常用最优化方法评价准则
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
常用无约束最优化方法评价准则
方法算法特点适用条件
最速下降法属于间接法之一。方法简便,但要计算一阶偏导
数,可靠性较好,能稳定地使函数下降,但收敛
速度较慢,尤其在极点值附近更为严重
适用于精度要求不高或用于对
复杂函数寻找一个好的初始
点。
Newton法属于间接法之一。需计算一、二阶偏导数和Hesse
矩阵的逆矩阵,准备工作量大,算法复杂,占用
内存量大。此法具有二次收敛性,在一定条件下
其收敛速度快,要求迭代点的Hesse矩阵必须非
奇异且定型(正定或负定)。对初始点要求较高,
可靠性较差。
目标函数存在一阶\二阶偏导
数,且维数不宜太高。
共轭方向法属于间接法之一。具有可靠性好,占用内存少,
收敛速度快的特点。
适用于维数较高的目标函数。
变尺度法属于间接法之一。具有二次收敛性,收敛速度快。
可靠性较好,只需计算一阶偏导数。对初始点要
求不高,优于Newton法。因此,目前认为此法是
最有效的方法之一,但需内存量大。对维数太高
的问题不太适宜。
适用维数较高的目标函数
(n=10~50)且具有一阶偏导
数。
坐标轮换法最简单的直接法之一。只需计算函数值,无需求
导,使用时准备工作量少。占用内存少。但计算
效率低,可靠性差。
用于维数较低(n<5)或目标函
数不易求导的情况。
单纯形法此法简单,直观,属直接法之一。上机计算过程
中占用内存少,规则单纯形法终止条件简单,而
不规则单纯形法终止条件复杂,应注意选择,才
可能保证计算的可靠性。
可用于维数较高的目标函数。
常用约束最优化方法评价标准
方法算法特点适用条件
外点法将约束优化问题转化为一系列无约束优化问题。
初始点可以任选,罚因子应取为单调递增数列。
初始罚因子及递增系数应取适当较大值。
可用于求解含有等式约束或不等
式约束的中等维数的约束最优化
问题。
内点法将约束优化问题转化为一系列无约束优化问题。
初始点应取为严格满足各个不等式约束的内点,
障碍因子应取为单调递减的正数序列。初始障碍
因子选择恰当与否对收敛速度和求解成败有较大
影响。
可用于求解只含有不等式约束的
中等维数约束优化问题。
混合罚函数法将约束优化问题转化为一系列无约束优化问题,
用内点形式的混合罚函数时,初始点及障碍因子
的取法同上;用外点形式的混合罚函数时,初始
点可任选,罚因子取法同外点法相同。
可用于求解既有等式约束又有不
等式约束的中等维数的约束化问
题。
约束坐标轮换法由可行点出发,分别沿各坐标轴方向以加步探索
法进行搜索,使每个搜索点在可行域内,且使目
标函数值下降。
可用于求解只含有不等式约束,
且维数较低(n<5),目标函数的
二次性较强的优化问题。
复合形法在可行域内构造一个具有n个顶点的复合形,然
后对复合形进行映射变化,逐次去掉目标函数值
最大的顶点。
可用于求解含不等式约束和边界
约束的低维优化问题。