现代设计方法-优化设计部分讲述.ppt

非线性问题的最优解要么是一个内点，要么是一个边界点； 非线性问题的最优解如果是一个边界点，那么它必定是等值线（面）在函数值下降方向上与可行域的最后一个交点； 线性问题的最优解必定是等值线（面）在函数值下降方向上与可行域的最后一个交点； 一般情况下： 优化问题分类 单目标 多目标 无约束优化 约束优化 线性规划 非线性规划 确定性 非确定性 线性规划 二次规划 动态规划 几何规划 整数规划 随机规划 凸规划 按模型特征的二分类： 常见特殊优化问题： 优化问题求解方法 基于一维搜索 基于区域搜索 基于方程求解 基于直接采样 ?f(x)=0 基于一维搜索的优化过程 开始 给定 x、d 的初始值 计算a* 使f(x+ad)极小 x? x + a*d 满足收敛条件？ 形成新的d 结束 迭代法的基本思想： 从一个初始点 出发，按照一个可行的搜索方向和适当的步长走一步，到达 ，再从 出发，选一个可行的搜索方向和适当的步长走一步，达到 ，并保证每一步函数值都是下降的，即必须满足 （这称为新点的适用性） ，这样一步一步地重复进行数值计算，直至达到目标函数的极小点。 无约束优化问题 初始点 用某种优化方法确定 确定前进步长 计算 检查 若不满足则改变步长，满足则进入下一步 从 出发 用某种优化方法确定 确定前进步长 计算 检查 若不满足则改变步长，满足则进入下一步 从 出发 用某种优化方法确定 确定前进步长 计算 检查 若不满足则改变步长，满足则进入下一步 从 出发 用某种优化方法确定 确定前进步长 计算 检查 若不满足则改变步长，满足则进入下一步 ——第k个迭代点 ——从第k个迭代点出发寻找下一个迭代点的搜索方向 ——沿 前进的步长 基本迭代公式 由于每次迭代求得的新点均为使函数值有所下降的适用点（如果不是适用点，可改变方向和步长另行搜索适用点），则所得各点必将逐步向该函数的极小值点逼近，最后总可求得非常接近该函数理论最优点的近似最优点 。 约束优化问题 对于约束优化问题，除了检查每个新点的适用性外，还要检查其可行性，即是否满足 的约束条件，如果适用性和可行性兼备，再进行下一次迭代，最终自然也能求得非常接近约束最优点的近似最优点 。 综上所述，采用数值法进行迭代寻优时，除了选择初始点 以外，如何确定迭代方向 和步长 成为非常重要的环节，他们将直接决定着搜索的效率、函数值逐步下降的稳定性和优化过程所需的时间等。 A. 点距准则 根据相邻两迭代点 与 间的距离足够小而建立的准则，点距准则可表示为 或 数值迭代终止准则（计算精度 的确定） 有什么缺陷？ B. 值差准则 根据相邻的两迭代点的函数值下降量足够小而建立的准则。 绝对下降量准则： 相对下降量准则： 有什么缺陷？ C. 梯度准则 根据迭代点的函数梯度达到足够小而建立的准则，表示为 或 迭代法必须要解决的三个问题 迭代算法具有收敛性； 在收敛性前提下，选择比较好的初始点X(0) 和适宜的终止判据及收敛精度 ； 选取使目标函数值下降较快的迭代探索方向 S(k) 和最优的迭代步长 α(k) ，确保较快的收敛速度。 如何确定 S(k) 、α(k) 优化方法 优化设计软件 MATLAB 优化工具箱 LINGO 交互式的线性和通用优化求解器 (Lingo System Inc.) iSight、ModelCenter等集成优化软件系统 CAD/CAE 软件中优化功能 作 业 P58： 2-1 至 2-4 设想这样一个场景:一群鸟在随机搜寻食物，在这个区域里只有一块食物，所有的鸟都不知道食物在哪里，但是它们知道当前的位置离食物还有多远。那么找到食物的最优策略是什么呢?最简单有效的就是搜寻目前离食物最近的鸟的周围区域。　 方向不知道，大家都朝着最近的鸟飞去，一直迭代。 * 设计？分析？ * 如何求解？简单介绍求导方法、网格方法… * 另外，参考教材上例2-1，例2-2，自己阅读。 * 《优化人生》 * * 如何判断哪边是可行域？取任意一点测试 * 固定一个x1，将x2移动delta，看值变大变小 * F(x)为过O点，斜率k=-1/2的平面，系列等值线投影为直线 * * P