学生课件--优化设计5-1。5-2.pptVIP

具有四个约束条件的二维非线性约束优化问题。 板书图示说明。（1）极值点在可行域内；（2）极值点在可行域的边界上。 K-T条件( Kuhn-Tucker ) 是非线性规划领域中最重要的理论成果之一。 将K－T条件作为一般非线性规划问题确定某点是否为极值点的必要条件,对于凸规划问题，K－T条件同时也是充分条件。 但是如何判别所找到的极值点是全域最优点还是局部极值点问题，至今还没有一个统一而有效的判别方法。 图示说明。 从选定的初始点X0出发，按照选用的优化方法所规定的搜索方向 S0和步长a0进行搜索，求得一个目标函数值有所下降的新设计点X1，然后以X2点作为新迭代点，重复上述过程，又获得另一个目标函数值有所下降的新设计点X2，如此循环往复不断搜索，最后可求得满足设计精度要求的逼近理想最优点的近似最优点 。这就是数值迭代法的过程。 5.2 优化设计的数学基础 一、函数的方向导数 二：函数的梯度 由此可见，梯度是一个向量，梯度方向是函数具有最大变化率的方向。即 方向是指函数f(X）的最速上升的方向，反之，负梯度则为函数的最速下降方向。 三、函数的泰勒展开式和海氏矩阵 函数f(x1,x2)在点 处的泰勒展开式为 将其写成矩形形式，有 式中： 海氏矩