知识卡片

普通读书笔记卡 · 3749.a

约束优化先界定可行搜索空间

理解等级:中级

有界约束优化写作:在 X ∈ Ω 的条件下求 min f(X)。其中 X=(x₁,…,x_D) 是 D 维决策向量,f 是目标函数;搜索空间 Ω=[L₁,U₁]×…×[L_D,U_D],即每一维都要满足 Lᵢ ≤ xᵢ ≤ Uᵢ,Lᵢ、Uᵢ 是第 i 维的下界和上界。

示例(补充):D=2、x₁∈[0,10]、x₂∈[−5,5] 时,(3,4) 可行;(12,0) 的目标值即使更小,也因 x₁ 越界而不是合格解。

先明确搜索域,才能区分“目标值更好”和“违反约束”,也能据此设计变量编码与边界处理。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《智能算法导论》第 13 章《1 3 . 1 自 然 降 雨 现 象 启 发 下 的 雨 滴 算 法》(源文件:`_epub-src/EPUB/xhtml/chapter13_0001.xhtml`,式(13-1)及其后未编号的搜索空间定义 image_293.svg) - 结论依据:公式把最小化目标限制在 Ω 中,并将 Ω 定义为各维变量上下界的笛卡尔积,说明约束域是模型的一部分。二维数值示例为依据原书定义补充的教学示例,非书中数据。 - 原始内容:其中,X是决策向量;f(X)是目标函数;D为决策变量的维数;Lᵢ和Uᵢ分别是第i维决策变量的下界和上界。