机械优化设计总复习201016讲义.ppt

机械优化设计总复习 题型 一、选择题(每小题2分，共30分) 二、填空题(每空2分,共20分) 三、简答题(每小题5分,共10分) 四、计算题(40分) 一 设计变量 在优化设计过程中，要优化选择的设计参数。 设计变量必须是独立变量，即：在一个优化设计问题中，任意两个设计变量之间没有函数关系。按照产品设计变量的取值特点，设计变量可分为连续变量（例如轴径、轮廓尺寸等）和离散变量（例如各种标准规格等）。 小型设计问题：一般含有2—10个设计变量； 中型设计问题：10—50个设计变量； 大型设计问题：50个以上的设计变量。 二 设计空间 在一个优化设计问题中，所有可能的设计方案构成了一个向量集合。可以证明，这个向量集合是一个向量空间，并且是一个欧氏空间。 一个优化设计问题中，设计变量的个数，就是它的设计空间的维数。 三 目标函数 优化设计中要优化的某个或某几个设计指标，这些指标是设计变量的函数，称为目标函数。在构造目标函数时，应注意目标函数必须包含全部设计变量，所有的设计变量必须包含在约束函数中。 七 最优化设计的迭代解法及其收敛条件 1.最优化方法的迭代格式 k=0,1,2, ··· 2.迭代终止准则 （3）目标函数梯度 准则 求解优化问题的基本解法有： *一、 目标函数的基本性质 1 函数的等值面（线） 函数的等值面（线）是用来描述、研究函数的整体性质的。 2 函数的最速下降方向 梯度 X1 点的最速下降方向为 局部性质 梯度的模： *二 函数的近似表达式 f (X) 的近似表达式为 四 函数的凸性 1. 凸集 2. 凸函数 如果HESSEN矩阵正定，为凸函数； 二次函数 *五、优化问题的极值条件 2） 处取得极值充分条件 K-T条件是多元函数取得约束极值的必要条件,以用来作为约束极值的判断条件，又可以来直接求解较简单的约束优化问题。 第三章 一维搜索的最优化方法 1、单谷(峰）区间 在给定区间内仅有一个谷值的函数称为单谷数，其区间称为单谷区间。 二、确定初始单谷区间的外推法 基本思想： 对f(x)任选一个初始点a1及初始步长h， 通过比较这两点函数值的大小，确定第三点位置，比较这三点的函数值大小，确定是否为 “高—低—高” 形态。 (3）产生新的探测点a3，y3＝f(a3); (4) 比较函数值 y2与y3： （b）如y2y3, 加大步长 h＝2 h(也可不变) ， a1=a2, a2=a3, 转（3）继续探测。 （a）如y2y3, 则初始区间得到： a=min[a1,a3]， b=max[a3,a1]，函数最小值所在的区间为[a， b] 。 搜索区间确定之后，采用区间消去法逐步缩短搜索区间，从而找到极小点的数值近似解。 假定在搜索区间内[a,b] 任取两点a1,b1; *一、黄金分割法 1、在寻找一个区间 [ Xa , Xb ]，使函数 f (X)在该区间的极小点 X* ∈ [ Xa , Xb ] 。 2、用黄金分割法在区间[ Xa , Xb ]中寻找 X* 。 [ Xa ，X1， X2， Xb ] 如何消去子区间？ f (X1) f (X2) ，消去[X2， Xb]，保留[Xa， X2] f (X1) ≥ f (X2) ，消去[Xa， X1]，保留[X1， Xb] 第三章 一维搜索的最优化方法 二、一维搜索的插值类方法 *一、 梯度法 负梯度方向 是函数最速下降方向。 梯度法就是以负梯度方向作为一维搜索的方向，即 k=1,