output输出优化信息； grad表示目标函数在x处的梯度.ppt

现代设计方法优化设计部分 黄正东 二0一三年一月 本章主要内容 优化设计概述 优化设计的数学基础 一维探索优化方法 无约束优化方法 约束问题优化方法 优化设计若干问题 优化设计概述 优化设计的数学基础 一维探索优化方法 无约束优化方法 约束问题优化方法 优化设计若干问题 优化设计问题建模 优化结果分析处理 优化模型计算机求解 优化设计若干问题 优化设计问题建模 设计变量的选取及处理 设计参数是设计方案的简要的、定量表达。 在待定设计参数中，选取那些对设计目标有显著影 响的设计参数，作为设计优化变量，简称设计变量。 对于离散型的设计变量（如齿轮齿数），可视为连续 型，再对结果圆整（凑整法）；或直接用整数表示， 但采用整数优化方法求解。 优化设计问题建模 2. 目标函数的选取及处理 对那些“越大越好”或“越小越好”的设计要求，可采用目标函数来表达。 在具有多个目标的时候，需要将多个目标函数转化 单一目标函数： 不同目标函数的数量级要大致相当。为此需要对目标函数乘以适当的系数，使之规范化（例如，变化范围在（-1,1）之间）； 根据不同目标的重要程度，选择加权系数；然后以加权和作为优化目标函数。 优化设计问题建模 3. 约束条件的确定 对那些“取值范围”、“大小关系”和“数值相等或不等”等设计要求，可采用等式约束或不等式约束来表达。 等式约束：物理方程、闭环、配合要求等。 不等式约束： 边界约束：经验范围、干涉避免等。 性能约束：避免不期望的事件发生，如断裂、共振。 优化结果的分析处理 尺度逆变换或圆整处理。 局部最优与整体最优分析；取不同初值试算。 根据工程经验与知识，对结果进行合理性判断。 对最优解作灵敏度分析，找出敏感设计变量和 敏感设计约束，在生产实际中给予重视。另外 基于该灵敏度分析，还可以进一步评估设计方案 的可靠性与稳健性。 优化模型计算机求解 优化方法的选择 软件工具的选择 优化方法选择 1. 明确待求解的优化模型的特点。问题的规模（设计变量数、目标函数与约束函数的数目），目标函数与约束函数的形式与性质（表达式、计算过程、软件调用，等等；连续、可求导数否？），函数的极性（单峰、多峰，凸凹性），函数的次数（线性、二次函数）。 2. 考虑优化方法的特点。收敛速度，是否需要求导数？几阶？适合离散变量还是连续变量，求局部优化解还是整体最优解？对约束与目标函数的次数是否有要求？ 软件工具的选择 考虑计算机实现的难度。是否需要自己编程？人机交互是否方便？如果需要软件集成，优化程序与其它计算软件连接是否方便、可行？ MATLAB 优化工具箱 LINGO 交互式的线性和通用优化求解器 (Lingo System Inc.) iSight 集成优化软件系统 CAD/CAE 软件中优化功能 Matlab中优化程序 Matlab中优化程序 fmincon 函数 fmincon格式 x = fmincon(fun,x0,A,b)x = fmincon(fun,x0,A,b,Aeq,beq)x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub)x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon)x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options)[x,fval] = fmincon(…)[x,fval,exitflag] = fmincon(…)[x,fval,exitflag,output] = fmincon(…)[x,fval,exitflag,output,lambda] = fmincon(…)[x,fval,exitflag,output,lambda,grad] = fmincon(…)[x,fval,exitflag,output,lambda,grad,hessian] = fmincon(…) fmincon 参数说明： fun为目标函数，它可用前面的方法定义；x0为初始值；A、b满足线性不等式约束 ，若没有不等式约束，则取A=[ ]，b=[ ]；Aeq、beq满足等式约束 ，若没有，则取Aeq=[ ]，beq=[ ]；lb、ub满足 ，若没有界，可设lb=[ ]，ub=[ ]；nonlcon的作用是通过接受的向量x来计算非线性不等约束 和等式约束 分别在x处的估计C和Ceq，通过指定函数柄来使用，如：x = fmincon(@myfun,x0,A,b,Aeq,beq,lb,ub,@my