车辆优化设计理论与实践_第1章要点解析.pptVIP

《车辆优化设计理论与实践》教学课件 1.5 约束优化问题的极值条件 2.凸函数的的判定 判断一个函数是否具有凸性，除可以利用上述凸函数的一些简单性质外，更一般的是借助如下两个函数的凸性条件。 《车辆优化设计理论与实践》教学课件 1.5 约束优化问题的极值条件 1.5.2 约束问题的最优解条件 1.约束极值问题 所谓目标函数的约束极值问题，就是指目标函数在等式约束或不等式约束条件下，其目标函数最小（或最大）点的存在条件。有时也称它为条件极值问题。 显然，约束的极值问题比无约束的极值问题更为复杂，因为约束最优点不仅与目标函数的性质有关，而且还与约束函数的性质有关。因此，一般说来，目标函数的无约束最优解不一定是它的约束最优解。 《车辆优化设计理论与实践》教学课件 1.5 约束优化问题的极值条件 图所示的目标函数是凸函数，三个约束方程的边界值在设计空间中形成的可行域是一个凸集。由图中可以看到，椭圆形等值线族的中心点是目标函数的无约束最优点，由于处在可行域内，故它也是目标函数的约束最优点。由此可以看出，当所有的约束条件对最优点都不起作用时，可以不考虑这些约束，而用第三节中无约束极值条件来确定极小点。 《车辆优化设计理论与实践》教学课件 1.5 约束优化问题的极值条件 图所示的目标函数和约束函数都是凸函数。约束边界与目标函数的等值线在点相切，而将目标函数的无约束极值点划到可行域之外，因此，目标函数的约束最优点就是切点。这里只有约束曲线是起作用约束。 《车辆优化设计理论与实践》教学课件 1.5 约束优化问题的极值条件 2. 约束极值的必要条件 任何有约束条件（不等式和等式约束）问题的最优解，不论是局部的还是全域的，都必须满足库恩—塔克条件。 《车辆优化设计理论与实践》教学课件 1.5 约束优化问题的极值条件 （a）不是约束最优点 (b) 是约束最优点 《车辆优化设计理论与实践》教学课件 1.5 约束优化问题的极值条件 （a）不是约束最优点 (b) 是约束最优点 《车辆优化设计理论与实践》教学课件 1.5 约束优化问题的极值条件 例1-5 求解最优化问题 《车辆优化设计理论与实践》教学课件 1.5 约束优化问题的极值条件 例1-6 求非线性规划问题 《车辆优化设计理论与实践》教学课件 1.2.5 优化问题的几何描述 设有二维不等式约束优化问题数学模型如下： 《车辆优化设计理论与实践》教学课件 1.2.5 优化问题的几何描述 设有二维不等式约束优化问题数学模型如下： 《车辆优化设计理论与实践》教学课件 1.3 多元函数的基本性质 本节首先对目标函数和约束函数的某些性质、目标函数达到最优解的某些规律作些必要的讨论。同时，对优化设计所涉及的多元函数的极值理论的基本概念及有关的数学知识作些阐述。这些都是机械优化设计方法的理论基础。 《车辆优化设计理论与实践》教学课件 1.3.1. 目标函数的等值面（线） 优化设计的目标函数一般可表示为设计变量的可计算函数。也就是说，若给定一个设计方案，即给定一组的值（实值）时，目标函数必有一确定的数值。那么，若给定函数值，则有无限多组的数值与之相对应。也就是说，当时，在设计空间中有一个点集。一般情况下，此点集是一曲面或超曲面，称之为目标函数的等值面。 《车辆优化设计理论与实践》教学课件 1.3.1. 目标函数的等值面（线） 二维函数的等值线 《车辆优化设计理论与实践》教学课件 1.3.1. 目标函数的等值面（线） 等值面具有以下几个性质：. 1）不同值的等值面之间不相交。这是因为目标函数一般都是单值函数。 2） 除了极值点所在的等值面外，其余的等值面不会在区域的内部中断。这是因为目标函数都是连续函数。 3） 等值面稠密的地方，目标函数值变化快；稀疏的地方变化慢。 4） 一般地，在极值点附近，等值面（线）近似地呈现为同心椭圆面族（椭圆族）。 《车辆优化设计理论与实践》教学课件 1.3.2. 方向导数和梯度 1.偏导数 众所周知，对于一元函数，可用导数来描述函数相对于自变量的变化率。同样，对于多元函数，可用偏导数的概念来研究函数值相对于其中一个自变量（其余自变量保持不变）的变化率。 《车辆优化设计理论与实践》教学课件 1.3.2. 方向导数和梯度 1.偏导数 对于n元函数，则函数在点处沿各坐标轴的一阶偏导数分别为 它们是一组标量值，也是该函数在点处沿各坐标轴这些特殊方向的变化率。 《车辆优化设计理论与实践》教学课件 1.3.2. 方向导数和梯度 2.方向导数 设二维函数，在点 引一方向S，与X轴和Y轴之夹角分别为 、 ，在Ｓ方向上任取一点