数值最优化:线搜索技术
对于求解无约束优化模型 通常会有下面的一种迭代步:
通过某种搜索方法确定步长因子 ,使得 这实际上是目标函数 在规定的一个方向上移动所形成的单变量优化问题,也就是所谓的 “线搜索” 技术,令 这样,搜索式等价于求步长 使得
精确线搜索的基本思想: 首先确定包含问题最优解的 搜索区间 ,然后采用 某种插值或分割技术缩小区间 ,进行搜索求解。
由于不少精确线搜索算法都是针对单峰函数建立起来的,下面介绍一种确定搜索区间并保证具有 近似单峰性质 的数值算法—— 进退法
算法1:进退法
S1: 给出 , , ;
计算 , ;
S2: 如果 则转 S4;
如果 则转 S6;
S3: 令 , 如果 则转 S3;
如果 则转 S6;
, 转 S7;
S4: 令 , 如果 则转 S7;
如果 则转 S5;
令 , 转S4;
S5: 令 , 如果 , 则令 , 转 S7;
如果 , 则令 , 转 S7;
令 , 转 S5.
S6: 令 , 转 S2;
S7: 令 , 即停。
例1: 利用进退法求解极值区间实例。取初始点 ,步长 ,用进退法求函数 的极值区间。
黄金分割法又称 0.618 法,其基本思想是通过试探函数值的比较,使得包含极小点的搜索区间不断缩小,直至区间内的值足够接近极小值为止。该方法仅需要计算函数值,适用范围广,使用方便。下面我们来推导 0.618 法的计算公式。
设 其中 是搜索区间 的单峰函数。
假设在第 次迭代时搜索区间为 , 为确定下一次迭代区间,我们取两个试探点 , 计算得到 和 , 存在两种情况:
(1)若 , 则令 ;
(2)若 , 则令 ;
我们要求两试探点满足如下条件:
(1) 与 长度相同,即 ;
(2)区间长度的缩短率相同,即 .
从而可得 由于两区间长度一致,不妨假设新的迭代区间为 为进一步缩小区间,取新的试探点 , 得 若令 则 这样,新的试探点就不用重新计算。得到区间的缩短率为
算法2:黄金分割法(0.618法)
S1: 选定区间 及精度 , 令 , 计算试探点
S2: 若 ,则停止计算;
否则,当 时转 S3;当 时转 S4;
S3: 令 , 转 S5;
S4: 令 , 转 S5;
S5: 令 , 转 S2.
例2: 利用黄金分割法求解极值实例。利用黄金分割法求下面函数的极小值
基本牛顿法是一种是用导数的算法,它每一步的迭代方向都是沿着当前点函数值下降的方向。其基本思想是:用 在探索点 处的二阶 Taylor 展开式得到的二次函数 来近似代替 : 其中, 可以认为是 的近似。因此,求函数 的极小值点近似于求解 的极小值点, 函数 应该满足一阶必要条件 : 即 上式即为牛顿法的迭代公式,当 时,对于区间内的 都成立;反之当 时,牛顿法可能收敛到极大值点。
算法3:基本牛顿法
S1: 给出 精度 , 令 ;
S2: 若 , 停止, 极小值点为 ;
S3: 令 ;
S4: 令 , 转 S2.
例3: 取初始点 ,用牛顿法求 的任一极小值点。
线搜索技术是求解许多优化文体下降算法的基本组成部分,但精确线搜索往往需要计算很多的函数值和梯度值,从而耗费较多的计算资源。特别是当迭代点远离最优点是,线搜索方法通常不是十分有效和合理的。因此,既能保证目标函数具有可接受的下降量又能使最终新城的迭代序列收敛的非精确线搜索越来越流行。常用的有 Walf 准则与 Armijo 准则 。
牛顿法最突出的优点是收敛速度快,具有局部二阶收敛性,但基本牛顿法初始点需要足够“靠近”极小点,否则有可能导致算法不收敛。这样就引入了 阻尼牛顿法(也称全局牛顿法) ,阻尼牛顿法最核心的一点在于可以修改每次迭代的步长,通过沿着牛顿法确定的方向一维搜索最优的步长,最终选择使得函数值最小的步长。
阻尼牛顿法是 基于 Armijo 准则的搜索 ,满足 Armijo 准则: 一般的,可取 为 或更小的值。由于 时下降方向,不等式右边是关于 的线性减函数。因此只要 不取的太小,不等式可以保证新迭代点 的函数值较 有一定量的下降。
算法4:阻尼牛顿法(全局牛顿法)
S1: 给出 精度 , 令 ;
S2: 计算 , , 若 则转 S4;
若 则停止;
令初始值 ;
S3: 令 , 如果 , 则转 S3;
令 , , 转 S2;
S4: 令 , 如果 , 则令 , 置 ;
S5: 如果
则转 S6;置 ; 转 S5;
S6: 令 , , 转 S2.
