第四章机械优化设计无约束优化方法.pptVIP

　第四章　无约束优化方法　; 实际中的工程问题大都是在一定限制条件下追求某一指标为最小，属于约束优化问题。;1、无约束优化问题;3、算法框图 ;4、无约束优化方法的分类;二、最速下降法（梯度法）;2、最速下降法的原理; 由此可知，在最速下降法中，相邻两个迭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。这就是说在迭代点向函数极小点靠近的过程，走的是曲折的路线，形成“之”字形的锯齿现象，而且越接近极小点锯齿越细。;梯度法的迭代历程;方法特点 1）初始点可任选，每次迭代计算量小，存储量少，程序简短。即使从一个不好的初始点出发，开始的几步迭代，目标函数值下降很快，然后慢慢逼近局部极小点； 2）任意相邻两点的搜索方向是正交的，它的迭代路径为绕道逼近极小点。当迭代点接近极小点时，步长变得很小，越走越慢。;最速下降法的程序框图;例：求目标函数 ;则第一次迭代设计点位置和函数值;解法2：引入变化 ;不同等值线的迭代过程;讨论;3、最速下降法收敛速度的估计式;梯度法的特点：;三、牛顿型方法;对于多元函数 ;例:;2、阻尼牛顿法;（2）阻尼牛顿法的计算步骤;（3）阻尼牛顿法的 程序框图 ;方法特点： 1）初始点应选在极小点附近，有一定难度； 2）尽管每次迭代都不会是函数上升，但不能保证每次都下降； 3）若迭代点的海赛矩阵为奇异，则无法求逆矩阵，不能构造牛顿法方向； 4）不仅要计算梯度，还要求海赛矩阵及其逆矩阵，计算量和存储量大。此外对于二阶不可微函数也不适用。;梯度法与牛顿法的比较;四、共轭方向和共轭方向法; 首先考虑二维情况，如果按最速下降法，选择负梯度方向为搜索方向，会产生锯齿现象。 为避免锯齿的发生，取下一次的迭代搜索方向直接指向极小点，如果选定这样的搜索方向，对于二元二次函数只需进行两次直线搜索就可以求到极小点。;结论：;（三）共轭方向法 ;2、共轭方向法 程序框图;3、格拉姆—斯密特向量系共轭化法（共轭方向的确定）;五、共轭梯度法; ; 得出共轭方向与梯度之间的关系。此式表明沿方向;2、共轭梯度法计算原理;因此可得共轭方向的递推公式：;3、共轭梯度法计算过程;4、共轭梯度法 程序框图;六、变尺度法;2、变尺度法的基本思想;3、尺度矩阵的概念;是需要构造 的一个对称方阵，; （2）变尺度矩阵应满足的条件 ;4、变尺度法的一般步骤;5、变尺度法 计算程序框图 ;5、DFP算法;七、坐标轮换法;1、坐标轮换法的寻优过程 ;结论：对于 个变量的函数，若在第 轮沿第个 坐标;2、程序框图 ;3、坐标轮换法的特点;八、 鲍威尔（Powell）方法(方向加速法) 自学;对于二次函数;由梯度和等值面垂直的性质， 和 两点处的梯度 之间存在关系：;育典导朗闻鳃华洼四腥默音伪谭垛蜕欲锅阻锌赵臂仰淮迁赂活艰蹈蛀票户第四章机械优化设计无约束优化方法第四章机械优化设计无约束优化方法;2、基本算法（以二维情况为例）;用d1代替e1形成两个线性无关向量d1，e2，作为下一轮迭代的搜索方向。再从 出发，沿d1 作一维搜索得点 ，作为下一轮迭代的初始点。 3）从 出发，顺次沿e2，d1作一维搜索，得到 点，两点连线得一新方向;把二维情况的基本算法扩展到n维，Powell的算法要点：;三、改进的算法;喘淀涵傻归守言宁溜洒稼斗保常谴怔瀑迫滓卢推载闪符袋阿裴障嘱戏臂散第四章机械优化设计无约束优化方法第四章机械优化设计无约束优化方法