logo资料库

遗传算法精讲PPT.ppt

第1页 / 共40页
第2页 / 共40页
第3页 / 共40页
第4页 / 共40页
第5页 / 共40页
第6页 / 共40页
第7页 / 共40页
第8页 / 共40页
资料共40页,剩余部分请下载后查看
数学建模工作室 2022-6-13 第1页 mecca_zj@qq.com
非线性规划的基本概念 定义 如果目标函数或约束条件中至少有一个是非线性函数 时的最优化问题就叫做非线性规划问题. 一般形式: (1) 其中 , 是定义在 En 上的实值函数, 简记: Xfmin    0 1,2,..., Xg i     i .. ts    0 ,...,2,1 Xh j    j   , , i hgf T n , , 2 xx E x  1  j n n 1 1 E : E :g E :h , , f E   m; . l X  E n  1 E , n i j 其它情况: 求目标函数的最大值或约束条件为小于等于零 的情况,都可通过取其相反数化为上述一般形式. 数学建模工作室 2022-6-13 第2页 mecca_zj@qq.com
• 非线性规划的求解一般要比线性规划的求解困难 的多,不像线性规划那样有适应于一般情况的单 纯形法。 • 我们知道线性规划的可行域一般是个凸集,其最 优解在可行域的边界上达到;而非线性规划问题 的可行域一般不是凸集,最优解也不一定在边界 上达到。 • 现在的各种各样的算法都是针对各自特定的适用 范围的,这也是正处在研究发展中的学科领域。 数学建模工作室 2022-6-13 第3页 mecca_zj@qq.com
罚函数法 罚函数法基本思想是通过构造罚函数把 约束问题转化为一系列无约束最优化问题, 进而用无约束最优化方法去求解.这类方法 称为序列无约束最小化方法.简称为SUMT 法. 其一为SUMT外点法,其二为SUMT内点法. 数学建模工作室 2022-6-13 第4页 mecca_zj@qq.com
对一般的非线性规划: SUTM外点法   Xf   Xg  i   Xh  j min  .. ts   0 i 0 j   1,2,..., 2,1 ,..., m; . l )1( 可设:  MXfMXT      ,   ,0min  Xg i m  i 1  l  2     M j 1    Xh j   2 )2( 1 将问题( )转化为无约束问题:  min MXTnEX ,  )3( 其中T(X,M)称为罚函数,M称为罚因子,带M的项称为罚项,这 里的罚函数只对不满足约束条件的点实行惩罚:当 时,满   Xg 足各 ,故罚项=0,不受惩罚.当 时, i   Xg  必有 的约束条件,故罚项>0,要受惩罚. i   0 0   ,0 Xh  i   0 Xh 或 i 数学建模工作室 DX  DX  第5页 mecca_zj@qq.com 2022-6-13
SUTM内点法(障碍函数法)   Xf   Xg i  ,0 i  ,2,1 i 0  m ,   ,...,2,1 m )1(  , D 0 是可行域中 0 设集合 考虑问题: min   .. ts     XgX i 所有严格内点的集合。  , rXI 构造障碍函数   , rXI  Xf  : D      r | m  i 1  ln  Xg i  或 ( ), rXI  ( Xf )  r m  i 1  1  Xg i  m m 1  Xg i i 1  r ln  Xg i    r 或 i 1 这样问题( )就转化为求一系列极  , rXI rX k k  )(得 为障碍项,  为障碍因子 k r 1  其中称 min 0 DX 值问题: 数学建模工作室 2022-6-13 第6页 mecca_zj@qq.com
遗传算法 关于优化问题 传统的优化方法(局部优化) 共轭梯度法、拟牛顿法、单纯形方法 全局优化方法 漫步法(Random Walk)、模拟退火法、GA 比较:传统的优化方法 1)依赖于初始条件。 2)与求解空间有紧密关系,促使较快地收敛到局部 解,但同时对解域有约束,如可微或连续。利用 这些约束,收敛快。 3)有些方法,如Davison-Fletcher-Powell直接依 赖于至少一阶导数; 共轭梯度法隐含地依赖于梯 度。 2022-6-13 mecca_zj@qq.com 数学建模工作室 第7页
全局优化方法 1)不依赖于初始条件; 2)不与求解空间有紧密关系,对解域,无可微或连 续的要求。求 解稳健,但收敛速度慢。能获得全 局最优。适合于求解空间不知的情况 数学建模工作室 2022-6-13 第8页 mecca_zj@qq.com
分享到:
收藏