非线性规化的直接搜索法.pptVIP

第1页，共28页，星期日，2025年，2月5日第一，对目标函数和约束函数不必附加可解析性的条件，对于目标函数而言，甚至不要求具有显式表达式，只需要在所计算的点处提供函数值；第二，对于约束变量可以取离散值，比如整数值，或取某些特殊值O或1；第三，在通常情况下，这些算法能够求解全局最优点。直接搜索法的特点：第2页，共28页，星期日，2025年，2月5日直接试验法的基本思路：问题：（2）生产试验点（3）从中找出满足约束条件的可用试验点。（4）求出使得目标函数最小的试验最优解。（1）设定试验域解题方法：分批选点，第一批布点稀一些，占满全域，从中挑出较好的试验点，再围绕这些点作出新的较小的试验域，较密布点。第3页，共28页，星期日，2025年，2月5日（1）设定试验域可用试验点新的较小的试验域，较密布点第4页，共28页，星期日，2025年，2月5日4.7.1网格法网格法：在试验域内打上网格，以各网格点作为试验点。网格既可以是等间距的，也可以是不等间距如；既可以正交，也可以斜交。等间距网格公式如下：将区间分成等分（i=l,2，……，N)，则各网格点的坐标为：第5页，共28页，星期日，2025年，2月5日（1）设定试验域,在试验域内打上网格（2）计算各网格点的坐标，生产试验点。（3）从中找出满足约束条件的可用试验点。（4）求出使得目标函数最小的试验最优解。第6页，共28页，星期日，2025年，2月5日4.7.2随机试验法随机试验法是用随机方法生产试验点，再从试验点中选出满足约束条件的点，进而求出最优点的一种方法。设问题为则首先用随机方法生产试验点，然后从中找出满足约束条件的点，并求出使得成立的最优解。缺点：因选点过程计算量较大，所以当问题的维数很大时计算量是非常大的。第7页，共28页，星期日，2025年，2月5日改进措施：(1）给出最优解的估计范围，即给出使(2）给出产生（O,1）区间内均匀分布的伪随机数的方法。通常一般计算机的软件中都给有产生（O,l）区间内均匀分布的伪随机数的程序。第8页，共28页，星期日，2025年，2月5日算法1—随机点的总数；—实验的可行点总数；—最小解未作改变的次数；M，N，N1—给定的正数；最优解—最小解N次不变，则认为求出了最优解；无可行解—如产生N1，个随机点仍无可行点，则认为问题无可行解。第9页，共28页，星期日，2025年，2月5日算法2在算法1中，不变，这不利于对进一步估计，且经过计算后会逐渐对有一个更准确的估计，此时的区间运算值也应逐步靠近，若使算法1中计算到第N1步的结果作为的新的估计值且对每一个变量估计一个区间长度，令第10页，共28页，星期日，2025年，2月5日算法2第11页，共28页，星期日，2025年，2月5日算法3(随机方向法)随机方向法:把前N1次找出的最优点x与再作N1次后求出的比较，若，则沿方向从出发作一维搜索求出x0，用x0代替再计算下去．这样做可以加速收敛速度。相应地得算法。第12页，共28页，星期日，2025年，2月5日第13页，共28页，星期日，2025年，2月5日4.7.2复合型法第14页，共28页，星期日，2025年，2月5日4.7.2复合型法在可用域内构成复合型，对复合型各顶点的目标函数值进行比较，丢掉其中最坏点，代替以能够改善目标函数的、满足约束条件的新的点构成一个新的复合型顶点，逐步逼近极小值点。（一）复合型法的基本思路（二）复合型法的组成（1）初始复合型的形成（3）调优搜索复合型：n维空间中定点数P大于的（n+1）个点的多面体称为复合型。（2）检验收敛条件第15页，共28页，星期日，2025年，2月5日例如：一维空间：二维空间：四边形，三维空间：五面体。当单纯形各定点之间的距离相等时，则称为正规单纯形