五种最优化方法.doc

五种最优化方法 最优化问题的一般形式： 式中f(X)称为目标函数(或求它的极小，或求它的极大)，si(X)称为不等式约束，hj(X)称为等式约束。化过程就是优选X，使目标函数达到最优值。最速下降法 4. 模式搜索法(步长加速法) 4.1 简介 1）解决的是无约束非线性规划问题； 2）不需要目标函数的导数，所以在解决不可导的函数或者求导异常麻烦的函数的优化问题时非常有效。 4.2模式搜索法步骤 5.评价函数法 5.1 简介 评价函数法是求解多目标优化问题中的一种主要方法。在许多实际问题中，衡量一个方案的好坏标准往往不止一个，多目标最优化的数学描述如下min (f_1(x),f_2(x),...,f_k(x)) s.t. g(x)=0 传统的多目标优化方法本质是将多目标优化中的各分目标函数，经处理或数学变换，转变成一个单目标函数，然后采用单目标优化技术求解。常用的方法有“线性加权和法”、“极大极小法”、“理想点法”。 选取其中一种线性加权求合法介绍。 5.2 线性加权求合法 6. 遗传算法 智能优化方法是通过计算机学习和存贮大量的输入-输出模式映射关系遗传算法的中心思想就是对一定数量个体组成的生物种群进行选择、交叉、变异等遗传操作,最终求得最优解或近似最优解。选择、交叉、变异等遗传操作