机械优化设计的某些基本概念和理论全解.pptVIP

§3.1　目标函数与约束函数的某些基本性质 §3.1.1　函数的等值面（或线） ： §3.1.1　函数的等值面（或线） ： §3.1.2 函数的最速下降方向 §3.1.2 函数的最速下降方向 §3.1.3　函数局部近似的表达式和平方函数 §3.1.3　函数局部近似的表达式和平方函数 §3.1.3　函数局部近似的表达式和平方函数 §3.1.4　函数的凸性 §3.1.4　函数的凸性 §3.2　约束函数的集合及其性质 优化设计是求n个设计变量在满足约束条件下使目标函数达到最小值，即： §3.3.1 优化设计问题的最优解 §3.3.2 局部最优点和全局最优点 设x为所有解的集合，D为x上的可行域，f(x)为目标函数，若一切的x(k+1)∈(Nδ(x(k))∩D)，满足f(x(k+1))f(x(k))，则称x(k)为该目标函数在D上的局部最优点；若一切的x(k+1)∈(X∩D) ，满足f(x(k+1))f(x(k)) ，则称x (k)为D上的全局最优点。 §3.3.4　约束问题最优解的最优性条件 §3.3.4　约束问题最优解的最优性条件 §3.3.4　约束问题最优解的最优性条件 §3.3.4　约束问题最优解的最优性条件 §3.3.4　约束问题最优解的最优性条件 §3.3.4　约束问题最优解的最优性条件 §3.3.4　约束问题最优解的最优性条件 §3.3.4　约束问题最优解的最优性条件 §3.3.4　约束问题最优解的最优性条件 例3.6　试判断x(*)=[1,0]T是否为下列约束优化问题的最优点： §3.4 优化设计问题的数值解法及收敛条件 §3.4.1　数值计算迭代法的基本思想和迭代格式： §3.4.2　无约束优化迭代计算的终止准则 目标函数是非凸函数,可行域是非凸集（图 c） 图 c K-T ( Kuhn-Tucker 库恩-塔克) 条件 ——有适时约束时获得最优解的条件 1. 有一个适时约束时： 与x(k)点目标函数的负梯度方向成锐角，即沿 S 方向目标函数值下降； 与x(k)点约束函数的梯度方向成钝角，即保证 S方向上各点在可行域内。 此时，获得最优解 x(k) 为最优点 x*， f(x(k))为最优值 f(x*)。 从数学上定义，当从 x(k)点出发不存在一个 S 方向能同时满足： 　 ① ;②　　　　　　，即 　 ， 则获得最优解：x(k)为最优点 x*，f(x(k))为最优值 f(x*)。 从几何上看，当从 x(k)点出发不存在一个 S 方向能同时满足： 相反，当从 x(k)点出发，存在一个 S 方向能同时满足： 和 时，则 x(k) 不是最优点。 从几何上看，当从 x(k)点出发存在一个 S 方向能同时满足： 与x(k)点目标函数的负梯度方向成锐角，即沿 S 方向目标函数值下降； 与x(k)点约束函数的梯度方向成钝角，即保证S方向上各点在可行域内。 此时，x(k)不是最优点 x*。 1. 有一个适时约束时： 2. 有二个适时约束时： x(k)成为约束最优点 x* 的必要条件为: 。 几何上 位于 和 所张的扇形子空间内。 即不存在一个 S 方向能同时满足： K-T ( Kuhn-Tucker 库恩-塔克) 条件 ——有适时约束时获得最优解的条件 相反，不符合以上条件： 几何上 不位于 和 所张的扇形子空间内。则 x(k) 点不是最优点。 不能表达成 和 的线性组合。 即存在一个 S 方向能同时满足： 2. 有二个适时约束时： 3. K-T 条件（扩展至 m 个适时约束）： 设某个设计点 x(k)，其适时约束集为 ， 几何上，x(k)成为约束最优点（极小点）x*时，目标函数的负梯度向量位于 m 适时约束梯度向量所张成的子空间内。 且 为线性独立，则 x(k)成为约束最优点的必要条件是目标函数的负梯度向量可表示为适时约束梯度向量的线性组合，即 其中， 。 K-T条件的作用： 判别边界设计点 x(k) 为最优点的依据，见参考书 作为约束优化的收敛条件。 问题： K-T条件是否为充分必要条件？若是，说明理由；若不是，则说明什么情况下