机械优化设计ppt课件第六章 约束优化的直接搜索法

合集下载
  1. 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. 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. 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)。

• 确定初始可行点 方法1)决定性方法 当问题的约束条件
比较简单,可凭判断人为地在可行域内选定 一个初始点。
方法2) 随机投点方法 当问题的约束条
件较为复杂时,靠判断选择初始可行点较困
难,这时可借助计算机中的随机数发生器,
产生随机但可行的初始.点。
11
设给定设计变量的上下限值为:
ai≤ xi ≤ bi (i = 1, 2, …, n) 则产生的随机点的各分量为
12
• 构造随机搜索方向 利用计算机中的随机数发生器,在区间[-1,1]
上产生一组随机数方法r1 、 r2 、… 、 rn (n 为 变量的维数) ,则随机搜索方向为
e = [e1 e2 … en ]T = [r1 r2 … rn ]T /(∑ ri) 0.5 || e ||=1, e 是一个单位向量。
min f (X )
X∈ Rn
s.t. gj(X ) ≤ 0 (j = 1, 2, …, m)
ai≤ xi ≤ bi (i = 1, 2, …, n)
其基本思想是:在可行域内构造一个具有
K1个顶点的初始复合形. (
n+1≤
Baidu Nhomakorabea
K1≤2n
), 15
或叫多面体,对该复合形各顶点的目标函数 值进行比较,去掉目标函数值最大的顶点 (或称最坏点),然后按一定的法则求出目 标函数值有下降的可行的新点,并用此点代 替最坏点,构成新的复合形。复合形的形状 每改变一次,就向最优点移动一步,直到逼 近最优点。
.
7
• 计算步骤及算法框图(略)
.
8
§6.3 约束随机方向搜索法
• 基本思想
它是约束优化问题中经常采用的一种直 接求解方法。它适于解决如下数学模型:
min f (X )
X∈ Rn
s.t. gj(X ) ≤ 0 (j = 1, 2, …, m)
其基本思想是:在不破坏约束条件的前提 下,从选定的初始可行点X(0)出发,相继沿着 n个随机产生的搜索方向e(k)(k= 1, 2, …, n),
.
9
以定步长 0 搜索得到n个试验点Xk (k= 1, 2, …, n), 然后计算比较n个试验点处的函数值f (Xk), 找出其中的最小点XL 。
若f (XL) ≥ f (X(0)),则缩短步长0 ,或重 新产生n个随机方向,重复前面的过程。
若f (XL) < f (X(0)),则继续沿方向S = XLX(0) ,并令X(0) = XL,以适当步长向前跨步, 得到新点 X(1) = X(0) + S 。
机械优化设计
太原科技大学 张学良
.
1
第六章 约束优化的直接搜索法
§6.1 概述
数学模型:
min f (X )
X∈ Rn
s.t. gj(X ) ≤ 0 (j = 1, 2, …, m) hk(X ) = 0 (k = 1, 2, …, p)
根据对约束函数处理方法的不同,约束
优化方法可以分为:直接法和间接法。
直接法的特点是:
原理简单、方法实用,但计算量大,收敛
慢、效率低。适于维数低、精度要求不高但目
标函数较复杂的问题。 .
4
常用的直接法有:
网格法、约束随机方向搜索法和复合形 法。
• 间接法的基本思想
将约束优化问题中的约束函数进行特殊 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,即将约束优化问题转化 成为一个或一系列的无约束优化问题,再对 新的目标函数进行无约束优化计算,从而间 接地搜索到原约束优化问题的最优解。
若f (X(1) ) < f (XL),则将新的起始点移到 X(1) ,重复前面的过程进行新一轮搜索。
.
10
若f (X(1) ) > f (XL),则应缩短步长 ,直 至取得一个好的可行点作为新一轮搜索的起 始点。如此周而复始,当迭代步长 已经很 小时,说明搜索已逼近约束最优点。达到精 度要求时,即可终止迭代计算。
.
2
直接法通常适用于仅含不等式约束的优化 问题,当有等式约束时,该等式约束函数不 能是复杂的隐函数,而且容易实现消元过程。
• 直接法的基本思想
在m个不等式约束条件所确定的可行域
内,选择一个初始点X(0),然后决定可行搜
索方向S(0) ,且以适当的步长(0) ,沿S(0)
方向进行搜索,得到一个使目标函数值下降
的可行的新点X(1) ,即完成一次迭代,再以
新点为起点,重复上述搜索过程,满足收敛
条件后,迭代终止。
.
3
迭代公式为一般公式:
X (k+1)=X (k) + (k) S(k) (k =0 , 1 , 2 , …)
S(k) 为可行搜索方向, (k)为步长。
可行搜索方向是指:当设计点沿该方向作 微量移动时,目标函数值将下降,且不会超出 可行域。
比较其目标函数值的大小,从中找出目标函数 值最小的网格点。若此网格点之间的距离hj均 小于给定的控制精度j(通常取j=,i=1,2,…, n) , 则该网格点就是所要求的最优点的近似点X*。 否则,以该点为中心缩小寻优区间,即在该点 附近作较密的网格,继续求目标函数值最小的 网格点。如此循环往复,直至找到满足精度要 求的最优点的近似点X*。网格的划分可以是等 间距的,也可以是非等间距的。
xi(0) =ai +ri(bi-ai) (i = 1, 2, …, n) 其中, ri为[0,1]区间上的随机数。 还需对点X(0)进行可行性检验,即是否满足
gj(X(0)) ≤ 0 (j = 1, 2, …, m)
若满足, X(0)可作为初始点;否则,则应
另取随机数重新产生随机点,直到得到一个
可行的随机点为止。 .
要产生N个随机搜索方向e(k) (k =1, 2, …, N) , 需要产生N组随机数ri(k) (i = 1, 2, …, n; k =1, 2, …, N) 。
.
13
XL S S X(0) XL
0
• 计算步骤及算法框图(略)
.
14
§6.4 复合形法
• 基本思想
它是约束优化问题中经常采用的一种重 要的直接求解方法。它适于解决如下数学模 型:
.
5
§6.2 网格法
• 网格法的基本思想
适于解决如下数学模型:
min f (X )
X∈ Rn
s.t. gj(X ) ≤ 0 (j = 1, 2, …, m)
ai≤ x i ≤ bi ( i = 1, 2, …, n) 其基本思想是:在设计变量的界限区域内 作出网格,逐个计算各个网格点上的约束函 数值和目标函数值,然后舍去不满足约束条 件的 网格点 ,对满 足. 约束 条件的网格点 ,6
相关文档
最新文档