工程优化设计复习分析报告.ppt

复 习;机械优化设计的定义 ： ;一、 设计变量;第一章 机械优化设计的基本概念和理论（续）;性能约束 由结构的某种性能或设计要求， 推导出来的约束条件。;一个n维的优化设计问题中，等式约束的个数必须少于n。;第一章 机械优化设计的基本概念和理论（续）; ;第二章 优化设计的数学基础; 用Matlab可画出该函数的等直线。 ;第二章 优化设计的数学基础;第二章 优化设计的数学基础（续）; 函数的凸性表现为单峰性。;（一）、无约束优化问题的极值条件;海森（Hessian）矩阵 正定，即各阶主子式均大于零，则X*为极小点。;1、约束优化设计的最优点在可行域D内 最优点是一个内点，其最优解条件与无约束优化设计的最优解条件相同；; 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： ; 2、约束优化设计的最优点在可行域 D 的边界上 设 X (k) 点有适时约束; K-T条件是多元函数取得约束极值的必要条件,以用来作为约束极值的判断条件，又可以来直接求解较简单的约束优化问题。;第三章 一维搜索的最优化方法;第三章 一维搜索的最优化方法（续）;确定最优解所在区间的进退法;基本思想:利用目标函数在若干点的信息，构成一个与目标函数值相近似的低次插值多项式p(x)，然后用多项式p(x)的最优解作为函数的近似最优解(即p’(x*p)=0的根)作为目标函数f(x)的近似极值点。 ;迭代过程中，要充分利用函数的解析式，故称为解析法（又称间接法）。 ;一.梯度法（最速下降法）;一.梯度法（续）;;一、梯度法（续）;二、共轭梯度法（旋转梯度法）;(2).共轭系数;二、共轭梯度法（续）;三、牛顿法（二阶梯度法）;三、牛顿法（续）;§4-2 牛顿法 牛顿法的迭代公式 阻尼牛顿法的迭代公式 牛顿方向 ;1、变尺度的定义;四、变尺度法(续）;5、构造变尺度矩阵H(k)的递推公式;6、收敛条件;1、基本思想;;2、迭代步骤;构建共轭方向;4、收敛条件; 如由约束条件所限定的可行域是凸集，目标函数是凸函数，其约束最优解就是全域最优解。 否则，将由于所选择的初始点的??同，而探索到不同的局部最优解上。;3、约束问题的数学模型为;4、约束优化问题分为:直接法、间接法。;一、复合形法——直接法;1、 基本原理; 产生k个随机点，将可行点依次排在前面，如有q个顶点X (1)、X (2)…X (q)是可行点，其它k-q个为非可行点，则： ;;? 函数值之差的均方根值小于误差限：; 可行方向是求解大型不等式约束优化问题的主要方法之一。 基本思想：这种方法的基本原理是在可行域内选择一个初始点 ，当确定了一个可行方向d和适当的步长后，按式:;2.产生可行方向的条件;2）下降条件 ;;收敛条件;1、基本思想 通过构造罚函数把约束问题转化为一系列无约束最优化问题，用无约束最优化方法求解，这类方法称为序列无约束最小化方法。简称为SUMT法。;3、罚函数的分类;惩罚函数构造的形式为：;当惩罚因子r(k)=0时可得到原问题的最优解。; 初始点应选择一个离约束边界较远的可行点。;三、外点法;;; 混合罚函数法可处理等式和不等式约束的优化问题，初始点可任选。;乘子法;序列二次规划法;;单目标最优化方法;; （宽容）分层序列法 ;两目标优化问题用宽容分层序列法求最优解的情况 ;线性加权法 ;理想点法与平方和加权法 ;极小极大法 ;于是原多目标优化问题可转化为下列单目标求解：;遗传算法;神经网络算法