结构优化第三次课1.ppt

* * 例：已知二维约束优化问题的数学模型为 求其最优解 和 约束优化问题极小值点的几种情况。 a) 约束函数和目标函数均为线性； 点一般位于某角点上 b) 约束函数和目标函数均为非线性； 位于可行域内等值线中心（无起作用约束） 约束优化问题极小值点的几种情况。 e) 极值点位于两约束曲线的交点上(二个起作用约束) c)、d) 极值点处于某约束边界上(一个起作用约束) 第四节 优化设计问题的基本解法 ■ 求解优化问题可以用解析解法，也可以用数值的近似解法。 ■ 解析解法就是把所研究的对象用数学方程(数学模型)描述出 来，然后再用数学解析方法(如微分、变分方法等)求出优化解。 但是，在很多情况下，优化设计的数学描述比较复杂，因而 不便于甚至不可能用解析方法求解。 ■另外，有时对象本身的机理无法用数学方程描述，而只能通 过大量试验数据用差值或拟合方法构造一个近似函数式，再 来求其优化解，并通过试验来验证；或直接以数学原理为指 导，从任取一点出发通过少量试验(探索件的计算)，并根据试 验计算结果的比较，逐步改进而求得优化解。这种方法是属 于近似的、迭代性质的数值解法。 1、迭代法的基本方法 数值迭代法的基本思想是：首先选择一个尽可能接近极值点的初始点 ，从这个初始点出发，按照依据某种方法确定的一个使目标函数值下降的可行方向走一定的步长，得到第一个新的设计点 。初始点 和第一个新点 的目标函数值应满足 然后，以点 作为新的出发点，重复上述步骤，得到第二个点 。继续下去，依次可得到点 ，最终得到一个近似的最优点 ，它与理论的最优点的逼近程度应该满足一定的精度要求。 在机械优化设计中，迭代的基本方法大致可以分为两类： 1）优化准则法 2）数学规划法 迭代法的基本解法思想 2、迭代过程的终止准则 收敛于 ，存在一个只与 有关而与 自然数N，使得当两自然数m，pN时，满足 或 柯西准则：对于某种迭代程序产生的序列 的实数 无关的 1．点距准则（模准则）： 2．函数下降量准则（值准则）： 3．梯度准则： ∵在最优点 —计算精度，应适当，一般取 常用迭代收敛准则 第二章 优化设计的数学基础 第一节 多元函数的方向导数和梯度 一、偏导数 我们设二元数 ，在点 处沿 轴方向有增量 ，则函数的相应增量为 若极限 存在，则这个极限称为函数 在 点P处的对 的偏导数，记作 二、方向导数 设二元函数 由点 沿着与 轴正向夹角为 的向量S 的方向，变化到点 于是，函数相应的增量为 点 至点 的距离为 当 无限缩小，若极限 存在，则这个极限就称为函数的方向导数，记作 方向导数是函数在某点沿给定方向的变化率，所以，可以把它看成是偏导数的推广，并可用偏导数来表示，即 同理，对于三元函数 在三维空间的一点 沿向量 的方向的方向导数为 同理多元函数的方向导数可写成 例：求目标函数 在点 处沿向量 和 两方向的方向导数。如图所示，向量 的方向： 向量 的方向： ， 。 三、梯度 二元函数 在 点处的方向导数 的表达式可改写成下面的形式 令 在它称为函数的梯度 若设 则有 例：求二元函数 在 处函数变化率最大的方向和数值。 多元函数 在 点处的方向梯度