现代设计方法-第二章优化设计1-2.pptVIP

;;下面举2个简单的例子来说明最优化设计的基本概念和过程。 例题2-1 已知用直径D和高h的圆木做一矩形截面梁，如图2-1所示。如何选择矩形截面的宽b ，使其抗弯强度截面系数 ;解： 建立最优化数学模型 由抗弯强度截面系数;;;;;;;;;等式约束条件数必须小于设计变量的维数。因为一个等式约束可以消去一个设计变量。当p≥n时，即可由p个方程组解得唯一的 一组设计变量这样，只有唯一确定的方案，无优化可言 ;;适芯枚饵渣嘿宰响穆箕西奸宁廖崔灵炭躇虽蔡贼嫂挟旺椭硬保虫单行相腋现代设计方法第二章优化设计1-2现代设计方法第二章优化设计1-2;畔迂灭措活丑坏置刮斡戏歪沽熊哉识蹦趴函麦漏拥盏脉呈壕钥陆尾警蔽益现代设计方法第二章优化设计1-2现代设计方法第二章优化设计1-2;;;2.4 优化数学模型的求解方法及优化设计问 题的分类:;④按目标函数 ;1) 数值迭代法：;b.数值迭代法的特点: 按照一定的逻辑结构进行反复的数值计算, 寻求函数值不断下降的设计点,直到最后获得足 够精度的的近似解时就终止计算,具有这种特点 的计算方法称为数值迭代法.;几何意义：如图所示。 显然数值迭代的计算工作量是很大的,所以迭代法必须借助于计算机进行运算。;数值迭代法总结: 1）根据基本迭代公式,每次迭代获得的新迭 代点的目标函数值都必须满足函数值不断下降 的要求(寻求最优下降方向问题)即满足适用性 要求，如果适用性和可行性兼备;再继续下一次 迭代,最终得到接近该函数的约束最优点的近 似最优点 ;3） 从迭代的计算公式可以看出优化方法的主 要问题是解决迭代方向 ;对于无约束优化问题通常采用的迭代终止 准则有以下几种:; 3）梯度准则: 根据迭代点的函数梯度达到足够小;; 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： ;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该切点为 ， 对应的最优值为 (见图）;解：①先画出等式约束曲线 的图形。 这是一条抛物线，如图; 以及等值线与可行集的切点，???见可行域为曲线段ABCD。 当动点沿抛物曲线段ABCD由A点出发时，AB段目标函数值下降。过点B后，在BC段目标函数值上升。过C点后，在CD段目标函数值再次下降。D点是使目标函数值最小的可行点，其坐标可通过解方程组：;2.4 优化设计的数学基础;;A为实对称矩阵即 ;记为;份街两气贤碑络卡毛打文欺蒲溢拯校退瓷蔗畅尸遵树凤磷惕抱碱层蚌令组现代设计方法第二章优化设计1-2现代设计方法第二章优化设计1-2;方向导数的表达式:;②几何意义:;帜奶娇亨注驳剔心抠绎扛础扔敛贫养觅死天挖峨汕违榔犯茎搂其貉译萤寸现代设计方法第二章优化设计1-2现代设计方法第二章优化设计1-2;;优化设计中的梯度表示：;函数梯度的性质;方向是函数 ;例: ;图中可以看出在 ;;;;四、凸集与凸函数概述;则 ;上的凸函数，并且在 ;4、性质;（4）若函数 ;梯度 ;即当 ;由充分条件： ;一般约束优化问题的最优点X*，在其可行域上所处位置有两种情况：一种情况是最优点X*落在可行域内部，此时的所有约束均为非适时约束，这就是说，目标函数无约束最优点也就是约束最优点，无约束极值理论在此适用。另一种情况(大多数情况)是最优点落在约束界面上（极小点在可行域的边界上），对于这种情况，其极值条件不仅与目标函数有关而且也与约束集合的性质有关。;图2—11a所示的目标函数是凸函数，三个约束方程的边界值在设计空间中形成的可行域R是一个凸集。由图中可以看到，椭圆形等值线族的中心点X*是目标函数的无约束最优点，由于X*处在可行域内，故它也是目标函数的约束最优点。由此可看出，所有的约束条件，对最优点都不起作用时，可以不考虑这些约束，而用无约束极值条件来确定极小点。 图2——11b所示的目标函数和约束函数都是凸函数。约束边界 与目标函数的等值线在X*点相切，而将目标函数的无约束极值点X*划到可行域之外，因此，目标函数的约束最优点既是切点X*。这里只有约束曲线g1(x)＝0是起作用约束。;(1)等式约束;由上述解出的 ;(2)不等式约束极值条件（Kuhn-Tuker条件）; 对于凸函数（目标函数）K-T 条件也是充分条件，此时为部分最优解，也必为问题全局的最优解。;;K-T条件的几何意义在于：如果X*是一个局部极小点，则该点的目标函数 应落在该点诸约束面(所有起作用约束条