最新无约束优化方法鲍威尔专业知识讲座.pptVIP

§4.5坐标轮换法;计算步骤:;;坐标轮换法的流程图;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;§4.5坐标轮换法;鲍威尔方法是直接搜索法中一个十分有效的算法。该算法是沿着逐步产生的共轭方向进行搜索的，因此本质上是一种共轭方向法。;一、共轭方向的生成;一、共轭方向的生成;一、共轭方向的生成;二、鲍威尔基本算法

;二、鲍威尔基本算法

;鲍威尔基本算法的步骤：

1）第一轮基本方向组取单位坐标矢量系e1、e2、e3、…、en，沿这些方向依次作一维搜索，然后将始末两点相连作为新生方向。

;鲍威尔基本算法的缺陷：

可能在某一轮迭代中出现基本方向组为线性相关的矢量系的情况。如第k轮中，产生新的方向：

dk=xnk-x0k=?1kd1k+?2kd2k+???+?nkdnk

式中，d1k、d2k、???、dnk为第k轮基本方向组矢量，?1k、?2k、???、?nk为各方向的最优步长。

若在第k轮的优化搜索过程中出现?1k=0，则方向dk表示为d2k、d3k、???、dnk的线性组合，以后的各次搜索将在降维的空间进行，无法得到n维空间的函数极小值，计算将失败。

;鲍威尔基本算法的退化;三、鲍威尔修正算法

在某轮已经取得的n+1个方向中，选取n个线性无关的并且共轭程度尽可能高的方向作为下一轮的基本方向组

鲍威尔修正算法的搜索方向的构造：在第k轮的搜索中，x0k为初始点，搜索方向为d1k、d2k、???、dnk，产生的新方向为dk，此方向的极小点为xk。沿dk方向移动得到点xn+1k=2xnk-x0k，称之为x0k对xnk的映射点。

计算x0k、x1k、???、xnk、xk、xn+1k各点的函数值，记作：

F1=F(x0k)F2=F(xnk)

F3=F(xn+1k)?=F(xm-1k)-F(xmk)

?是第k轮方向组中，依次沿各方向搜索函数下降值;鲍威尔算法的方向淘汰;为了构造第k+1轮基本方向组，采用如下判别式???

按照以下两种情况处理：

1)上式中至少一个不等式成立，则第k+1轮的基本方向仍用老方向组d1k、d2k、???、dnk。k+1轮的初始点取

x0k+1=xnkF2F3

x0k+1=xn+1kF2?F3

;2）两式均不成立，则淘汰函数值下降最大的方向，并用第k轮的新生方向补入k+1轮基本方向组的最后，即k+1轮的方向组为d1k、d2k、???、dm-1k、dm+1k、???、dnk、dk。

;k+1轮的初始点取:

x0k+1=xk

xk是第k轮沿dk方向搜索的极小点。

;四、修正算法的迭代步骤及流程图;得到点阵i=1，2……n;（4）关键点函数值;检验鲍威尔判别条件是否成立;⑺确定k+1轮的方向组和起始点;例试用鲍威尔修正算法求目标函数的最优解。已知

初始点，迭代精度ε=0.001

;以为起点，改沿第二坐标轴方向e2进行一维搜索;沿d1方向进行一维搜索得极小点与极小值;第二轮迭代计算;检查鲍威尔条件;沿e2方向作一维搜索得;构成新生方向;根据具体情况来分析，d1，d2实际上为共轭方向，见下图。本题又是二次函数，有共轭方向的二次收敛性，上面结果就是问题的最优解。可以预料，如果做第三轮迭代，则一定各一维搜索的步长为零，必有;在不计算导数的情况下，先算出若干点处的函数值，从它们之间的大小关系中也可以看出函数变化的大概趋势，为寻求函数的下降方向提供依据。

原理：利用单纯形的顶点，计算其函