[2.2 内点罚函数法]
基本思想:对企图从可行域内部穿越可行域的点,在目标函数中加入相应的“障碍”,距边界越近,障碍越大,在边界上给以无穷大的障碍,从而保证迭代点一直在可行域内部移动。具体过程如下:
对于问题
(3)
构造增广目标函数,
其中,称为障碍因子, 称为障碍函数。
其实质是在可行域的边界上设置一道障碍,从中的某一点出发进行迭代,当迭代点靠近的边界时,便被此边界上的障碍碰回,此时即便很小,人工智能的发展但,,使得的函数值变得很大,容易想象不可能在靠近的边界上取得最优解,于是迫使迭代点被碰回到远离区域的边界去寻找。因为和都在中,取得很小时,在可行域内部距离边界较远的地方,有,此时的解可以作为的近似解。但当取得过小,将给障碍函数的极小化计算带来很大的困难,因此,取一个严格单调递减且大于零的障碍因子序列,用式子表示为,当逐渐减小时,有
且 (4)
式子(4)中为的极小点序列,为问题(3)的最优解。
算法特点:内点罚函数法的迭代点总是在可行域内进行,每一个中间结果都是可行解,当迭代到一定次数时,尽管可能没有达到约束最优点,但可以找到一个较好的近似的最优解。其缺点是实际问题中选取可行域内的初始可行点较困难,且只适用于含有不等式约束的非线性规划问题,其最优解只是可行域内的最优解,而并非是整个维欧氏空间中的最优解。
[2.3 混合罚函数法]
基本思想:将外点罚函数法和内点罚函数法的优点结合起来,便形成了混合罚函数法。混合罚函数法有多种形式,这里介绍用外点罚函数法处理等式约束,用内点罚函数法处理不等式约束的情况,具体过程如下:
考虑问题(1),构造增广目标函数为
(5)
初始点应选为满足不等式约束条件的点,罚因子按照内点罚函数法确定,且时,。式子(5)中,是限制搜索跑出不等式约束确定的区域,相当于内点罚函数法,而是迫使搜索点向等式约束面靠近,相当于外点罚函数法。当k充分大时,式子(5)的解即为原优化模型的最优解。 2/4 首页 上一页 1 2 3 4 下一页 尾页 |