文字理解
内点法属于约束优化算法。约束优化算法的基本思想是:通过引入效用函数的方法将约束优化问题转换成无约束问题,再利用优化迭代过程不断地更新效用函数,以使得算法收敛。
内点法(罚函数法的一种)的主要思想是:在可行域的边界筑起一道很高的“围墙”,当迭代点靠近边界时,目标函数徒然增大,以示惩罚,阻止迭代点穿越边界,这样就可以将最优解“档”在可行域之内了。
数学定义
对于下面的不等式约束的优化问题:
\[\min f(x), x \in R^n
\]
\[s.t \quad g_{i}(x) \leq0, i=1,2,...,m
\]
利用内点法进行求解时,构造惩罚函数的一般表达式为
\[\varphi (X, r)=f(X)-r\sum_{i=1}^{m}\frac{1}{g_{i}(X)}
\]
或者
\[\varphi (X, r)=f(X)-r\sum_{i=1}^{m}{\ln[-g_{i}(X)]}
\]
算法步骤
取初始惩罚因子\(r^{(0)}>0\),允许误差\(\epsilon>0\);
在可行域\(D\)内选取初始点\(X^{(0)}\),令\(k=1\);
构造惩罚函数\(\varphi (X, r^{(k)})\),从\(X^{(k-1)}\)点出发用无约束优化方法求惩罚函数\(\varphi (X, r^{(k)})\)的极值点\((X^{*}, r^{(k)})\);
检查迭代终止准则:如果满足$$|X^{} r^{(k)}-X^