例4: 取初始点 ,用全局牛顿法求函数 的极小值点。
相关参考:
最优化理论的方法
1、无约束最优化 2、带约束最优化 即研究的是 函数最小化 问题。(举例说明) 1、选定初始点 2、确定搜索方向 ,依照一定规则,...
搜索技术
详情: 图搜索和树搜索详解 称启发函数是可采纳的,如果h( n ) 满足 h( n ) ≤ h * ( n ) ,其中 h * ( n )是从当前节点 n到达目标的最低真实代价 ,即h( n )的估值永远小于真实耗散值;因为f ( n ) = g ( n...
最优化理论与方法
第3篇的智能优化方法包括启发式搜索方法Hopfield神经网络优化方法、模拟退火法与均场退火法、遗传算法等内容。在第4篇中,介绍了变分法、最大(小)值原理和动态规划等内容。各章都配备了习题。本书可作为高等院校机械工程一...
|阿尔法核心技术
一、 AlphaGo的两大核心技术 MCTS(Monte Carlo Tree Search)MCTS之于围棋就像Alpha-Beta搜索之于象棋,是核心的算法,而比赛时的搜索速度至关重要。就像深蓝当年战胜时,超级计算机的运算速度是制胜的关键因素之一。MCTS的4个...
数学模型反演解法概述
模拟退火算法是基于金属退火的机理而建立的一种全局最优化方法,它能够以随机搜索技术从概率的意义上找出目标函数的全局最小点。模拟退火算法的主要缺点是解的质量与求解时间之间存在矛盾,该算法对于多应力期模型和大量水文地质...
搜索引擎如何搜索到信息?
随着互联网的迅猛发展、WEB信息的增加,用户要在信息海洋里查找自己所需的信息,就象大海捞针一样,搜索引擎技术恰好解决了这一难题(它可以为用户提供信息检索服务)。搜索引擎是指互联网上专门提供检索服务的一类网站,这些站点的服务器通过网络...
最优化方法的基本定义
最优化方法的目的在于针对所研究的系统,求得一个合理运用人力、物力和财力的最佳方案,发挥和提高系统的效能及效益,最终达到系统的最优目标。实践表明,随着科学技术的日益进步和生产经营的日益发展,最优化方法已成为现代管理...
基于拓扑方法的汽车车体结构优化
作为对性能的验证,运用经拓扑学最优化后的保留结果,生成了断面形状各异的模型,同时调整了其形状及板厚,进而验证了特征值。另外,作为技术对比,对用于固定保险杠的塔形支撑杆进行了验证,并将基于灵敏度分析而设计出的零件作为优化目标,对...
优化作用的概述
Hooke-Jeeves直接搜索法(Hooke-Jeeves Direct Search Method)探索型优化技术 探索型优化技术避免了集中在局部区域的搜索,这些技术遍历整个参数空间搜索全局最优设计点。ISIGHT中的这种技术包括:遗传算法(Genetic Algorithm)批...
最优化选择法数学原理
代入式(2.2.1)中将使φ值获得极小,这时bi即为我们的解释结果,这称为最小二乘意义下的最优化选择法。 我们称φ为目标函数,用它来衡量理论曲线与实测曲线的符合程度。最优化方法的关键在于求取使φ值获得极小参量的改正值δi,而f通...
相关评论
18573378006: matlab程序设计与应用 (刘卫国 著) 高等教育出版社 课后答案 是这个吗 给我邮箱 我发过去
18573378006: numerical optimization 数值优化;数值最优化;组合及数值优化 例句 1.Application of Two Numerical Optimization Methods in Mining Engineering--A Discussion 优选法在采矿工程中的应用探讨 2.International Conference on Numerical ...
18573378006: 1、intitle:建筑施工技术2、大约1130条检索结果3、注意检索时,Google左边的工具条必须选中“图书”!4、希望能帮到你,在你力所能及能帮到别人的时候也请帮助别人,愿更多人心怀善意!