2.优化设计的数学基础分析.pptVIP

机械优化设计第二章 长江大学机械工程学院 HQS 方向导数是偏导数概念的推广，偏导数是方向导数的特例 n元函数在点x0处沿d方向的方向导数 函数F（X）在某点X的方向导数表明函数沿某一方向S的变化率。 函数在某一确定点沿不同方向的变化率是不同的。 梯度是一个向量，梯度方向是函数具有最大变化率的方向。即梯度▽F（X）方向是函数F（X）的最速上升方向，而负梯度-▽F（X）方向为函数F（X）的最速下降方向。 从上式可得出如下结论： 2.凸函数的基本性质 1、方向导数与梯度的关系及求取 二.有约束最优解的一阶必要条件 （2）IP型 3 GP型 为n维函数f x 在点 处的Hessian矩阵 h xk 梯度为零向量 海赛矩阵正定 二）多元函数具有极小值的充要条件 一）一元函数（连续可微）具有极小值的充要条件 二、无约束优化问题的极值条件 简易证明： 由矩阵理论可知 因 故 判定矩阵 是否正定？ 解：该对称矩阵的三个主子式依次为： 故可知矩阵G是正定的。 例：求函数的 极值 （2）对于整个可行域，恒有 ， 则X*为全局极小点； （1）对于X*在可行域中的一个邻域，恒有 ，则X*为局部极小点； 局部极小点与全局极小点 第四节 约束优化问题的极值条件 求解约束优化问题 求解上述问题的实质就是在约束条件行程的可行域 中求解目标函数的极值点，即约束最优点。 因大多数的实际问题都是非线性的规划问题，所以 约束条件下的优化问题比无约束条件下的优化问题 更为复杂。 一、库恩—塔克条件 1.库恩—塔克条件（简称K—T条件）是非线性规划 领域中最重要的理论成果之一，通常借助 库恩—塔克条件来判断或验证约束优化问题中某 个点可行点是否为约束极值点，即将K—T条件作 为确定一般非线性规划问题中某点是否为极值点 的必要条件，对于凸规划问题， K—T条件同时 也是一个充分条件。 2.*注意：虽说库恩—塔克条件在极值点的 判断中有一些独特的优势，但就现在来 看如何判断所找到的极值点是全域最优 点还是局部极值点，至今还没有一个统 一而有效的判别方法。 3. K—T条件可阐述为： 若X* 是一个局部极小点，则该点的目标函数梯度 可表示成诸约束面梯度 的 线性组合的负值，即 式中q—在设计点处的不等式约束面数； j—在设计点处的等式约束面数； —非负值的乘子 也称为拉格朗日乘子。 注意：在上式中，在点 处不起作用的约束 条件 对应的 一定为零，只有当某一 约束 在点 为起作用的约束时， 才可以不为零。如果是约束最优解，则必然满足上式。 4. K—T条件的几何意义： 如果 是一个局部极小点，则该点的目标函 数负梯度 应落在该点诸约束面（所起作用 的约束条件）梯度 在设计空间 所组成的锥角范围内。 例如：用K—T条件的几何意义判断下图中 的约束极值点 从图中可以看出， 处在 和 角锥之内，即线性组合的系数为正，是在 取得极值的必要条件。 库恩—塔克（K-T）条件应用举例 判断 是否为约束最优点？ 解： （1）当前点 为可行点，因满足约束条件 （2）在 起作用约束为 ，因 （3）求各函数梯度： （4）求拉格朗日乘子 由于拉格朗日乘子均为非负，说明 是一个局部最优点，因为它满足K-T条件。 本章重点 2、判断凸函数的充要条件及性质 3、无约束优化问题极值点判断条件 4、有约束优化问题极值点判断条件 梯度与等值线的关系 函数在一点的梯度方向与等值线在这点的一个法线方向相同? 它的指向为从数值较低的等值线指向数值较高的等值线? 梯度的模就等于函数在 这个法线方向的方向导数? 注意 2 梯度的两个重要性质： ① 函数在某点的梯度不为零，则必与过该点的等值面垂直（即为过点的等值线的法线方向）； ② 梯度方向具有最大变化率方向 正梯度方向是函数值最速上升的方向， 负梯度方向是函数值最速下降的方向。 注意 3 * 机械设计问题一般是非线性规划问题。 实质上是多元非线性函数的极小化问题，因此，机械优化设计是建立在多元函数的极值理论基础上的。 机械优化设计问题分为： 无约束优化 约束优化 无条件极值问题 条件极值问题 第二章 优化设计的数学基础 第一节 函数的方向导数与梯度 第二节 凸集、凸函数与凸规划 第三节 无约束优化问题的极值条件 第四节 约束优化问题的极值条件 第一节 函数的方向导数与梯度 在点 处的偏 一、函数的方向导数 一个二元函数 导数，即函数沿坐标轴方向的变化率定义为： 而沿空间任一方向S的变化率即方向导数为： 偏导数与方向导数的关系 从多元函数的微分学得知，对于一个连续可微函数f x 在某一点 的一阶偏导数为： ， ， ， … 它表示函数f x 值在 点沿各坐标轴方向的变化率。 例 求f x? y? z ?xy2?z3?xyz在点 1? 1? 2