优化设计作业另一版本.docVIP

机械最优化设计 阐述优化设计数学模型的三要素。写出一般形式的数学模型。 三要素：设计变量，目标函数，约束条件。 阐述设计可行域和不可行域的基本概念 对于不等式约束，其极限情况个gn(X)=0所表示的几何面（线）将设计空间分为两部分：一部分中的所有点均满足约束条件式，这一部分的空间称为设计点的可行域；另一部分所有点均不满足约束条件式，它就是设计的非可行域。 无约束局部最优解的必要条件？ 目标函数在局部最优解处各变量一阶偏导数为0。 阐述约束优化问题最优解的K-T条件。 设Xn=[x1* x2* ··· xn*]T为非线性规划问题 的约束极值点，且在全部等式约束及不等式约束条件中共有q个约束条件为起作用约束，即gi(X*)=0,hj(X*)=0(i+j=1,2,···，qm+p)。如果在X*处诸如作用约束的梯度向量gi(X*)、hj(X*)(i+j=1,2,···，qm+p)现行无关，则存在向量(使下述条件成立： 式中q——通过该设计点的起作用约束数（包括等式约束和不等式约束）(ij,i+j=1,2,···，qm+p)——非零、非负的乘子，也叫做拉格朗日乘子，(=[(1(2 ··· (q]T。 给出图中的可行设计点、边界设计点和不可行设计点。 5题图 二维设计空间 可行设计点x1，边界设计点x2，边界设计点x3 根据逼近思想所构造的优化计算方法的基本规则是什么？ ①首先，初选一个尽可能靠近最小点的初始点，从出发按照一定的原则寻找可行方向和初始步长，向前跨出一步达到点； ②得到新点后再选择一个新的使函数值迅速下降的方向及适当的步长，从点出发再跨一步，达到，并依次类推，最终达到目标函数的最优点； ③每向前跨一步，都应检查所得到的新点能否满足精度，即，如果满足，即函数值的下降量已达到精度要求，则认为为局部最小点，否则应以为新的初始点，继续探索。 数值迭代计算中，通常采用哪三种终止条件？ ①当设计变量在相邻两点之间的移动距离已充分小时可用相邻两点的的向量差模作为终止迭代的判据： 或用向量，所有的坐标分量之差表示： ②当相距两点目标函数值之差已达充分小时，即移动该步后目标函数值的下降量以充分小时可用两次迭代的目标函数值之差作为终止判据： 或 ③当迭代点逼近极值点时，目标函数在改点的梯度将变得充分小，故目标函数在迭代点处的梯度达到充分小时亦可作为终止判据： 对于约束极值问题 试运用K-T条件检验点是否为约束极值点。 解： 显然可以找到使 成立，故为其约束极值点。 说明函数梯度的性质。 ① 梯度方向是函数等值线(或等值面)的法线方向 ② (负)梯度方向是函数值(下降)增长最快的方向 ③ 各点函数梯度不同。 梯度大小就是梯度的模长。 ④ 梯度是函数在一点邻域内局部性态的描述。 ⑤ 极值点处梯度为零 (梯度为零不一定是极值点。 将优化问题 的目标函数等值线和约束曲线勾画出来，并确定： ⑴可行域的范围(用阴影线画出)。 图中等值线所示以及阴影所围成的区域即为可行域。 ⑵无约束最优解、，约束最优解、。 令，得= [3 4]T, =0。 利用牛顿及内点罚函数法，通过matlab计算得约束最优解为= [3.75 1.25]T。 ⑶若再加入等式约束，约束最优解、。 与矛盾，解集为空。 如图所示为机床主轴计算简图。在设计时，有两个重要因素需要考虑，即主轴的自重和伸出端C点的挠度。试建立机床主轴以主轴自重最轻为目标的优化设计数学模型。其中，C点的挠度：；；E为弹性模量。材料的密度为ρ；外力F给定。 选用优化算法时，一般需考虑哪几个因素？ ①明确数学模型的特点。如问题规模（维数，目标函数及约束函数的个数），目标函数及约束函数的性质以及计算精度。 ②考虑方法本身及其计算程序的特点。如程序的可移植性，机动性，方法的收敛速度、计算精度、稳定性和可靠性。 用外点法和用内点法求解，最优化问题的惩罚函数。 内点法求解： 外点法求解： 优化迭代逼近搜索中是在每一迭代点X(k)上利用函数在该点邻近局部性质的信息，确定一个搜索方向S(k+1)和搜索步长a，求新的迭代点X(k+1)＝X(k)+αS(k+1)。其中，最速下降法（梯度法）、共轭梯度法和牛顿法的搜索方向是如何确定？ 最速下降法采用目标函数值下降最快的负梯度方向搜索；共轭梯度法采用前一探索方向的共轭方向；牛顿法利用二次曲线来逐点近似原目标函数，以二次曲线的极小点来近似原目标函数的极小点并逐渐逼近。 什么是共轭梯度法 共轭梯度法是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各种优化算法中，共轭梯度法是非常重要的