理论教育 优化无约束优化问题的惩罚函数法

优化无约束优化问题的惩罚函数法

时间:2023-06-17 理论教育 版权反馈
【摘要】:它们于全域内定义为非负。由于rk和Mk起着在目标函数f和惩罚项之间进行加权的作用,故又可称为响应系数,F所代表的曲面为响应曲面。又rk和Mk是一个可以由小到大或由大到小改变的序列,故式是一个无约束优化问题的无穷序列。惩罚函数法分为两类:一类是参数型惩罚函数法,SUMT是一种典型的参数型惩罚函数法;另一类是无参数惩罚函数法,它把目标函数作为一个人为附加约束并在迭代计算中自动作出调整,以致逐渐逼近于约束最优解。

优化无约束优化问题的惩罚函数法

惩罚函数法在形式上和拉格朗日法相似,故可视为是它的推广。其思路很简单,即并不直接求解原约束优化问题:

而是把它变成如下形式的无约束优化问题:

式中,G[guX)]和H[hvX)]是针对原数学模型中的约束条件,以某种方式构成关于guX)和hvX)的泛函。它们于全域内定义为非负。当约束条件不满足时,函数FXrkMk)将受到惩罚(其函数值变得很大),故称之为惩罚函数,G[guX)]和H[hvX)]为惩罚项,rkMk为惩罚因子。由于rkMk起着在目标函数fX)和惩罚项之间进行加权的作用,故又可称为响应系数,FXrkMk)所代表的曲面为响应曲面。又rkMk是一个可以由小到大或由大到小改变的序列,故式(5-17)是一个无约束优化问题的无穷序列。采用某种无约束最优化方法求出的最优解,即为约束最优化问题的解,因而该法又称为序列无约束极小化方法(Sequential Unconstrained Minimization Technique),简称为SUMT方法。(www.daowen.com)

惩罚函数法分为两类:一类是参数型惩罚函数法,SUMT是一种典型的参数型惩罚函数法;另一类是无参数惩罚函数法,它把目标函数作为一个人为附加约束并在迭代计算中自动作出调整,以致逐渐逼近于约束最优解。由于后者的收敛速度较慢,在工程优化设计中甚少应用。在参数型惩罚函数法中,根据惩罚项的函数形式不同,又可分为内点法、外点法和混合法三种。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