优化设计-外点惩罚函数法-MATLAB编程

优化设计-内点惩罚函数法-MATLAB编程

有关于外点惩罚法原理的详细介绍可参考：
《结构优化设计概论》[M]国防工业出版社,1997.谢祚水，或者其他优化设计有关书籍
（谢祚水先生的书很经典，所以放这了）

外点惩罚函数法介绍

外点法是将惩罚函数定义在可行域之外，并在整个Rn中进行参数寻优。初始点x0可以在Rn中任选，既可在可行域中，亦可在域外，这给设计人员和实际计算带来极大的便利。由于外点法是从约束可行域外逐步逼近约束极值点的，故它很适合于具有等式约束或不等式约束条件的优化问题。

其算法步骤可以总结为：

MATLAB程序编程

与内点惩罚法一样，程序在利用无优化约束方法求取极值点这一环节，个人用了两种方法，一种是传统的梯度法求解，但是编写的程序适用于二维变量求解，且在矩阵求逆环节计算速度较慢，于是采用了第二种方法：单纯型法，可对多维变量函数求解，有关于单纯型法的编程，可详见此文：
https://blog.csdn.net/Randall_crow_J/article/details/106305624

无约束优化环节采用梯度法

MATLAB程序：

clear all;clc
syms x1 x2 x; 
f=x1^2+x2^2-x1*x2-10*x1-4*x2+60;%原函数
g1=x1-6;g2=x2-8;g3=x1+x2-11;%约束条件转换函数
e1=0.001;%梯度法最优值收敛精度
e2=0.001;%外点法收敛精度
D=1;%差值
k=1;
A(k)=0;B(k)=0;%A,B分别记录x1,x2点，初始点为[0,0]
r(k)=1;a=2;%r为惩罚因子，a为递增系数
%% 循环
while  D>e2 %罚因子迭代收敛条件
    x1=A(k);x2=B(k);
%判断点在不在可行域内，来选择惩罚函数
if x1-6>0
    u1=1;
else
    u1=0;
end
if x2-8>0
    u2=1;
else
   u2=0;
end
if x1+x2-11>0
    u3=1;
else
    u3=0;
end
%约束问题转换后的新目标函数
F=f+r(k)*u1*g1^2+r(k)*u2*g2^2+r(k)*u3*g3^2;
%梯度法求F的最优解xr
Fx1=diff(F,'x1');Fx2=diff(F,'x2');Fx1x1=diff(Fx1,'x1');Fx1x2=diff(Fx1,'x2');Fx2x1=diff(Fx2,'x1');Fx2x2=diff(Fx2,'x2');%求偏导、海森元素。
for n=1:100 %梯度法求最优值。
F1=subs(Fx1); %求解梯度值和海森矩阵
F2=subs(Fx2);
F11=subs(Fx1x1);
F12=subs(Fx1x2);
F21=subs(Fx2x1);
F22=subs(Fx2x2);
if(double(sqrt(F1^2+F2^2))<=e1) %梯度法最优值收敛条件
A(k+1)=double(x1);B(k+1)=double(x2);
break;
else
X=[x1 x2]'-([F11 F12;F21 F22])\[F1 F2]';
x1=X(1,1);x2=X(2,1);
end
end
D=double(sqrt((A(k+1)-A(k))^2+(B(k+1)-B(k))^2));
r(k+1)=a*r(k);
k=k+1;
end
A(k)
B(k)
double(subs(f))

无约束优化环节采用单纯型法

MATLAB程序如下：

clear all;clc
syms x1 x2 x; 
f=x1^2+x2^2-x1*x2-10*x1-4*x2+60;%原函数
g1=x1-6;g2=x2-8;g3=x1+x2-11;%约束条件转换函数
e1=0.001;%梯度法最优值收敛精度
e2=0.001;%外点法收敛精度
D=1;%差值
k=1;
A(k)=0;B(k)=0;%A,B分别记录x1,x2点，初始点为[0,0]
r(k)=1;a=2;%r为惩罚因子，a为递增系数
%% 循环
while  D>e2 %罚因子迭代收敛条件
    x1=A(k);x2=B(k);
%判断点在不在可行域内，来选择惩罚函数
if x1-6>0
    u1=1;
else
    u1=0;
end
if x2-8>0
    u2=1;
else
   u2=0;
end
if x1+x2-11>0
    u3=1;
else
    u3=0;
end
%约束问题转换后的新目标函数
F=f+r(k)*u1*g1^2+r(k)*u2*g2^2+r(k)*u3*g3^2;
%单纯形法求F的最优解xr
minx=minfunction(F,x1,x2,e1);
A(k+1)=minx(1,1);B(k+1)=minx(2,1);
D=double(sqrt((A(k+1)-A(k))^2+(B(k+1)-B(k))^2));
r(k+1)=a*r(k);
k=k+1;
end
A(k)
B(k)
double(subs(f))

对于此案例运算的结果为：（6.0002，4.9972），外点法运行结果还是不错的！