文档介绍:第四章 无约束优化方法(fāngfǎ)
一、概述
二、最速下降法(梯度(tī dù)法)
三、牛顿型方法(牛顿法和阻尼牛顿法)
四、共轭方向和共轭方向法
五、共轭梯度(tī dù)法
六、变尺度法
七、坐标轮换法
第一页,共61页。
实际中的工程问题大都是在一定限制条件下追求(zhuīqiú)某一指标为最小,属于约束优化问题。
为什么要研究无约束优化问题?
1)有些实际问题,其数学模型本身就是一个无约束问题;
2)通过熟悉它的解法可以为研究约束优化问题打下良好的基础;
3)约束优化问题的求解可用通过一系列无约束优化方法来达到(dá dào)。
所以无约束优化问题的解法是优化设计方法的基本组成部分,也是优化方法的基础。
第二页,共61页。
1、无约束优化问题(wèntí)
求 维设计变量 使目标(mùbiāo)函数
,而对 没有任何(rènhé)限制条件。
2、求解方法
(1)利用极值条件来确定极值点的位置。
(2)数值计算方法——搜索方法
基本思想:从给定的初始点 出发,沿某一搜索方向
进行搜索,确定最佳步长
使函数值沿
下降
最大。依此方式不断进行,形成迭代的下降算法:
一、概述
第三页,共61页。
3、算法(suàn fǎ)框图
第四页,共61页。
4、无约束优化方法(fāngfǎ)的分类
根据确定其搜索方向 方法不同,可分为:
(2)利用目标函数的一阶或二阶导数(dǎo shù)的无约束优化方法(或称间接法)如:最速下降法(梯度法)、共轭梯度法、牛顿法及变尺度法;
间接法除了要计算目标函数值外,还要计算目标函数的梯度,有的还要计算其海赛矩阵;
(1)只利用目标函数值的无约束优化方法(或称直接法,即不使用导数信息),如:坐标轮换法、单形替换法及鲍威(Powell)法。
直接法不必求函数导数,只计算目标函数值。适用(shìyòng)于求解变量个数较少(小于20)的问题,一般情况下效率较低。
搜索方向的构成问题是无约束优化方法的关键。
第五页,共61页。
二、最速下降(xiàjiàng)法(梯度法)
1、基本(jīběn)思想
函数的负梯度方向是函数值在该点下降最快的方向。将n维问题转化为一系列沿负梯度方向用一维搜索方法寻优的问题,即利用负梯度作为(zuòwéi)搜索方向,故称为最速下降法或梯度法。
搜索方向取该点的负梯度方向即 ,使函数值在该点附近的范围内下降最快。
第六页,共61页。
2、最速下降(xiàjiàng)法的原理
(1)使 ,按此规律(guīlǜ)不断走步,形成迭代算法:
(2)其步长因子(yīnzǐ) 取一维搜索的最佳步长,即
根据一元函数极值的必要条件和多元复合函数求导公式,得
或
第七页,共61页。
由此可知,在最速下降法中,相邻两个迭代(dié dài)点上的函数梯度相互垂直。而搜索方向就是负梯度方向,因此相邻两个搜索方向互相垂直。这就是说在迭代(dié dài)点向函数极小点靠近的过程,走的是曲折的路线,形成“之”字形的锯齿现象,而且越接近极小点锯齿越细。
最速下降法的搜索(sōu suǒ)路径
函数梯度为局部(júbù)性质,因此并非“最快”。
第八页,共61页。
梯度(tī dù)法的迭代历程
第九页,共61页。
方法特点
1)初始点可任选,每次迭代计算量小,存储量少,程序简短。即使从一个(yī ɡè)不好的初始点出发,开始的几步迭代,目标函数值下降很快,然后慢慢逼近局部极小点;
2)任意相邻两点的搜索方向是正交的,它的迭代路径为绕道逼近极小点。当迭代点接近极小点时,步长变得很小,越走越慢。
第十页,共61页。