第5章 一维搜索
- 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)。
第5章 一维搜索
§5.1 最优化算法的简单介绍
1.算法概念
在解非线性规划时,所用的计算方法,最常见的是迭代下降算法. 迭代:从一点)
(k x 出发,按照某种规则A 求出后继点)
1(+k x
.用1+k 代替k ,重复以上
过程,产生点列}{)
(k x
。
规则A 是在某个空间X 中点到点的映射,即对每一个X x
k ∈)
(,有点
X x
A x
k k ∈=+)()
()
1(.
更一般地,把A 定义为点到集的映射,即对每个点X x k ∈)
(,经A 作用,产生一个点
集X x
A k ⊂)()
(.任意选取一个点)()
()
1(k k x
A x
∈+,作为)
(k x
的后继点.
定义1: 算法A 是定义在空间X 上的点到集映射,即对每一个点X x ∈,给定-个子集
X x A ⊂)(.
例1 考虑线性规划:
1
s.t. min 2
≥x x
最优解1=x .设计一个算法A 求出这个最优解.
⎪⎪⎩⎪⎪⎨⎧<⎥⎦⎤⎢⎣
⎡+≥⎥⎦⎤
⎢⎣⎡+=1 ,1 ),1(211 ,)1(21 ,1x x x x A 从一点出发,经A 作用得到一个闭区间.从此区间中任取一点作为后继点,得到一个点列.在一定条件下,该点列收敛于问题的解.利用算法A 可以产生不同的点列,如以3=x 为起点可产生点列:
{} ,5/4 ,3/2 ,2 ,3
其聚点是问题的最优解.
在许多情况下,要使算法产生的点列收敛于全局最优解是比较困难的.因此,一般把满足某些条件的点集定义为解集合.当迭代点属于这个集合时,就停止迭代.
无约束最优化问题可以定义解集合为
}0)(|{=∇=Ωx f x
约束最优化问题可以定义解集合为
}T -K 为|{点x x =Ω
2. 算法收敛问题
设Ω为解集合,X X A →:是一个算法,集合X Y ⊂.若以任一初点Y x
∈)
1(开始,
算法产生的序列其任一收敛子序列的极限属于Ω,则称算法映射A 在Y 上收敛.
收敛速率: 定义2: 设序列}{)
(k γ
收敛于*
γ,定义满足
∞<=--≤+∞
→βγ
γ
γ
γp
k k k *
)
(*)
1(lim
的非负数p 的上确界为序列}{)
(k γ
的收敛级.
若序列的收敛级为p ,就称序列是p 级收敛的.