策画灵敏度分析.ppt

* 第六章 设计灵敏度分析 目标函数的梯度 约束函数的梯度 一）基本概念 目标函数的灵敏度 约束函数的灵敏度 梯度 = 灵敏度 = 敏感度 = 感度 感度系数 物理意义： 敏感度：表明设计变量的改变对函数变化的影响程度。 也可以函数的变化量来表达灵敏度程度（敏感数……）： 二）计算方法 1）拟荷载法 2）单位荷载法 3）有限差分法，直接微分法，伴随变量法… 位移敏感数（感度系数） 假定：设计变量的变化不引起荷载的变化。 对上式两边求导； 拟位移 拟荷载 方法1（拟荷载法） 计算步骤： （1）解方程式 ，求位移 （2）计算 （3）拟荷载代入步骤（1）的荷载项，求位移敏感数， （1）每次计算过程中刚度矩阵保持不变只进行一次LDL分解即可。 （2）求位移敏感数的过程中只进行回代即可。 （3）计算拟荷载 过程中只考虑设计变量有关的单元刚度矩阵即可。 方法2（单位荷载法） 假定：设计变量的变化不引起荷载的变化。 节点和方向上施加相应的单位荷载，其他节点上施加零荷载，记单位荷载 改变s设计变量时， 节点的敏感度: 计算步骤： 编制 LDL分解子程序 方法3 ：与 i 设计变量有关的刚度矩阵； 现改变 i 设计变量 ：改变 i 设计变量后的刚度矩阵； 节点和方向上施加相应的单位荷载，其他节点上施加零荷载，记单位荷载 三）几种常用的敏感度（灵敏度） （1）位移敏感数 （一）刚度敏感数 （a）改变s设计变量时，各节点的位移敏感度； （b）改变s设计变量时，j节点的位移敏感度； （c）改变s设计变量时，j节点的位移敏感度(增量形式)； （d）改变s设计变量时，j,k节点的位移差敏感度(增量形式)； （2）应变能敏感数 改变s设计变量时，结构应变能敏感度(增量形式)； （二）震动频率敏感数 （1）改变s设计变量时，n次固有频率敏感度(增量形式)； 固有频率增加 固有频率不变 固有频率减少 （2）改变s设计变量时，n次和k次固有频率差的敏感度(增量形式)； （二）结构稳定性的敏感数 （1）改变s设计变量时，n次特征值敏感度(增量形式)； （2）改变s设计变量时，前m次特征值平均敏感度(增量形式)； 小结 3.1 无约束优化方法的一般概念 无约束优化 一维问题 多维问题 无约束优化算法 解析搜索算法 直接搜索算法 梯度法(一阶法) 共轭梯度法(一阶法) 牛顿法(二阶法) 拟牛顿法 坐标轮换法 方向加速法(Powell法) 步长加速法(模式搜索法) 单纯形法 数值算法的迭代公式 向量形式 分量形式 设计改变 最优步长 搜索方向 一维搜索问题 一维搜索算法 解析法 试探法：二分法、黄金分割法、Fibonacci法等。（区间消去原理） 插值法：牛顿法、二次插值法、三次插值法等。（函数逼近原理） 非精确线性搜索法 (1) 试探点 、 与端点 、 等距(对称) (2) 区间缩短率相同 黄金分割法 线性搜索牛顿法 无约束优化一般形式 无约束优化迭代式 如果使 就可以得到 无约束优化一般形式 无约束优化迭代式 搜索方向的选择原则； （1）必须是下降方向。 （2）尽可能指向极小点，或使函数下降最快。 （3）构造搜索方向时，计算量小。 步长选择方案； （1）定步长 （2）变步长 （3）最优步长 不变 梯度法（最速下降法） 1847年柯西（Cauchy）提出 梯度法的基本思想：使目标函数沿它下降最快的方向前进， 逐步走向最优点，因而又称最速下降法。 梯度法的搜索方向： 梯度法的迭代公式： 需要改进搜索方向，希望搜索方向直接指向最优点。可以避免跌代过程中走许多弯路，加快收敛速度。 共轭梯度法 Fletcher Reeves (1964) 新的搜索方向-共轭方向的确定 式中 基本思路: 牛顿法 利用二次函数来逐点逼近原函数 二次函数极小点来近似原函数极小点并逐渐逼近原函数极小点。 牛顿迭代公式： 牛顿方向： 牛顿法的改进 拟牛顿法的基本思想 构造一种能保留拟牛顿和梯度法优点，又能避免其缺点的算法。 （1）收敛速度快 （2）避免计算海色矩阵及其逆矩阵，减少工作量。 拟牛顿法的迭代公式： 拟牛顿法的搜索方向： 构造变尺度矩阵 的基本要求 ① 必须是对称正定矩阵。 ③ 满足拟牛顿条件： ② 满足迭代格式： DFP公式 BFGS公式 以 逼近 牛顿法 共轭梯度法 梯度法 直接搜索算法 坐标轮换法 方向加速法(Powell法) 步长加速法(模式搜索法) 单纯形法 3.4 无约束优化的直接搜索算方法 目标函数：没有明显的解释表达式，