请教Hyperstudy中优化环节中优化算法如何选择

lewis999

在Hyperstudy中集成了如下算法：自适应相应面法（Adaptive Response SurfaceMethod）、序列二次规划法（Sequential Quadratic Programming）、可行方向法（Method of Feasible Directions）和遗传算法（Genetic Algorithm）。请问一下该怎么选择这些方法呢，做工程优化问题（非线性问题)？其中它们之间的区别是什么？（优缺点）。还有，可行方向法是哪种方法？传统的还是改进了的？

limin.xu

全局最优解：遗传算法(GA)
局部最优解：自适应响应面法(ARSM)、序列二次规划法(SQP)、可行方向法(MFD)

一般情况下，ARSM率最高；
SQP次之，并优于MFD；
GA耗时较长，或者耗费的资源较大，但是它搜索全局。

我这里倒是有几个疑问：能否描述一下您处理的非线性问题？其特点和数值分析的难点？是否高度非线性？

lewis999

您别客气了，直呼我小刘吧。我做的是一个多设计变量的机械部件的优化。都是以板厚为设计变量。板厚的优化取值增减量为整数1.这就是我认为的非线性，不知道是否正确？请指教！特点和难点我觉得倒没有，我只是想弄明白这几种算法的真实用途，让我好选用。您的讲解很到位，不过您有详细一点的资料说明吗？或者推荐我看什么论文或书籍

lewis999

还有，我想请问一下，软件里面集成的这些算法都是改进的某种算法，能具体知道是什么改进算法吗？比如改进的遗传算法也分好多种类，软件里的集成的是哪种呢？其它算法也有类似的疑问！

luozhifan

lewis999 发表于 2011-10-14 11:10
还有，我想请问一下，软件里面集成的这些算法都是改进的某种算法，能具体知道是什么改进算法吗？比如改进的 ...

你所说的应该是离散非线性优化问题. 这种情况下基于梯度的算法(SQP, MFD)不可用.
采用哪个算法需根据你的具体情况而定. 如果模型的分析很快, 可用GA. 这样可能得到全局最优解. 如果分析很耗时(好几分种甚至更多), 则可用ARSM. 但得到的是局部解.
HyperStudy中的算法都是经过进算法, 与市面上的一些标准算法可能稍有差异. 但大同小异嘛, 你可查阅相关资料了解这些算法的特性.

lewis999

luozhifan 发表于 2011-10-14 14:34
你所说的应该是离散非线性优化问题. 这种情况下基于梯度的算法(SQP, MFD)不可用.
采用哪个算法需根据你的 ...

谢谢