您现在的位置是:首页 > 经验问答网站首页经验问答

黄金分割法介绍 优选搜索算法详解

  • 编辑:贺眉苑
  • 2026-11-17 22:28:31
  • 来源:网易

黄金分割法也叫 0.618 法,是单峰函数一维寻优里面非常经典的无约束优化搜索方法,核心思路就是利用黄金分割比例 0.618,在搜索区间内部选取两个试点,通过比较这两个试点对应的函数值大小,不断舍弃不包含最优解的区间段,逐步把搜索区间压缩缩小,最后逼近函数的极小点或者极大点,这个方法不需要求导,只需要计算函数值,所以适用场景很广,不管是工程参数调试 实验方案优选 数学优化都经常使用,它和二分法不一样,二分法依靠导数或者符号判断,黄金分割法只对比函数值,属于直接搜索类算法,最大优点是实现简单,收敛稳定,每次区间缩减比例固定为 0.618,每一轮只需要新增一次函数求值,计算效率比较高,缺点是只适合单峰区间,如果目标函数是多峰,很容易收敛到局部最优,没办法找到全局最优,黄金分割这个比例数值约等于 0.618,对应的互补位置就是 0.382,两个试点按照这个比例布置在初始搜索区间里面,迭代过程当中保留上一轮其中一个旧试点,减少重复计算函数值,这也是这个算法效率高的关键设计。

核心基础原理清单

黄金分割常数 约等于 0.618,互补系数是 0.382

适用前提 目标函数在给定搜索区间内是单峰函数

优化目标 寻找区间内函数最小值或者最大值

算法类别 一维直接搜索法,不需要计算导数

区间收缩规则 比较两个试点函数值,淘汰一侧区间,保留包含最优解的子区间

黄金分割法迭代核心步骤

第一步 确定初始搜索区间 a b,确认区间内函数是单峰,设定收敛精度 epsilon

第二步 在区间内部设置两个试点 x1 等于 a 加 0.382 乘以 b 减 a,x2 等于 a 加 0.618 乘以 b 减 a

第三步 分别计算 f x1 和 f x2 对应的函数值

第四步 如果是求极小值,当 f x1 小于 f x2,说明最优解在 a 到 x2 之间,把新的上界 b 更新为 x2,舍弃 x2 右侧区间,如果 f x1 大于 f x2,最优解在 x1 到 b 之间,把新下界 a 更新为 x1,舍弃 x1 左侧区间

第五步 新区间生成之后,复用保留下来的旧试点,只新增一个新试点,继续计算函数值对比

第六步 重复迭代,直到区间长度 b 减 a 小于设定精度 epsilon,此时区间中点就作为近似最优解

求极小值与求极大值对比

项目求极小值求极大值
判断规则函数值更小的一侧保留函数值更大的一侧保留
区间舍弃逻辑舍弃函数值更大试点外侧区间舍弃函数值更小试点外侧区间
最终输出近似极小点近似极大点

算法优缺点

优点

不需要求导,函数不可导也可以使用

迭代规则固定,编程实现难度低

每次迭代仅新增一次函数求值,计算开销小

收敛过程平稳,不容易震荡

缺点

只支持单峰函数,多峰问题容易陷入局部最优

收敛速度属于线性收敛,相比二次插值类方法速度偏慢

初始区间选太大,迭代轮次会明显增加

常见应用场景

数学优化课程标准算法例题

工程试验参数优选,比如温度 压力 配比参数寻优

信号处理 控制系统里面单变量参数调优

运筹学 实验设计里面单因素优选

关键注意要点

黄金分割法的 0.618 是近似值,高精度计算可以使用精确黄金比例表达式

迭代停止条件除了区间长度,也可以增加函数值变化量作为判断标准

如果函数在区间内存在平台段,也就是相邻点函数值相等,需要单独设定处理分支

初始区间必须提前确认单峰属性,否则算法结果没有可靠意义

【常见问题】

问题 1 黄金分割法介绍里面,为什么要使用 0.618 这个比例

回答 1 黄金分割法介绍当中选用 0.618,是为了让每次区间缩减之后,新区间比例和原区间比例保持一致,黄金分割法介绍这个设计可以复用旧试点,减少函数求值次数,提升寻优效率

问题 2 黄金分割法介绍,它和二分法有什么本质区别

回答 2 黄金分割法介绍里面明确它属于直接搜索,只对比函数值,黄金分割法介绍对应的二分法需要依靠导数或者符号判断,黄金分割法不需要求导,适合无法求导的单峰函数寻优

问题 3 黄金分割法介绍,可以用来求解多峰函数全局最优吗

回答 3 黄金分割法介绍说明它只适合单峰区间,黄金分割法介绍对应的多峰函数,算法很容易停在局部最优点,不能保证找到全局最优,多峰问题需要搭配分区搜索或者其他全局优化算法

问题 4 黄金分割法介绍,迭代什么时候可以停止

回答 4 黄金分割法介绍一般设置区间长度小于预设精度就停止迭代,黄金分割法介绍也可以额外增加函数值变化阈值,满足收敛条件之后,取区间中点作为近似最优解

【免责申明】

本文属于黄金分割法算法科普,算法原理与迭代规则为通用数学理论,内容仅作知识讲解,不构成工程建模或者科研项目专业建议,实际工程应用请结合目标函数特性验证算法适用性。

Top