-斯密特矢量系共轭化方法;（4）格拉姆-斯密特矢量系共轭化方法;（4）格拉姆-斯密特矢量系共轭化方法;（4）格拉姆-斯密特矢量系共轭化方法;（1）概述;（2）基本思想;（2）基本思想;例用坐标轮换法求的极小值.;2）第二次迭代搜索;3）第三次迭代搜索;例:用坐标轮换法求下列目标函数的无约束最优解。

给定初始点，精度要求ε=0.1;按最优步长原则确定最优步长α1，即极小化;对于第一轮按终止条件检验;1.给定初始点,迭代精度,维数n,搜索方向(i=1～n)；;（4）算法步骤;方法简单，容易实现。

当维数增加时，效率明显下降，只适于N10的小型优化问题。

收敛慢，以振荡方式逼近最优点。;共轭梯度法是共轭方向法的一种，因为该方法中每一个共轭向量都是依赖于迭代点处的负梯度而构造出来的，所以称作共轭梯度法。

以梯度法相邻两次迭代的负梯度方向呈线性无关且互为正交这点为基础而构造出的一种具有二次收敛的算法。

每轮搜索方向为一组共轭方向,但第一方向为负梯度方向。;共轭梯度法的搜索方向是在采用梯度法基础上的共轭方向，目标函数F(x)在迭代点X(k+1)处的负梯度为-?F(X(k+1))，该方向与前一搜索方向S(k)互为正交，在此基础上构造一种具有较高收敛速度的搜索方向。;;，;（4）计算?f(Xk+1)，若||?f(Xk+1)||??，则终止迭代，取X*=Xk+1；

否则进行下一步;;k=n;共轭梯度法属于解析法，其算法需求一阶导数，所用公式及算法简单，所需存储量少。

该方法以正定二次函数的共轭方向理论为基础，对二次型函数可以经过有限步达到极小点，所以具有二次收敛性。但是对于非二??型函数，以及在实际计算中由于计算机舍入误差的影响，虽然经过n次迭代，仍不能达到极小点，则通常以重置负梯度方向开始，搜索直至达到预定精度，其收敛速度也是较快的。;例：用共轭梯度法求二次函数

的极小点和极小值。精度;4）计算新的迭代点的梯度及模;