机械优化设计试卷期末考试及答案(补充版).doc

4、最优点、最优值和最优解 答：选取适当优化方法，对优化设计数学模型进行求解，可解得一组设计变量，记作： ｘ*＝[x1*，x2*，x3*，．．．．，xｎ*]T 使该设计点的目标函数Ｆ(x*)为最小，点x*称为最优点（极小点）。相应的目标函数值Ｆ(x*)称为最优值（极小值）。一个优化问题的最优解包着最优点（极小点）和最优值（极小值）。把最优点和最优值的总和通称为最优解。 或： 优化设计就是求解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 min f(x)=f(x*) x∈Ｒn s.t. ｇu（ｘ）≤0，ｕ＝1,2,．．．,m； ｈv（ｘ）＝0，ｖ＝1,2,．．．,pn 称x*为最优解，f(x*)为最优值。最优点x*和最优值f(x*)即构成了最优解 2．共轭梯度法中，共轭方向和梯度之间的关系是怎样的？试画图说明。 . 对于二次函数，,从点出发，沿G的某一共轭方向作一维搜索，到达点，则点处的搜索方向应满足，即终点与始点的梯度之差与的共轭方向正交。 8 数值计算迭代法的基本思想和迭代格式。 数值计算迭代法的基本思想： 数值计算迭代法完全是依赖于计算机的数值计算特点而产生的，它不是分析方法，而是具有一定逻辑结构并按一定格式反复运算的一种方法。（5分） 其迭代法计算的基本格式是： 从一点出发，根据目标函数和约束函数在该点的某些信息，确定本次迭代计算的一个方向S(k)和适当的步长α(k)，从而到一个新点，即： X(k+1)＝x(k)＋α(k)S(k) k=0,1,2,3………. 式中：x(k)——前一步取得的设计方案（迭代点）。在开始计算时，即为迭代的初始点x(0)； X(k+1)——新的修改设计方案（新的迭代点）； S(k)——第k次迭代计算的搜索方向（可以看作本次修改设计的定向移动方向）； α(k)——第k次迭代计算的步长因子，是个数量的。 计算题 1．试用牛顿法求的最优解，设。初始点为，则初始点处的函数值和梯度分别为 ，沿梯度方向进行一维搜索，有 为一维搜索最佳步长，应满足极值必要条件 ， 从而算出一维搜索最佳步长 则第一次迭代设计点位置和函数值 ，从而完成第一次迭代。按上面的过程依次进行下去，便可求得最优解。 2、试用黄金分割法求函数的极小点和极小值，设搜索区间 （迭代一次即可） 解：显然此时，搜索区间，首先插入两点，由式 计算相应插入点的函数值。 因为。所以消去区间，得到新的搜索区间， 即。 第一次迭代： 插入点，　 相应插入点的函数值， 　　由于，故消去所以消去区间，得到新的搜索区间，则形成新的搜索区间。至此完成第一次迭代，继续重复迭代过程，最终可得到极小点。 3．用牛顿法求目标函数+5的极小点，设。 解：由 ，则 ，其逆矩阵为 因此可得： ，从而经过一次迭代即求得极小点， 4.下表是用黄金分割法求目标函数 的极小值的计算过程，请完成下表。 迭代序号 a b 比较 0 0.2 1 1 迭代序号 a b 比较 0 0.2 0.5056 0.6944 1 40.0626 〉 29.4962 1 0.5056 0.6944 0.8111 1 29.4962 〉 25.4690 求二元函数f(x1,x2)=x12+x22-4x1-2x2+5在x0=[0 0]T处函数变化率最大的方向和数值？ 解：由于函数变化率最大的方向是梯度方向，这里用单位向量P表示函数变化率最大和数值是梯度的模IIII 。求f(x1,x2)在点处的梯度方向和数值，计算如下： === IIII == P= 在平面上画出函数等值线和（0,0）点处的梯度方向P，如图2-1所示。从图中可以看出，在点函数变化率最大的方向P即为等值线的法线方向，也就是同心圆的半径方向。 用共轭梯度法求二次函数f(x1,x2)=x12+2x22-4x1-2 x1x2 的极小点及极小值？ 解： 取初始点 x0 则 g0= 取 d0=-g0= 沿d0方向进行一维搜索，得 x1=x0+d0= 其中的为最佳步长，可通过f（x1）= 求得 = 则 x1 = = 为建立第二个共轭方向d1，需计算 x1 点处的梯度及系数值，得 g1=f（x1）= 从而求得第二个共轭方向 d1=-g1+d0= 再沿d1进行一维搜索，得 x2=x1+d1= 其中