第1章优化设计的基本概念.pptVIP

6. 优化设计的分类 对于最优化问题一般可作如下分类： 还有其它的一些划分方法： 如按设计变量的性质分：连续变量、离散变量、整数变量规划问题； 二次规划、几何规划、随机规划等。 例1：如下二维非线性规划问题 一、几何解释 §1-4 优化问题的几何解释和基本解法 通过二维优化问题的几何求解来直观地描述优化设计的基本思想。 目标函数等值线是以点（2，0）为圆心的一组同心圆。 如不考虑约束，本例的无约束最优解是： ， 约束方程所围成的可行域是D。 图1-9 由图易见约束直线与等值线的切点是最优点，利用解析几何的方法得该切点为 ， 对应的最优值为 (见图） 用图解法求解 例2： 解：先画出目标函数等值线，再画出约束曲线，本处约束曲线是一条直线，这条直线就是容许集。而最优点就是容许集上使等值线具有最小值的点。 解：①先画出等式约束曲线 的图形。 这是一条抛物线，如图 例3： ②再画出不等式约束区域，如图（选定哪侧区域） ③最后画出目标函数等值线，特别注意可行集边界点， A B C D 以及等值线与可行集的切点，易见可行域为曲线段ABCD。当动点沿抛物曲线段ABCD由A点出发时，AB段目标函数值下降。过点B后，在BC段目标函数值上升。过C点后，在CD段目标函数值再次下降。D点是使目标函数值最小的可行点，其坐标可通过解方程组： 得出： A B C D 由以上三个例子可见，对二维最优化问题。我们总可以用图解法求解，而对三维或高维问题，已不便在平面上作图，此法失效。 在三维和三维以上的空间中，使目标函数取同一常数值的是 {X| f(X)=C, C是常数}称为目标函数的等值面。 等值面具有以下性质： （1）不同值的等值面之间不相交，因为目标函数是单值函数； （2）等值面稠的地方，目标函数值变化得较快，而稀疏的地方变化得比较慢； （3）一般地，在极值点附近，等值面（线）近似地呈现为同心椭球面族（椭圆族）。 求解优化问题的基本解法有： 二、基本解法 解析法 数值解法 解析法：即利用数学分析(微分、变分等）的方法，根据函数（泛函）极值的必要条件和充分条件求出其最优解析解的求解方法 。在目标函数比较简单时，求解还可以。 局限性：工程优化问题的目标函数和约束条件往往比较复杂，有时甚至还无法用数学方程描述，在这种情况下应用数学分析方法就会带来麻烦。 最优化方法是与近代电子计算机的发展紧密相联系的，数值计算法比解析法更能适应电子计算机的工作特点，因为数值计算的迭代方法具有以下特点： 1）是数值计算而不是数学分析方法； 2）具有简单的逻辑结构并能进行反复的同样的算术计算； 3）最后得出的是逼近精确解的近似解。 这些特点正与计算机的工作特点相一致。 数值解法：这是一种数值近似计算方法，又称为数值迭代方法。它是根据目标函数的变化规律，以适当的步长沿着能使目标函数值下降的方向，逐步向目标函数值的最优点进行探索，逐步逼近到目标函数的最优点或直至达到最优点。数值解法（迭代法）是优化设计问题的基本解法。 其中也可能用到解析法，如最速下降方向的选取、最优步长的确定等。 数值迭代法的基本思路：是进行反复的数值计算，寻求目标函数值不断下降的可行计算点，直到最后获得足够精度的最优点。这种方法的求优过程大致可归纳为以下步骤： 1）首先初选一个尽可能靠近最小点的初始点X（0），从X（0）出发按照一定的原则寻找可行方向和初始步长，向前跨出一步达到X（1）点； 2）得到新点X（1）后再选择一个新的使函数值迅速下降的方向及适当的步长，从X（1）点出发再跨出一步，达到X（2）点，并依此类推，一步一步地向前探索并重复数值计算，最终达到目标函数的最优点。 1.求解步骤 在中间过程中每一步的迭代形式为： 图1-11 迭代计算机逐步逼近最优点过程示意图 上式中：X（k）——第k步迭代计算所得到的点，称第k步迭代点， 亦为第k步设计方案； a（k）——第k步迭代计算的步长； S（k）——第k步迭代计算的探索方向。 用迭代法逐步逼近最优点的探索过程如图1-8所示。 运用迭代法，每次迭代所得新的点的目标函数都应满足函数值下降的要求： （1）选择搜索方向 （2）确