约束优化方法PPT格式课件下载.ppt
《约束优化方法PPT格式课件下载.ppt》由会员分享,可在线阅读,更多相关《约束优化方法PPT格式课件下载.ppt(43页珍藏版)》请在冰豆网上搜索。
![约束优化方法PPT格式课件下载.ppt](https://file1.bdocx.com/fileroot1/2022-10/22/898e338a-c180-4875-b7c6-c2c461ddbd91/898e338a-c180-4875-b7c6-c2c461ddbd911.gif)
间接解法是将约束优化问题转化为一系列无约束优化问题来解的一种方法。
由于间接解法可以选用已研究比较成熟的无约束优化方法,并且容易处理同时具有不等式约束和等式约束的问题。
因而在机械优化设计得到广泛的应用。
间接解法中具有代表性的是惩罚函数法。
直接解法的基本思想:
在由m个不等式约束条件gu(x)0所确定的可行域内,选择一个初始点x(0),然后确定一个可行搜索方向S,且以适当的步长沿S方向进行搜索,取得一个目标函数有所改善的可行的新点x
(1),即完成了一次迭代。
以新点为起始点重复上述搜索过程,每次均按如下的基本迭代格式进行计算:
x(k+1)x(k)+(k)S(k)(k=0,1,2,)逐步趋向最优解,直到满足终止准则才停止迭代。
直接解法的原理简单,方法实用,其特点是:
1)由于整个过程在可行域内进行,因此,迭代计算不论何时终止,都可以获得比初始点好的设计点。
2)若目标函数为凸函数,可行域为凸集,则可获得全域最优解,否则,可能存在多个局部最优解,当选择的初始点不同,而搜索到不同的局部最优解。
3)要求可行域有界的非空集。
a)可行域是凸集;
b)可行域是非凸集间接解法的求解思路:
将约束函数进行特殊的加权处理后,和目标函数结合起来,构成一个新的目标函数,即将原约束优化问题转化为一个或一系列的无约束优化问题。
新目标函数加权因子然后对新目标函数进行无约束极小化计算。
第二节随机方向法随机方向法的基本思路:
在可行域内选择一个初始点,利用随机数的概率特性,产生若干个随机方向,并从中选择一个能使目标函数值下降最快的随机方向作为搜索方向d。
从初始点x0出发,沿d方向以一定步长进行搜索,得到新点X,新点x应满足约束条件且f(x)f(x0),至此完成一次迭代。
基本思路如图所示。
随机方向法程序设计简单,搜索速度快,是解决小型机械优化问题的十分有效的算法。
一、随机数的产生下面介绍一种常用的产生随机数的数学模型首先令取r=2657863,按一下步骤计算:
令若则若则若则则(0,1)之间的随机数在任意(a,b)区间内的随机数二、初始点的选择随机方向法的初始点x0必须是一个可行点,既满足全部不等式约束条件。
初始点可以通过随机选择的方法产生。
1)输入设计变量的下限值和上限值,即2)在区间(0,1)内产生n个伪随机数3)计算随机点x的各分量4)判别随机点x是否可行,若随机点可行,用x代替x0为初始点;
若非可行点,转到步骤2)重新产生随机点,只到可行为止。
三、可行搜索方向的产生产生可行随机方向的方法:
从k个随机方向中,选取一个较好的方向。
其计算步骤为:
1)在(-1,1)区间内产生伪随机数,得随机单位向量2)取一试验步长a0,按下式计算k个随机点3)检验k个随机点是否为可行点,除去非可行点,计算余下的可行点的目标函数值,比较其大小,选出目标函数最小的点XL。
4)比较XL和X0两点的目标函数值,若f(XL)f(X0),则步长0缩小,专步骤1)重新计算,直至f(XL)f(X0)为止。
如果0缩小到很小,仍然找不到一个XL,使f(XL)f(X0)则说明X0是一个局部极小点,此时可更换初始点,转步骤1)。
产生可行搜索方向的条件为:
则可行搜索方向为:
四、搜索步长的确定步长由加速步长法确定。
五、随机方向法的计算步骤第三节复合形法复合形法是求解约束优化问题的一种重要的直接解法。
它的基本思路是在可行域内构造一个具有k个顶点的初始复合形。
对该复合形各顶点的目标函数值进行比较,找到目标函数最大的顶点(最坏点),然后按一定的法则求出目标函数值有所下降的可行的新点,并用此点代替最坏点,构成新的复合形,复合形的形状没改变一次,就向最优点移动一步,直至逼近最优点。
由于复合形的形状不必保持规则的图形,对目标函数和约束函数无特殊要求,因此这种方法适应性强,在机械优化设计中应用广泛。
初始复合形生成的方法:
1)由设计者决定k个可形点,构成初始复合形。
设计变量少时适用。
2)由设计者选定一个可形点,其余的k-1个可形点用随机法产生。
3)由计算机自动生成初始复合形的所有顶点。
二、复合形法的搜索方法1.反射1)计算复合形各顶点的目标函数值,并比较其大小,求出最好点XL、最坏点XH及次坏点XG,即2)计算除去最坏点XH外的(k-1)个顶点的中心XC3)从统计的观点来看,一般情况下,最坏点XH和中心点XC的连线方向为目标函数的下降方向。
4)判别反射点XR的位置若XR为可行点,则比较XR和XH两点的目标函数值,如果f(XR)=f(XH),则将缩小0.7倍,重新计算新的反射点,若仍不行,继续缩小,直至f(XR)1。
内点法的特点:
1初始点必须为严格内点2不适于具有等式约束的数学模型3迭代过程中各个点均为可行设计方案4一般收敛较慢5初始罚因子要选择得当6罚因子为递减,递减率c有0c1。
三、混合惩罚函数法1.混合惩罚函数法及其算法步骤在构造惩罚函数时,可以同时包括障碍项与惩罚项,并将惩罚因子统一用r(k)表示:
由于内点法容易处理不等式约束优化设计问题,而外点法又容易处理等式约束优化设计问题,因而可将内点法与外点法结合起来,处理同时具有等式约束和不等式约束的优化设计问题。
这种同时处理等式和不等式约束的惩罚函数法称为混合惩罚函数法。
混合惩罚函数法与前述内点法和外点法一样,也属于序列无约束极小化(SUMT)方法中的种方法。