lxt第4章无约束优化方法课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《lxt第4章无约束优化方法课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- lxt 无约束 优化 方法 课件
- 资源描述:
-
1、第四章第四章 无约束优化方法无约束优化方法1)1)坐标轮换法坐标轮换法;2)2)鲍威尔法鲍威尔法;3)3)梯度法梯度法;4)4)共轭梯度法共轭梯度法;5)5)牛顿法牛顿法;6)DFP6)DFP变尺度法变尺度法.4-1 概述概述 对于一个对于一个n n维目标函数,如果在没有任何维目标函数,如果在没有任何限制条件下寻求它的极小点,称无约束极限制条件下寻求它的极小点,称无约束极小化问题或无约束优化问题。数学上表达小化问题或无约束优化问题。数学上表达为为:Min F(X)XRn一)研究无约束优化方法的意义一)研究无约束优化方法的意义 一类有约束优化方法,往往能转化成无约束问题,一类有约束优化方法,往往
2、能转化成无约束问题,易于采用无约束优化方法求解易于采用无约束优化方法求解;有些问题可先作无约束问题求解,然后采用有约有些问题可先作无约束问题求解,然后采用有约束方法求出最优解。束方法求出最优解。二)解法分类二)解法分类无约束优化方法无约束优化方法 间接法间接法(解析法)(解析法)直接法直接法 梯度法梯度法 牛顿法牛顿法DFP变尺度法变尺度法 坐标轮换法坐标轮换法 鲍威尔法鲍威尔法确定搜索方向时用到一确定搜索方向时用到一阶或(和)二阶导数的阶或(和)二阶导数的方法。方法。其搜索方向直接其搜索方向直接取定或由计算目取定或由计算目标函数值所得的标函数值所得的信息来确定;信息来确定;4-2 坐标轮换法
3、 一、一、方法概述方法概述 坐标轮换法的基本构思是坐标轮换法的基本构思是将一个将一个 n n 维优化问题转化为维优化问题转化为依次沿依次沿 n n 个坐标方向反复进个坐标方向反复进行一维搜索问题。这种方法的行一维搜索问题。这种方法的实质是把实质是把n n维问题的求优过程维问题的求优过程转化为对每个变量逐次进行一转化为对每个变量逐次进行一维求优的循环过程。维求优的循环过程。二、迭代过程二、迭代过程 任选初始点任选初始点 搜索方向搜索方向以以X X(0)(0)为初始点,沿为初始点,沿e e1 1作正向试探性移步,步长作正向试探性移步,步长0 0 若试探成功,沿此方向一维搜索;否则,沿坐标的负若试探
4、成功,沿此方向一维搜索;否则,沿坐标的负方向试探。若正负方向试探均失败,则转入下一步。方向试探。若正负方向试探均失败,则转入下一步。TnTTTieeeS1,0,0,00,0,1,00,0,0,121TnxxxX)0()0(2)0(1)0(,沿沿e e2 2方向进行一维搜索。以此类推,进行完一轮一维搜索后得方向进行一维搜索。以此类推,进行完一轮一维搜索后得 以以 作为第二轮的初始点,重复步骤前作为第二轮的初始点,重复步骤前2 2步,得第二轮搜索的终点步,得第二轮搜索的终点 ,相继进行第三、第四轮等的搜索。,相继进行第三、第四轮等的搜索。如果从某轮的起始点出发,沿各个坐标轴的正负方向试探均失败,则
5、如果从某轮的起始点出发,沿各个坐标轴的正负方向试探均失败,则缩短初始试探步长。当初始步长缩得足够小,满足精度时,迭代终止。缩短初始试探步长。当初始步长缩得足够小,满足精度时,迭代终止。)1(nx)1(nx)2(nx 二、迭代过程二、迭代过程三、坐标轮换法流程图三、坐标轮换法流程图从从 出发沿出发沿 方向进行一维搜索得方向进行一维搜索得 :1iXieiiiiieXX1)(iXFF 1ini 给给定定,0nX0XXn1iiFFXXn结束结束10kkXXn1k是否否是四、算法特点四、算法特点 如如:(:(1)1)等值线为椭圆等值线为椭圆,且长短轴分别平行于坐标轴时且长短轴分别平行于坐标轴时-高效高效
6、1x2xo(2(2)等值线为如图脊线时等值线为如图脊线时-无效无效1x2xo(3(3)一般情况一般情况-低效低效1 1)编程简单,容易掌握;)编程简单,容易掌握;2 2)收敛速度通常较低()收敛速度通常较低(其有效性取决于目标其有效性取决于目标函数的性态函数的性态),仅适于低维的情况),仅适于低维的情况(n10)(n10)。4-3 鲍威尔法鲍威尔法 设设A A为为n n阶对称正定矩阵,若有两个阶对称正定矩阵,若有两个n n维矢量维矢量S1S1和和S2 S2,满足:满足:鲍威尔法是以共轭方向为基础的收敛较快的直接法之一。鲍威尔法是以共轭方向为基础的收敛较快的直接法之一。共轭方向法的概念共轭方向法
