精确线搜索-黄金分割法

黄金分割法1

黄金分割法

黄金分割法也称为0.618 法, 其基本思想是通过试探点函数值得比较,是包含极小点的搜索区间不断缩小. 该方法仅需要计算函数值, 适用范围广, 使用方便. 下面我们来推导0.618 法的计算公式.
设

ϕ(s)=f(xk+sdk)

其中ϕ(s)是搜索区间[a0,b0]上的单峰函数. 在第i 次迭代时搜索区间为[ai,bi]. 取两个试探点为pi,qi∈[ai,bi] 且pi<qi. 计算ϕ(pi)和ϕ(qi). 根据单峰函数的性质, 可能会出现如下两种情形之一:

（1） 若ϕ(pi)≤ϕ(qi)，则令ai+1=ai,bi+1=qi；
（2） 若ϕ(pi)>ϕ(qi)，则令ai+1=pi,bi+1=bi；
我们要求两个试探点pi和qi满足下述两个条件:
（1）[ai,qi]与pi,bi]的长度相同, 即bi−pi=qi−ai
（2）区间长度的缩短率相同, 即bi+1−ai+1=t(bi−ai)
从而可得

pi=ai+(1−t)(bi−ai), qi=ai+t(bi−ai)

现在考虑情形(1). 此时, 新的搜索区间为

[ai+1=bi+1]=[ai,qi]

为了进一步缩短搜索区间, 需取新的试探点pi+1,qi+1.由以上推导 得

qi+1=ai+1+t(bi+1−ai+1)=ai+t(qi−ai)=ai+t2(bi−ai)

若令

t2=1−t, t>0

则

qi+1=ai+(1−t)(bi−ai)=pi

这样, 新的试探点qi+1就不需要重新计算. 类似地, 对于情形(2), 也有相同的结论.
解方程t2=1−t, t>0 得区间长度缩短率为

t=(√5)−12≈0.618

因此, 我们可以写出0.618 法的计算步骤如下.

算法2 (0.618 法)

步0 确定初始搜索区间[a0,b0]和容许误差0≤ϵ≤1. 令t=(√5)−12计算初始试探点

p0=a0+(1−t)(b0−a0), q0=a0+t(b0−a0)

及相应的函数值ϕ(p0),ϕ(q0)。令i=0
步1若ϕ(pi)≤ϕ(qi)，转步骤2；否则，转步骤3
步2计算左试探点. 若|qi−ai|≤ϵ，停算，输出pi；否则，令

ai+1=ai, bi+1=qi, ϕ(qi+1)=ϕ(pi),qi+1=pi, pi+1=ai+1+(1−t)(bi+1−ai+1).

计算ϕ(pi+1),i=i+1,转步骤1
步3计算右试探点.若|bi−pi|≤ϵ，停算，输出qi；否则，令

ai+1=pi, bi+1=bi, ϕ(pi+1)=ϕ(qi),pi+1=qi, qi+1=ai+1+t(bi+1−ai+1).

计算ϕ(qi+1),i=i+1,转步骤1
值得说明的是, 由于每次迭代搜索区间的收缩率是t=0.618, 故0.618法只是线性收敛的, 即这一方法的计算效率并不高. 但该方法每次迭代只需计算一次函数值的优点足以弥补这一缺憾.

MATLAB实现

function [s,phis,i,G,E]=huanjfg(phi,a,b,delta,epsilon)
%功能: 0.618法精确线搜索
%输入: phi是目标函数, a, b 是搜索区间的两个端点
%         epsilon delta分别是自变量和函数值的容许误差
%输出:  s, phis分别是近似极小点和极小值,  G是nx4矩阵,
%         其第i行分别是a,p,q,b的第i次迭代值[ak,pk,qk,bk],
%          E=[ds,dphi], 分别是s和phis的误差限.
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 步0    确定初始搜索区间$[a_0,b_0]$和容许误差$0leq epsilon leq1$. 
%       令$t=frac{sqrt(5)-1}{2}$计算初始试探点$$p_0=a_0+(1-t)(b_0-a_0),   q_0=a_0+t(b_0-a_0)$$
%       及相应的函数值$phi(p_0),phi(q_0)$。令$i=0$
% 步1    若$phi(p_i)leqphi(q_i)$，转步骤2；否则，转步骤3
% 步2    计算左试探点. 若$left | q_i-a_i 
ight |leq epsilon$，停算，输出$p_i$；否则，令
%           $$a_{i+1}=a_i,  b_{i+1}=q_i,  phi(q_{i+1})=phi(p_i),\
%           q_{i+1}=p_i, p_{i+1}=a_{i+1}+(1-t)(b_{i+1}-a_{i+1}).$$
%       计算$phi(p_{i+1}), i=i+1,$转步骤1
% 步3    计算右试探点.若$left | b_i-p_i 
ight |leq epsilon$，停算，输出$q_i$；否则，令
%           $$a_{i+1}=p_i,  b_{i+1}=b_i,  phi(p_{i+1})=phi(q_i),\
%           p_{i+1}=q_i, q_{i+1}=a_{i+1}+t(b_{i+1}-a_{i+1}).$$
%       计算$phi(q_{i+1}), i=i+1,$转步骤1

t=(sqrt(5)-1)/2;
p=a+(1-t)*(b-a);q=a+t*(b-a);
phip=feval(phi,p);phiq=feval(phi,q);
i=0;
G(i+1,:)=[a p q b];
while(1)
    %step 1
    if phip<=phiq
        %step 2
        if (abs(b-a)>epsilon)||(abs(phib-phia)>delta)
%             a=a;
            b=q;phib=phiq;
            phiq=phip;
            q=p;
            p=a+(1-t)*(b-a);
            phip=feval(phi,p);
        else
            break;
        end
    else
        %step 3
        if (abs(b-a)>epsilon)||(abs(phib-phia)>delta)
            a=p;phia=phip;
%             b=b;
            phip=phiq;
            p=q;
            q=a+t*(b-a);
            phiq=feval(phi,q);
        else
            break;
        end
    end
    i=i+1;
    G(i+1,:)=[a p q b];
end
if phip<=phiq
    s=p;
    phis=phip;
else
    s=q;
    phis=phiq;
end
% E=[ds,dphi]
ds=abs(b-a);dphi=abs(phib-phia);
E=[ds,dphi];

MATLAB实验结果

>> phi=@(x)((x-1)^2);
>> [a,b,k]=bfm(phi,0,0.1)
a =
                       0.3
b =
                       1.5
k =
     3
>> delta=0.001;epsilon=0.001;
>> [s,phis,i,G,E]=huanjfg(phi,a,b,delta,epsilon);
>> [s,phis,i]
ans =
         0.999974521703027      6.49143616637166e-10                        15

取函数ϕ(x)=(x−1)2，初始区间为[0.3,1.5]，容许误差ϵ为0.001，
大概迭代16次可得极小点(0.999974521703027, 6.49143616637166e−10)

---

1. 马昌凤. 最优化方法及其Matlab程序设计[M]. 科学出版社, 2010. ↩