现代机械设计方法 第2版 教学课件 作者 谢里阳主编 第3篇 第14章 约束问题的优化设计方法.pptVIP

优化设计 第14章 约束问题的优化设计方法 概述 约束优化问题的求解过程可表示为 求一组设计变量 X* =[x1* ，x 2*，… ，x n* ]T 满足约束条件 g u(X*)≤0， u = 1，2，…， q h v(X*) = 0， v = 1，2，…， p 使函数值极小 min f(X)=f(X*) X∈Rn 求解这类约束优化问题的方法，称为约束优化方法。 惩罚函数法概述 （１）惩罚函数法的基本思路 对于约束优化问题： min f(X) X∈Rn s.t． gu(X)≤0 u=1，2，…，q hv(X)=0 v=1，2，…，pn 惩罚函数法的基本思路，是将以上的目标函数和所有约束函数，组合构造成一个新的目标函数。 φ(X，r)=f(X)+rP(X) P(X)－由所有约束函数gu(X)、hv(X)定义的某种型式的泛函数； r－按给定规律变化的惩罚因子。 原约束优化问题就转化为： min φ(X，r)=｛f(X)+rP(X)｝ 惩罚函数法概述 （ ２）构造rP(X)的要求 1) 当迭代点X(k) 违反约束或有违反约束倾向时，rP(X)项的值变大，使得φ(X，r)函数值变大。 2) φ(X，r)函数的最优解应同时为原约束优化问题的最优解。 即：当X(k) →X* 时，应有rP(X(k))→0， 则φ(X(k) ，r) →f(X(k) ) 14.1 内点惩罚函数法 将新目标函数定义在可行区域内， 初始点及迭代产生的点序列，亦要求在可行区域内 内点法惩罚函数的形式 (1) P(X)的构造 思 路：X(k) 离边界越近，P(X(k))数值越大 等效为： 当gu(X)→0时， P(X)→∞。 对 于：gu(X)≤0，u=1，2，…，q 内点法惩罚函数的形式 (2) 罚因子r 为确保当X(k) →X* 时，rP（X(k) ）→0，r应取递减序列，即：r(0) r(1) r(2) … 且 14.2外点惩罚函数法 外点惩罚函数法的基本原理 将P(X)函数定义于可行区域的外部 迭代点从可行区域外向最优点X* 收敛 外点法惩罚函数的形式 思路 ：不违反约束不罚，有违反才罚，随着迭代的增加，惩罚加重。 (1) P(X)的构造 对于gu (X)≤0(u=1，…，q) 外点法惩罚函数的形式 (2) 惩罚因子r 为迫使迭代点由非可行域逐步向可行域移动r的取值须考虑随着迭代次数增加，rP(X)的惩罚作用也加大，基于这一思路，r应取－递增序列。 14.3 混合惩罚函数法 由于内点法容易处理不等式约束优化问题， 而外点法又容易处理具有等式约束的优化问题， 因而可将内点法与外点法结合起来，充分发挥内，外点法的优点，处理同时具有不等式约束和等式约束的优化问题。 混合惩罚函数法 作为新目标函数的惩罚函数，其惩罚项由两部分组成 一部分反映不等式约束的影响并以内点法的构造形式列出； 另一部分反映等式约束的影响并以外点法的构造形式列出: * 例求: min f(X)=x ， X∈R1 s.t. g(X)=1- x≤0 在可行区域内构造一个惩罚函数： φ(X，r(k) )= x -r(k) ／(1- x) 令φ’(X，r(k) ) =0，可得 惩罚函数的极值 当r(k) →0时，X*(r(k))=1，f(X*)=1 若令C为递减系数(C1)， 则r(k+1) =Cr(k) r(k) 。 （3）内点法惩罚函数的形式 一般取?=2 max 运算可作如下等效： 同时考虑h v(X) =0(v=1，…，p) 可得： 0r(0)r(1)… r(k) 且 即: r(k)=Cr (k-1)) 式中 C－递增系数，一般C=5～10。 （3）外点法惩罚函数的形式 求解方法具有内点法的特点。初始点X(0)应为内点； r(0)值可参照内点法选取；迭代程序与内点法的相类似。 *