现代设计方法复习.pptVIP

现代设计方法总复习 第一章 机械优化设计的基本概念和理论 一 设计变量 在优化设计过程中，要优化选择的设计参数。 设计变量必须是独立变量，即：在一个优化设计问题中，任意两个设计变量之间没有函数关系。 二 设计空间 在一个优化设计问题中，所有可能的设计方案构成了一个向量集合。可以证明，这个向量集合是一个向量空间，并且是一个欧氏空间。 一个优化设计问题中，设计变量的个数，就是它的设计空间的维数。 三 目标函数 优化设计中要优化的某个或某几个设计指标，这些指标是设计变量的函数，称为目标函数。 § 2-1 目标函数的基本性质 一 函数的等值面（线） 函数的等值面（线）是用来描述、研究函数的整体性质的。 二 函数的最速下降方向 梯度 X1 点的最速下降方向为 局部性质 三 函数的近似表达式 f (X) 的近似表达式为 §2-2 函数的凸性 1. 凸集 * 2. 凸函数 *如果HESSEN矩阵正定，为凸函数； 二次函数 §2-3 优化问题的极值条件 2. 处取得极值充分条件 K-T条件是多元函数取得约束极值的必要条件,以用来作为约束极值的判断条件，又可以来直接求解较简单的约束优化问题。 第三章 一维搜索的最优化方法 *黄金分割法 1、在寻找一个区间 [ Xa , Xb ]，使函数 f (X)在该区间的极小点 X* ∈ [ Xa , Xb ] 。 2、用黄金分割法在区间[ Xa , Xb ]中寻找 X* 。 [ Xa ，X1， X2， Xb ] 如何消去子区间？ f (X1) f (X2) ，消去[X2， Xb]，保留[a， X2] f (X1) f (X2) ，消去[Xa， X1]，保留[X1， b] 第三章 一维搜索的最优化方法 确定最优解所在区间的进退法 一维搜索的插值类方法 *§4-1 梯度法 负梯度方向 是函数最速下降方向。 梯度法就是以负梯度方向作为一维搜索的方向，即 k=1,2, ··· ,n §4-2 牛顿法 牛顿法的迭代公式 阻尼牛顿法的迭代公式 牛顿方向 §4-3 变尺度法 ( DFP 法 ) H (0) = I ， 变尺度法本质上是共轭方向法。 *§4-5 单纯形方法 单纯形思想、原理； 四种操作：反射、扩张、收缩和缩边。 第五章 约束优化设计 §5-1 关于设计约束的若干概念 可行域 所有满足全部约束条件的点的集合。 可行点 可行域中的点，即满足所有约束条件的点。 边界点 在可行域边界上的点。 若有点 Xk 使得 则 Xk 为一个边界点。 内点 除边界点以外的所有可行点。 若有点 Xk 满足 则 Xk 为一个内点。 * §5-2 约束优化设计的复合形法 对约束优化问题 1 确定初始复合形 选择 （n+1≤K≤2n）顶点，这 k 个顶点必须是可行点。 2 确定搜索方向 计算 k 个顶点的函数值，设 记 最坏点 X (1) 为 X (H) 次坏点 X (2) 为 X (SH) 最好点 X (k) 为 X (L) 求出 X (2)、 X (3)、…、 X (k-1)、 X (k) 的点集的中心(几何中心) X (S) 以 X (H) 指向 X (S) 的方向作为寻优的方