7、的概念则称矢量则称矢量S1S1和和S2S2对矩阵对矩阵A A共轭。共轭。共轭矢量的方向称共轭矢量的方向称共轭方向共轭方向。鲍威尔法 共轭方向与函数极小点的关系共轭方向与函数极小点的关系 设有一般二维二次正定函数设有一般二维二次正定函数 同心椭圆族。从同心椭圆族。从出发,沿出发,沿S S1 1方向作一维搜索,得最优点方向作一维搜索,得最优点X X1 1 (与椭圆相切);再从另一初始点(与椭圆相切);再从另一初始点 出发,沿出发,沿S S1 1方向作一维搜索,方向作一维搜索,连线的方向为连线的方向为S S2 2,则,则S S2 2必过椭圆族的中心,即必过椭圆族的中心,即X X*,且,且S S1 1
8、和和S S2 2必与必与A A正交。正交。其等值线是其等值线是沿沿S S1 1方向作一维搜索,得最优点方向作一维搜索,得最优点X X2 2(也与椭圆相切)。设(也与椭圆相切)。设X X1 1与与 X X2 2 4-2 Powell4-2 Powell法法2x3x1xo0X1e2e3e3 3)若目标函数为正定二次函数,)若目标函数为正定二次函数,n n轮结束后即可到达轮结束后即可到达最优点。最优点。2 2)每轮迭代产生一个新方向取代原来的第一方向,)每轮迭代产生一个新方向取代原来的第一方向,n n轮迭代后可产生轮迭代后可产生n n个彼此共轭的方向个彼此共轭的方向;nX1 1)开始采用坐标轴方向)
9、开始采用坐标轴方向;一)一)PowellPowell基本算法基本算法共轭方向法共轭方向法迭代过程二)二)PowellPowell法法(PowellPowell修正算法)修正算法)2x3x1xo0X2e3e1X 应用应用 PowellPowell基本算法时,若有一次搜索的最优步长为基本算法时,若有一次搜索的最优步长为0 0,且该方向被换掉,则该算法失效。且该方向被换掉,则该算法失效。1 1)问题的提出)问题的提出 2)Powell 2)Powell对基本算法的改进对基本算法的改进 在获得新方向构成新方向组时在获得新方向构成新方向组时,不是不是轮换地去掉原来的方向轮换地去掉原来的方向,而是经判别后
10、而是经判别后,在在n+1n+1个方向中留下最接近共轭的个方向中留下最接近共轭的n n个方个方向向.*根据根据PowellPowell条件判定是否需换方向;条件判定是否需换方向;如需换向,则换掉函数值下降量最大的方向如需换向,则换掉函数值下降量最大的方向.三)三)PowellPowell条件条件),()(01kXFF)(0)()(12kknknXXX),()(2knXFF)()(13knXFF),()(max,.,.2,1)()(1nmikikiXFXF)()()()(1kmkmXFXF23122132113)(21)(2(FFFFFFFFF如下述两不等式如下述两不等式同时成立则需换向,否则仍取
11、原方向组。同时成立则需换向,否则仍取原方向组。计算计算:(映射计算)(映射计算))(1knX)(knX)(1kX)(0kXPQ大的方向的标号为目标函数值下降量最式中 m,四)更换方向的步骤四)更换方向的步骤nmmiiiSS,.,1,1,)(0)(1kknnXXS3 3)更换方向:)更换方向:2 2)构造新方向:)构造新方向:1 1)找出该轮迭代中目标函数值下降量最大的)找出该轮迭代中目标函数值下降量最大的方向方向(假定其标号为假定其标号为m m);迭代步骤4-4 4-4 梯度法梯度法一)梯度方向一)梯度方向*可取最优步长或下降步长可取最优步长或下降步长二)基本思想二)基本思想 梯度方向是目标函
12、数上升最快的方梯度方向是目标函数上升最快的方向,负梯度方向则是最速下降方向;向,负梯度方向则是最速下降方向;)()()()()1(kkkkXFXX2 2)迭代公式迭代公式1 1)沿沿负梯度方向搜索负梯度方向搜索:)()()()(kkkgXFS kg三)终止判别条件三)终止判别条件给定给定 X0,K=0,X(K)=X0K=K+1X(k)=XX*=X(K)F*=F(X*)结结 束束NY计算计算)()(,kkgg)(kg 从从 出发出发,沿沿 搜索得搜索得)(kX)(kg)()()(kkkgXX*“最速下降性最速下降性”只只是迭代点邻域的局部是迭代点邻域的局部性质。从全局看,并性质。从全局看,并非最
13、速下降方向。非最速下降方向。四四.迭代步骤迭代步骤梯度法特点:梯度法每次迭代都是沿迭代点函数值下降最快的方向搜索,因梯度法每次迭代都是沿迭代点函数值下降最快的方向搜索,因而梯度法而梯度法又称最速下降法又称最速下降法。这种方法搜索路线常常很曲折,收敛速度较慢。对于等值线为这种方法搜索路线常常很曲折,收敛速度较慢。对于等值线为圆的优化问题,梯度法一次迭代就可以达到极小点;当等值线圆的优化问题,梯度法一次迭代就可以达到极小点;当等值线不是圆,负梯度方向不再指向圆心,迭代次数增加,偏心越严不是圆,负梯度方向不再指向圆心,迭代次数增加,偏心越严重,迭代次数越多,形成重,迭代次数越多,形成锯齿现象锯齿现象
展开阅读全文