现代设计方法与应用 房亚东 第八章新.pptVIP

* 主讲：房亚东 Email:fangyadong@ * 现代设计方法及其应用 西安工业大学机电学院 The Institute of Mechanical and Electrical Engineer, Xian Technological University 第八章 有约束优化方法 随机方向法 有约束优化方法的Matlab程序及实例 3 1 2 拉格朗日乘子法 4 5 复合形法 惩罚函数法 ■ 内容 ：本章介绍了多维有约束的优化方法，主要包括随机方向法、拉格朗日乘子法、惩罚函数法、复合形法，每种方法通过算法分析、程序框图以及实例分析进行介绍。其中，对惩罚函数法从内点法、外点法以及混合法三个方面进行探讨。最后通过 Matlab实例求解讨论了有约束优化方法的求解过程。 ■ 目的 ：了解有约束优化方法的基本概念和处理问题步骤，重点掌握拉格朗日乘子法和惩罚函数法的求解过程，能够通过Matlab工具实现有约束优化方法的求解。 机械优化设计问题大多数属于有约束优化问题，其数学模型可表示为： 按照对约束条件处理的方法的不同，分为两种解法： （1）直接法 （2)间接法 8.1 随机方向法 随机方向法是约束优化问题中经常采用的一种直接求解方法。它适于解决带有不等式约束的优化问题。 随机方向法一般迭代计算公式为： 随机方向探索法的计算过程可归结为： 8.1 随机方向法（续） 图 随机方向法程序框图 8.2 拉格朗日乘子法 引入拉格朗日函数： 为拉格朗日乘子。转化后的无约束优化问题的极值条件为： 例8-1 使用拉格朗日乘子法求 的极小值。 8.3 惩罚函数法 惩罚函数（简称罚函数）： 其惩罚项必须具有下列性质： 惩罚函数法可分为外点法、内点法以及混合法三种。 8.3 惩罚函数法（续） 内点法的起始点须是可行点，其迭代点都在可行域内移动。 内点法惩罚函数一般表达式为： 例8-2用内点法求 的约束最优解。 根据内点法的算法描述，可画出其计算程序框图， 如图8-2所示。 8.3 惩罚函数法（续） 图 内点法程序框图 8.3 惩罚函数法（续） 外点法的特点是将惩罚函数定义在约束可行域之外 例8-3用外点法求 的约束最优解。 例8-4用外点法求 的约束最优解。 罚因子 被取为一个递增正数列，即： 即 8.3 惩罚函数法（续） 图 外点法程序框图 8.3 惩罚函数法（续） 对于外点法而言，其主要特点为： （1）初始点任选。故可用于初始可行点不易确定、约束较多的优化问题； （2）可以同时处理不等式约束和等式约束条件； （3）罚因子不断增大，极小点序列从可行域外部逼近最优点。只有迭代到可行域边界才能得最终正确的结果。 相当外点法，内点法的特点分析如下： （1）初始点必须在可行域内； （2）只能处理不等式约束。因为满足等式约束的迭代点既不是内点，也不是外点； 8.3 惩罚函数法（续） （3）罚因子不断减小，极小点序列从可行域内部逼近最优点； （4）内点法适合于容易确定可行初始点，且对现有可行设计作改进的情况。 混合惩罚函数法综合了外点法和内点法的优点。 其方法和步骤如下： （1）给定K值， n+1≤ K≤2n； （2）通过以下方法生成初始复合形： 直接选择K个可行点，构成初始复合形 试选K个可行点，构成初始复合形。但是当设计变量较多或约束函数较复杂时，人工决定K个可行点往往很困难。只有在设计变量少，约束函数简单的情况下，才用这种方法。 利用随机投点法构造初始复合形 （3）检查K=K1是否满足，如果K≠ K，则令K= K+1，并转步骤（2），直至产生K个可行点，构成初始复合形X1 X2 …XK。 8.4 复合形法 例8-5 用复合形法求 的约束最优解。 8.4 复合形法 （续） 例8-6 通过Matlab编程实现下述约束优化问题的求解： 8.5 有约束优化方法的Matlab程序及实例 例8-7 试设计某压缩圆柱螺旋弹簧，要求其质量最小。其中，弹簧材料为65Mn，最大工作载荷Pmax=40N，最小工作载荷为0，载荷变化频率fr=25Hz，弹簧寿命为104h，弹簧钢丝直径d的取值范围为1~4mm，中径D2的取值范围为10~30mm，工作圈数n不应小于4.5圈，弹簧缠绕比C不应小于4，弹簧一端固定，一端自由，工作温度为50℃，弹簧变形量不小于10mm。 8-1 试用Matlab编程实现下述约束优化问题的随机方向法的求解： 本章习题 8-2使用拉格朗日乘子法求 的极小值。 8-3 用惩罚函数内点法求 的约束最优解。 8-5 用复合形法求 的约束最优解。 本章习题 8-6有一铝合金制品箱形盖板，其尺寸如下图。承