第7章有关优化设计的数学模型与其求解中的几个问题2[白版].pptVIP

第六章 有关优化设计的数学模型 及其求解中的几个问题; 前面介绍的最优化方法，可直接用于仅含一个目标函数的所谓“单目标函数的最优化设计问题”，而在许多实际工程设计问题中，常常期望同时有几项设计指标都达到最优值，这就是所谓“多目标函数的最优化问题”，其数学模型的一般表达式为：; 在上述多目标函数的最优化问题中，各个目标f1（X），f2（X），…，fq（X）的优化往往是互相矛盾的，不能期望使它们的极小点重叠在一起，即不能同时达到最优解；甚至有时还会产生完全对立的情况，即对一个目标函数是优点，对另一目标函数却是劣点。这就需要在各个目标的最优解之间进行协调，相互间作出适当“让步”，以便取得整体最优方案，而不能像单目标函数的最优化那样，通过简单比较函数值大小的方法去寻优。由此也可以看出多目标函数的最优化问题要比单目标函数的最优化问题复杂得多，求解难度也较大。特别应当指出的是多目标函数的最优化方法虽有不少，但有些方法的效果并不理想，需要进一步研究和完善。下面介绍几种多目标函数的最优化方法。 ;一、统一目标法; 在极小化“统一目标函数”f（X）的过程中，为了使各个分目标函数能均匀一致地趋向各自的最优值，可采用如下的一些方法： ;（2）目标规划法 ;（3）功效系数法 ; 下图给出了几种功效系数函数曲线，其中图（a）表示与fj(x)值成正比的功效系数ηj函数；图（b）表示与fj(x)值成反比的功效系数ηj函数；图（C）表示fj（X）值过大和过小都不行的功效系数函数。在使用这些函数时，还应作出相应的规定。例如，规定ηj=0．3为可接受方案的功效系数下限；0．3ηjO．4为边缘状况；O.4ηj0.7为效果稍差但可接受的情况；0．7＜ηj1为效果较好的情况。; 这种方法虽然计算稍繁，但方法较为有效。因为它比较直观且调整容易；其次是不论各个分目标的量级及量纲如何，最终都转化为0—1间的数值，而且一旦有一项分目标函数值不理想（ηj=0）时，其总功效系数了必为零，表明设计方案不可接受，需重新调整约束条件或各分目标函数的临界值；另外，这种方法易于处理有的目标函数既不是愈大愈好、也不是愈小愈好的情况。 ;（4）乘除法 ;二、主要目标法 ;式中fj（X*）——为开始时极小化以外的其它目标函数的最优值的估计值，然后在求得最优值后用最优值进行替换。; 在实际工程的最优化设计中，总可以根据基本要求，对各项设计指标（目标）作出正确的估计和判断，并按其重要性进行排列，因此主要目标法在实际使用中并不困难。; 1、建立先进的数学模型。根据设计要求，应用专业范围内的现行理论和经验等，对优化对象进行分析。必要时，需要对传统设计中的公式进行改进，并尽可以反映该专业范围内的现代技术进步的成果。 2、对结构诸参数进行分析，确定设计变量、设计常数等。 3、必要时对数学模型进行规范化（归一化、无量纲化），以消除诸组成项间由于量纲不同等原因导致的数量悬殊的影响。;设计变量的选择;二、数学模型的尺度变换;例如目标函数; 在实际工程设计中，目标函数通常具有更复杂的形式，对其进行尺度变换本身就是一项相当困难的工作。因此目标函数的尺度变换使用的并不广泛。但作为一种极好的想法还是很有启发性的。;2、设计变量的尺度变换; 如果能预先估计出设计变量值的变动范围，即;3、约束函数的规格化; 两者对数值变化的灵敏度相差很大，这对优化是不利的。例如，在采用罚函数方法时，两者在惩罚项中的作用相差很大，灵敏度相差很大，灵敏度高的在极小化过程中将首先得到满足，而灵敏度低的几乎得不到考虑。为避免这种不正常的情况，只需对约束函数作如下规格化处理;§6-3 优化结果分析和全局最优解问题; 通过灵敏度分析，可以定量地表明该项设计能有多大的裕量和安全系数。另外，通过分析也可以提供一种低灵敏度系统的优化设计方案，使其最大限度地不受其他因素（如制造、装配、工艺等）的干扰。;定义1 对于问题(1)，设 ，若存在 ,使得对一切 ，且 ，都有 ，则称X*是f(X)在D上的局部极小值点（局部最优解）．特别地当 时，若 ，则称X*是f(X)在D上的严格局部极小值点（严格局部最优解）．;多局部极小; 当目标函数是凸函数、约束区域是凸集时，才能保证取得全局最优解。但工程实际问题往往不是凸规划问题，所以采用常用的优化方法一般得到的是局部最优解。;一、机床主轴结构优化设计; 在设计这根主轴时，有两个重要因素需要考虑。一是主轴的自重；一是主轴伸出端c点的