学习课件第二章优化设计1-2.pptVIP

表示梯度向量方向夹角的余弦 此式表明函数 沿S方向的方向导数等于向量 在方向S上的投影，且当 即向量 与 的方向相同时，向量 在方向S上的投影最大，其值为 这表明梯度 是点 处方向导数最大的方向。也就是函 数变化率最大的方向。 特征: 梯度方向 为等值线或等值面在 点的法线方向 方向是函数 的最快增大方向 方向是函数 的最快下降方向 优化设计中，用负梯度方向 例: 求二元函数 在 处的梯度及梯度的模 解: 模 S梯度单位向量 1 2 1 2 图中可以看出在 处函数的梯度方向是点 处函数变化率最大的方向，即等值线的法线 方向，也就是同心圆的半径方向。 三、泰勒级数及海色矩阵 1.泰勒级数：（构造迭代方向和确定迭代步 长时要用到） (1)二元函数由高等数学可知： 以二元函数 为例，函数 在 点的泰勒级数的形式为： 写成矩阵形式为： 式中 就是二元 函数 的二阶偏导数矩阵称为海色矩阵 （2）多元函数 将二元函数泰勒展开式推广到多元函数 则它的泰勒级数的矩阵的表达形式为： 称为多元函数的海色矩阵， 且为nXn阶对称方阵 四、凸集与凸函数概述 1.凸集 设 D 为n维欧氏空间 中的一个集合,若对任意 并且连接它们的线段仍在D中， 两点, 即对任意实数 使连线 则称这种集合为凸集，否则D为非凸集。 a b c a b非凸集 c凸集 则 为 上的凸函数。 3、几何意义 点A点B连一直线,设直线方程为 ，若区间 内任意点 所对应的函数值 2、凸函数 设D为 中的一个凸集， 为定义在 D上的一 个函数，若对于任何实数 和 内任意 两点 恒有 该点的函数值 都小于 如果 是凸集 上的凸函数，并且在 内有极小点，则 极小点是唯一的。 若 在区间 内为凸函数,则曲线上任意两 点 A,B间 （与 相对应)所连成的直线上的点 总不会落在这两点间曲线的下方,即大于相应点 的函数值。 x a K B A b 4、性质 （1）设 为定义在凸集 上的凸函数, 则对于任意正实数 函数 在 凸函数。 上也是 （2）设 和 为定义在凸集 上的凸函数 则有正实数 则线性组合 也是 上的凸函数。 （3）若函数 在n维欧氏空间 二阶可微 则对于任意 为凸函数的充分 必要条件为： （4）若函数 在 二阶可微，则对于任意 在凸集 上为凸函数充分必要条件是： 海色矩阵 为半正定的，若 的，则 是正定 在 上为严格凸函数。利用以上 性质，可以判断函数的凸性。 五、函数的极值 1.无约束优化问题的极值条件 设多元函数 在 点的近似泰勒 展开式为： 则极值存在的必要条件为：一阶导数向量等于 零,即： 梯度 充分条件：二阶导数 矩阵(海色矩阵为正定矩阵) 判断矩阵 A 是正定矩 阵,检验矩阵 A 的各主 子式的行列式之值,若 各阶主子式的行列式值 均大于零。 即当 时，有： 则设矩阵 A 是正定，若各阶主子式的值是 负、正交替变化符号。则该矩阵 A 是负定。 例判定 是否有极值，若存在 极值求出极值点 解：由必要条件 得 * 第二章 优化设计 2.1 概述 一、基本概念： 1．什么是机械优化设计 在设计过程中，常常需要根据产品设计的要求，合理确定各种参数，例如：重量、成本、性能、承载能力等等，以期达到最佳的设计目标。这就是说，一项工程设计总是要求在一定的技术和物质条件下，取得一个技术经济指标为最佳的设计方案。优化设计就是在这样一种思想指导下产生和发展起来的。 目前优化设计方法在结构设计、化工系统设计、电气传动设计、制造工艺设计等方面中都有广泛的应用，而且取得了不少成果。在机械设计中，对于机构、零件、部件、工艺设备等的基本参数，以及一个分系统的设计，也有许多运用优化设计方法取得了良好的经济效果的实例。实践证明，在机械设计中采用优化设计方法，不仅可以减轻机械设备自重，降低材料消耗与制造成本，而且可以提高产品的质量与工作性能。因此，优化设计已成为现代机械设计理论和方法中的一个重要领域，并且愈来愈受到从事机械设计的科学工作者和工程技术人员的重视。 优化方法包括解析方法和数值计算方法两种。利用微分学和变分学的解析方法，已经有了几百年的历史。这种经典的优化方法，只能解决小型的和简单的问题，对于大多数工程实际问题是无能为力的。数值计算方法是利用已知的信息，通过迭代计算过程来逼近最优比问题的解。这种方法的思想也