一维搜索主要分两步:第一步是找到一个粗糙的单峰区间;第二部就是缩小它
现在我们将之前的几个程序拼接起来,组成一个完整的一维搜索程序
计算函数
的极小值点,初始值为
进退法程序:工程优化设计与Matlab实现——一维搜索方法(一)
黄金分割法程序:工程优化设计与Matlab实现——一维搜索方法(二)
二次插值法程序:工程优化设计与Matlab实现——一维搜索方法(三)
第一种一维搜索:进退法+黄金分割法
clc
计算结果为:
第二种一维搜索:进退法+二次插值法
clc
计算结果为:
由此我们可以看出,两种方法都可以达到同样的目的——找到极小值点和极小值。
但是两种方法在迭代次数上有明显的差异,即黄金分割法进行了39次迭代,二次插值法只用了1次,这是因为
本身就是一个二次函数,在第一次二次插值时,插值函数就是目标函数本身,所以对于二次性较好的函数来说二次插值法不失为一个更好地选择。二次插值法的缺点在于其单次计算量较大,主要是计算插值函数及插值函数极值点这一过程所带来的。
而对于黄金分割法来说,其优点就是计算量小。虽然迭代次数多,但是其每次只要多算一个点及其函数值,单次计算量更小,所以每次迭代时的速度更快。
使用一维搜索方法解决多维问题
这次直接上栗子
求目标函数
从点
在方向
上的极小值点和极小值
可以看出,目标函数变成了一个四维问题,但这个四维问题仍然可以用之前的方法来解决。
主程序如下:
clc
目标函数定义如下:
function
进退法与黄金分割法函数与之前完全相同
我们确确实实使用一维搜索方法对一个多维问题进行了优化, 只不过这个多维问题有一些限制,但这种方法会体现在以后的很多地方。