机械优化设计NO.6(免费阅读).ppt

⑴、梯度为0 （各项一阶偏导数为0） 3 一维优化方法（一维搜索） 3.2 初始搜索区间的确定 * 3.5 函数的凸性与凸函数 一、凸 集 二、凸函数 (函数的凸性表现为单峰性) 三、凸性条件 四、凸规划 ⑵、 矩阵正定或负定 正定 — 为极小值 负定 — 为极大值 n元函数极值存在的充要条件： 凸 集 定义：设f (X) 为定义在Rn 中凸集D上的函数， 和 为D上任意两点，若对于任意实数 [0，1]，恒 有： f(X) ≤ Φ(X) ，即： ≤ 成立，则称 f(X)为 定义在凸集D上的一个凸函数。 凸 函 数 3 一维优化方法 3.1 概 述 3.2 初始搜索区间的确定 3.3 黄金分割法 1、了解一维优化方法的基本思想 2、掌握确定初始区间的“进退法” 3、熟练掌握“黄金分割法” 3.1 概 述 一、一维优化方法 求解一元函数 f(X)最优解的方法 数值迭代法公式: 二、常用的一维优化方法 ①黄金分割法（直接法） ②二次插值法（间接法) 一维优化(搜索)正是多维优化的基础 逐步缩小最优点所 在的搜索区间来求优 初始搜索区间： 含有唯一 极小点的“单峰区间” 一、一维优化方法 的基本思想 二、确定单峰区间的进退法 ⑴初始探查确定进退 ⑵进行前进或后退寻查 ㈠ 确定搜索区间的方法与步骤 选择一个初始点 和初始步长 Ⅰ、试探运算 ⒈ 取试点 t、计算函数值f (t) 到图 计算各个试点的函数值： 到图 ⒉ 比较函数值 f(?) Ⅱ、前进运算 ① ⒉ 比较相邻的最后两点 的函数值 f2 和 f3 返回 ⒈ 加大步长取第三个试点，并计算相应函数值 ② 上述比较第三、第四试点的函数值，实质上是将原来的三个试点: 向前（向后）移动一步,若新求得的： 则重复上面向前移 动的步骤直到下式 成立为止： Ⅲ、后退运算 ⒈反向排列原来的两 个试点并加大步长 取第三个试点，计 算相应的函数值 ⒉比较最后相邻两点的 函数值 f2 和f3 ① ② 到图 ㈡ 确定搜索区间的程序框图（自编） 参见教科书 3.3 黄金分割法（0.618法） 一、一维优化方法分类 1、消去法： 不断的消去部分搜索区间，逐步缩小最优点所在的范围，最终找到最优点（如：黄金分割法） 2、近似法： 用一个多项式来代替目标函数，并用多项式的极小点作为目标函数的近似最优点（如: 二次插值法） 二、黄金分割法(0.618法)的基本原理 初始区间： 1、在初始区间 内，对称的取两个内分点 ： 2、计算并比较它们的函数值 ① ② 3、如上两步使区间缩短一次，并在新区间内均 保留了一个内点 故下次只需再对称的 增补一个内点 ，重复做上述两内点 函数值的比较： 如此反复运算，区间即可逐步地加以缩短：