第1章优化设计概述详解.ppt

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。 一、几何解释 无约束优化问题就是在没有限制的条件下，对设计变量求目标函数的极小点。在设计空间内，目标函数是以等值面的形式反映出来的，则无约束优化问题的极小点即为等值面的中心。 约束优化问题是在可行域内对设计变量求目标函数的极小点，此极小点在可行域内或在可行域边界上。 5.优化问题的几何解释 等值线—等高线 等值线－等高线： 它是由许多具有相同目标函数值的设计点所构成的平面曲线 目标函数的等值线数学表达式为： a）极值点处于多角形的某一顶点上 b）极值点处于等值线的中心 c）极值点处于约束曲线与等值线的切点上 d）极值点处于约束曲线与等值线的切点上 e）极值点处于两个约束曲线的交点上 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。 例1：如下二维非线性规划问题 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。 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到： 该切点为 对应的最优值为 由示例可知，对二维最优化问题，可采用图解法求解，而对三维或高维问题，已不便在平面上作图，此法失效。在三维和三维以上空间中，使目标函数取同一常数值称为目标函数的等值面。 不同值的等值面之间不相交，因为目标函数是单值函数； 等值面稠的地方，目标函数值变化的较快，而稀疏的地方变化的比较慢； 一般地，在极值点附近，等值面（线）近似呈现为同心椭圆球面族（椭圆族）。 等值面具有以下性质： 求解优化问题的基本解法有： 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。 §第四节 优化设计问题的基本解法 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解法。 O 优化设计的两类方法： 优化准则法，数学规划法 图1-8 寻求极值点的搜索过程 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 数值迭代法的基本思路：搜索、迭代、逼近即进行反复数值计算，寻求目标函数值不断下降的可行计算点，知道最后获得足够精度的最优点。该方法的求优过程可归纳为以下步骤： 迭代计算机逐步逼近最优点过程示意图 数值迭代法的迭代格式 ----第k步迭代计算所得到的点。称为第k步迭代点，亦第k步设计方案。 其中： ----第k步迭代计算的搜索方向。 ----第k次迭代计算的步长。 运用迭代法，每次迭代所得新点的目标函数值应满足函数值下降的要求： 收敛： 数值迭代法关键要解决的问题： 1）怎样确定搜索方向 2）如何确定迭代步长 3）如何判断是否找到最优点，以终止迭代 2.迭代终止准则 （1）点距准则 f fk fk+1 f* xk o xk+1 x* x (a) 即 （2）函数值下降量 准则 x o f fk fk+1 f* xk xk+1 x* (b) 或 -- 绝对下降量 -- 相对对下降量 （3）目标函数梯度准则 采用哪种收敛准则，可视具体问题而定。可取 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