機械优化设计教材——课件.pptVIP

;绪论; 本课程将着重介绍数学规划理论的基本概念、技术术语与基本方法，并通过实例介绍用数学规划理论解决机械优化设计问题的过程。本课程共分八章进行讨论。 第一章介绍优化设计的基本概念，其目的在于了解优化设计的步骤及常用术语。 第二章介绍某些数学基础知识，以便为以后各章的学习打好基础。 第三、四、五、六章分别介绍一维搜索、无约束优 化、线性规划和约束优化的原理及算法，这是本课程的重点。 第七章介绍多目标及离散变量优化方法简介。 第八章介绍几个机械优化设计问题的实例，用以说明如何应用优比方法解决机械优化设计问题的过程。;第一章 优化设计概述;;;;;;;等值线—等高线;;;第二节 机械优化问题示例;;第三节 优化设计问题的数学模型;;;;;;;; 五、优化问题的几何解释;;;; 求解优化问题：解析解法 数值的近似解法。 解析解法：把所研究的对象用数学方程(数学模型)描述出来，然后再用数学解析方法(如微分、变分方法等)求出优化解。 数值解法：只能通过大量试验数据用插值或拟合方法构造一个近似函数式，再来求其优化解，这种方法是属于近似的、迭代性质的数值解法。不仅可用于求复杂函数的优化解，也可以用于处理没有数学解析表达式的优化设计问题。因此，它是实际问题中常用的方法。 可以按照对函数导数计算的要求，把数值方法分为需要计算函数的二阶导数、一阶导数和零阶导数(即只要计算函数值而不须计算其导数)的方法。 ;;;; 由于数值迭代是逐步逼近最优点而获得近似解的，所以要考虑优化问题解的收敛性及迭代过程的终止条。 收敛性是指某种迭代程序产生的序列 收敛于;;第二章 优化设计的数学基础;;;; 二、二元函数的梯度 考虑到二元函数具有鲜明的几何解释，并且可以象征性地把这种解释推广到多元函数中去，所以梯度概念的引入也先从二元函数人手。;;;等值线—等高线;;第二节 多元函数的泰勒展开;;;;;; 第三节 无约束优化问题的极值条件 无约束优化问题是使目标函数取得极小值，所谓极值条件就是指目标函数取得极小值时极值点所应该满足的条件。;; 二元函数在某点处取得极值的充分条件：在该点处的海赛矩阵为正定。;;;;;;第四节 凸集、凸函数与凸规划; 一、凸集;;二、凸函数;;三、凸性条件;四、凸规划;;第五节 等式约束优化问题的极值条件;;;二、拉格朗日乘子法;;;第六节 不等式约束优化问题的极值条件;库恩—塔克条件一、多元函数不等式约束优化问题;;二、同时具有等式和不等式约束的优化问题; 利用K—T条件求极值点往往是很繁琐的，需要确定需要确定哪些约束在极值点处起作用。 库思—塔克条件也可以叙述为在极值点处目标函数的负梯度一定能够表示成所有起作用的各约束函数在该点梯度（法向量）的非负线性组合，即;;;：;;第二节 搜索区间的确定与区间消去法原理一、确定搜索区间的方法—进退法;;;;;二、区间消去法原理;;第三节 一维搜索的试探方法;;;;;;;;确定搜索区间;;求最优解;;第四节 一维搜索的插值方法;;一、牛顿法（切线法）;;;;;牛顿法最大的优点是收敛速度快。 但是在每一点处都要计算函数的二阶导数，因而增加了每次迭代的工作量。特别是用数值微分代替二阶导数时，舍入误差会影响牛顿法的收敛速度，当／(。)很小时这个问题更严重。另外，牛顿法要求初始点选得比较好，也就是说离极小点不太远，否则有可能使极小化序列发散或收敛到非极小点。;二、二次插值法(抛物线法);;;;;;;;;;;;;;第四章 无约束优化方法第一节 概 述;;第二节 最速下降法;;在最速下降法中，相邻两个选代点上的函数梯度相互垂直。而搜索方向就是负梯度方向，因此相邻两个搜索方向互相垂直。这就是说在最速下降法中，迭代点向函数极小点靠近的过程，走的是曲折的路线。这一次的搜索方向与前一次的搜索方向互相垂直，形成“之”字形的锯齿现象，见图4—2。;;;;;;第三节 牛顿型方法;;;; 从牛顿法迭代公式的推演中可以看到，迭代点的位置是按照极值条件确定的，其中并未含有沿下降方向搜寻的概念。因此对于非二次函数，如果采用上述牛顿法迭代公式，有时会使函数值上升，即出现 的现象。为此，需对上述牛顿法进行改进，引入数学规划法的搜寻概念，提出所谓“阻尼牛顿法”。;; 这样，原来的牛顿法就相当于阻尼牛顿法的步长因子αk 取成固定值1的情况。 由于阻尼牛顿法每次迭代都在牛顿方向上进行一维搜索，这就避免了迭代后函