第一章优设计的基本概念绪论.pptVIP

（2）函数值下降量 准则 或 x o f fk fk+1 f* xk xk+1 x* (b) （3）目标函数梯度 准则 上述准则都在一定程度上反映了逼近最优点的程度，但都有一定的局限性。在实际应用中，可取其中一种或多种同时满足来进行判定。 采用哪种收敛准则，可视具体问题而定。可以取： 图1-11优化设计流程 三、优化设计 一般步骤 2.目标函数 在优化过程中，通过设计变量的不断向F(X)值改善的方向自动调整，最后求得F(X)值最好或最满意的X值。在构造目标函数时，应注意目标函数必须包含全部设计变量，所有的设计变量必须包含在约束函数中。在机械设计中，可作为参考目标函数的有： 体积最小、重量最轻、效率最高、承载能力最大、结构运动精度最高、振幅或噪声最小、成本最低、耗能最小、动负荷最小等等。 ? 为了对设计进行定量评价，必须构造包含设计变量的评价函数，它是优化的目标，称为目标函数，以F(X)表示。 在最优化设计问题中，可以只有一个目标函数，称为单目标函数。当在同一设计中要提出多个目标函数时，这种问题称为多目标函数的最优化问题。在一般的机械最优化设计中，多目标函数的情况较多。目标函数愈多，设计的综合效果愈好，但问题的求解亦愈复杂。 在实际工程设计问题中，常常会遇到在多目标函数的某些目标之间存在矛盾的情况，这就要求设计者正确处理各目标函数之间的关系。 目标函数等值（线）面 目标函数是n维变量的函数，它的函数图像只能在n+1维空间中描述出来。为了在n维设计空间中反映目标函数的变化情况，常采用目标函数等值面的方法。 目标函数的等值面（线）数学表达式为： c为一系列常数，代表一族n维超曲面。如在二维设计空间中，F(x1,x2)=c 代表x-x设计平面上的一族曲线。 对于具有相等目标函数值的设计点构成的平面曲线或曲面称为等值线或等值面。 图1-4 等值线 图1-4表示目标函数f（X）与两个设计变量x1，x2阶所构成的关系曲面上的等值线，它是由许多具有相等目标函数值的设计点所构成的平面曲线。当给目标函数以不同值时，可得到一系列的等值线，它们构成目标函数的等值线族。在极值处目标函数的等值线聚成一点，并位于等值线族的中心。当目标函数值的变化范围一定时，等值线愈稀疏说明目标函数值的变化愈平缓。利用等值线的概念可用几何图象形象地表现出目标函数的变化规律。 从等值线上，可以清楚地看到函数值的变化情况。其中F=40的等值线就是使F(x1,x2)=40的各点[x1,x2]T所组成的连线。 如图函数 的等值线图。 图1-5 等值线 3.约束条件 设计约束：设计变量值(设计点)的选择不仅要使目标函数达到最优值， 同时还会受一定的条件限制，这些制约条件称设计约束。 约束函数：设计约束是设计变量的函数，称为约束函数。 不等式约束函数： gu(x) ≤ 0 u = 1,2,…,m 等式约束数： hv(x) = 0 v = 1,2,…, p＜n 问题：是否每个设计约束中都必须包含 n个设计变量？m+p个约束呢？ 不等式约束能否表达成 gu(x)≥ 0 ？ p 为什么必须小于 n ? 例：有三个不等式约束 g1(x) = - x1 ≤0 g2(x) = - x2 ≤0 g3(x) = x12 + x22 - 1 ≤0 再加一个等式约束 h(x) = x1- x2 = 0 D 约束（曲）面： 对于某一个不等式约束 gu(x) ≤ 0 中，满足 gu(x) = 0的 x 点的集合构成一个曲面，称为约束（曲）面。 它将设计空间分成两部分：满足约束条件 gu(x) ≤ 0 的部分和不满足约束条件 gu(x) ＞ 0 的部分。 设计可行域（简称为可行域） 对于一个优化问题，所有不等式约束 的约束面将组成一个复合的约束曲面，包围了设计空间中满足所有不等式约束的区域，称为设计可行域 。 记作 D = g u(x) ≤ 0 u = 1,2,…,m h v (x) = 0 v = 1,2,…, p 问题：等式约束与约束曲面是什么关系？ D 可行设计点（内点）： 在可行域内任意一点称为可行设计点，代表一个可行方案。 极限设计点（边界点）： 在约束面上的点称为极限设计点。 若讨论的设计点 x(k)点使得 gu(x(k) ) = 0，则 gu(x(k))≤0 称为