第五节约束优化方法.ppt

第五节约束优化方法第1页，共20页，星期日，2025年，2月5日依据对约束条件处理方法的不同，可以将它分为两类：直接法解:直接从可行域中寻找出它的约束最优解。主要方法有约束坐标轮换法，随机方向搜索法，复合形法及可行向法。优点:方法简单,直观性强,对函数无特殊要求。缺点:计算量大,收敛慢,因而效率低。第2页，共20页，星期日，2025年，2月5日间接法解:将约束优化问题进行特殊加权处理，转化为无约束优化问题，然后，直接利用无约束优化方法进行求解。主要方法有：消元法，拉格朗日乘子法，惩罚函数法。特点：1、应用无约束优化方法来求解,使得间接解有可靠的理论基础，计算效率和稳定性都有较大的提高。2、加权因子迭取较为困难，迭取不当时会影响收敛速度和计算精度，甚至有可能导致失败。第3页，共20页，星期日，2025年，2月5日5.2.复合形法1.基本原理：在n维空间的可行域中选取K个设计点（通常取）作为初始复合形（多面体）的顶点。然后比较复合形各顶点目标函数值的大小，其中目标函数值最大的点为坏点，以坏点之外其余各点的中心（即形心）为映射中心，寻找坏点的映射点，一般来说此映射点的目标函数总是小于坏点的，也就是说映射点优于坏点。第4页，共20页，星期日，2025年，2月5日这时，以映射点替换坏点，并与原复合形除坏点之外其余各点构成K个顶点的新的复合形。如此反复迭代计算，在可行域中不断以目标函数值最小的新点代替目的函数值最大的坏点，构成新复合形，从而使复合形不断向最优点移动和收缩，直至收缩到复合形的各顶点与形心非常接近，满足迭代精度要求为止。最后输出复合形各顶点中的目标函数值最小的顶点作为近似最优点。下面我们以二维约束优化问题为例，来进一步说明：第5页，共20页，星期日，2025年，2月5日第6页，共20页，星期日，2025年，2月5日1)在可行域内选定4个点（这里K=2n=4）作为初始复合形的顶点。2)计算这4个点的函数值，并作比较，确定函数值最大的坏点。函数值最小的好点3)以3点的形心为映射中心，寻找坏点的映射点式中为映射点系数.一般通常取第7页，共20页，星期日，2025年，2月5日4)检查的可行性和下降性(1)若在可行域之内,且时,则用点替换点并组成新的复合形完成一次迭代。（2）不在可行域内,第一种条件不满足,用（映射系数减半），计算新的再检查是否满足上述条件，若满足条件(1)，则用替构成新的复合形,反之继续将减半，当减至很少（例如时）第8页，共20页，星期日，2025年，2月5日仍然达不到条件要求时，则可用次坏点代替进行映射，组成新的迭代过程，这样可使复合形向着目标函数值减小的方向移动和收缩，直至逼近最优解。1.初始复合形的产生。(1)对于维数较低，不很复杂的优化问题，可以人为地预先按实际情况决定K个可行设计点作为初始复合形的顶点。初始复合形的全部K个顶点都必须在可行域内。第9页，共20页，星期日，2025年，2月5日(2)对于维数较高的优化问题,由设计者选定复合形的一个初始可行点，其余的K-1个可行点用随机方法产生。具体过程如下：①确定一个可行点作为初始复合形的第K个顶点.在区间上给定一个点②产生其余的K-1个可行点第10页，共20页，星期日，2025年，2月5日式中——复合形中的第j个顶点—设计变量的下限和上限区间内服从均匀分布的随机数。③将非可行点调入可行域，构成初始复合形。随机产生的顶点，不一定都在可行域内，也须逐个检查是否在可行域内。全部顶点都在可行域内，它们均作为第11页，共20页，星期日，2025年，2月5日初始复合形的顶点。个顶点在可行域内。1）求出己知可行域内L个点的点集中心2）将不可行性点首先将(q=L+1)相当于第个顶点向中心点移动，如果移动后的己进入可行域，则将作为初始复合形的第L+1个顶点。向中心点移动即设有第12页，共20页，星期日，2025年，2月5日非可行点如何调入可行域示意图第13页，共20页，星期日，2025年，2月5日否则继续按上式再次移动，产生新点，直至成为可行点为止。3）其余非可行点按上式方法处理，将其调入可行域，直到全部成为可行点，从而构成了可行域内的初始复合形。1.复合形的