机械优化设计3概要.ppt

（1）讨论多目标问题最优设计解的定义，这从概念上说，当然它不同于一段非线性规划最优解的定义，因为在多目标的情况下，要求所有目标同时都达到最优解是不可能的； （2）研究工程设计中多目标问题的最有效而且简单的优化设计方法； （3）讨论多目标问题优化设计解的存在性、稳定性等一些基本理论，这些问题要求在抽象空间内进行研究。 * 式（7-17）中的Wj为对各目标函数值离差的加权因子，它的意义在这种情况下仅反映各项分目标所占的重要程度，可取统一权，即 在目标规划方法中，比较困难的是在于制定恰当的函数合理值 可先分别求出各分目标函数及各自的最优值 然后作出适当的调整，再制定出理想的合理值 式中 为第j个分目标函数作出的“让步”值。 二、乘除法 若在q个分目标函数中有两类不同性质的目标函数： 一类是用于费用类，如成本、材料、加工费用、重量等，表现为目标函数值愈小愈好； 另一类是属于效果类，表现为目标函数值愈大愈好，如产品的产量、效率、利润和承载能力等。 对于这种情况，其统一目标函数可以取 式中s个分目标函数中属于第一类性质的目标函数总个数； q个分目标函数中属于第二类性质的目标函数总个数； ——加权因子，取大于零的数。 三、线性加权组合法 线性加权组合法又称线性组合法，即将各个分目标函数按下式组合成统一的目标函数 或者当存在两类不同性质的目标函数时，统一目标函数为 在采用线性加权组合法时，为了消除各个分目标函数值在数量级上较大的差别，可以先将各目标函数值归一化处理，转化为0～1之间的规格化目标函数。 此时可用线性函数、指数函数、二次函数或三角函数等一些简单低阶函数进行转换。例如，若能估计出各目标函数值的变化范围——上界值和下界值， 即 则可以用下面函数 将各目标函数转化为在0～1范围内取值．如图7-7所示，令目标函数值的下界值αj和上界值βj分别与转换函数自变量的下界值0和上界值2π相对应，则相应于 值的转换函数的自变量xj为 于是得规格化目标函数为 这样，统一目标函数为 四、加权因子值的选择 在统一目标函数法中，加权因子 值的选择 是比较重要的。 若取得合理，则可以达到预期的结果，否则可能造成优化设计的失误。 例如，求 的最优解。若采用线性组合方法，则求 的最优解。当取不同的加权因子值肘，其最优解结果列于 下表。 从表中所列的数据可见，由于三个分目标函数在初始点x(0)时的量级上有较大的差别，在求统一目标函数f(x)的极小值时，取不同的加权因子值，虽然总目标函数都是下降的，但其结果却完全不同。 当取 时，其分目标函数值愈大者，其优化效果愈好，对于较小值的目标函数，其最优值反而比初始值坏。 如果在统一目标用数中，对各分目标函数值（初始值）做些调整，例如取 ，则最终的优化结果就比较理想，各分目标函数值可得相近的下降率。 通过合理选择加权因子的值，不仅可以调整各分目标函数值在总目标函数值中的所占比重，同时也使各变量变化对目标函数值的灵敏度尽量趋向一致，其结果比较容易达到预期的优化结果。 从理论上说，不断改变线性加权组合目标函数中的加权因子 值，便可以在约束区域内搜遍多目标问题的解，并得其非劣解的解集 D。 如图7-8所示，以两个分目标函数为例。P点表示初始点x(0)的解，一旦确定了W1和W2值时，统一目标函数便相当于一直线，因此若求的f(x)极小化，则作一簇平行线，就可以找到一个选好解A，实际上就是f(x)等值线与解集D的一个切点。 当取不同的W1和W2值时，实际上就是改变了f(x)等值线的斜率（如图上虚线表示），因此同样也可以找到另一个选好解B。可见，在统一目标法中，加权因子值选择合理与否，将直接影响优化设计的结果。 目前，关于加权因子的选择，既有很多经验，也有一些比较可行的方法。 若目标函数是平方误差值，则可用目标函数值的容限法来求 值。设已知各目标函数值的变动范围为 当难以估计出其上界值和下界值时，可取下界值 为零，上界值 ，则称 为各项目标的容限，取加权因子值为 这就是说，当某项目标函数值的变化愈宽时，其目标函数的容限值愈大，加权因子值就取较小值；否则，恰恰相反。这样选取加权因子值也将起到平衡各项目标函数量级的作用。 还有一种选取加权因子值的方法，是先把它分为两个部分权，即 式中W1j——反映各项设计指标相对重要程度的加权因子，称为本征权； W2j——调整各目标函数值在数量级上差别的影响，并在优化设