机械优化设计1-2.pptVIP

凸集、凸函数与凸规划 函数的局部极小点并不一定就是全局极小点，只有函数具备某种性质时，二者才能等同。 因此对局部极小和全局极小点之间的关系应该作进一步的说明。 三、凸性条件 （1）设 为定义在凸集R上，且具有连续一阶导数的函数，则 在R上为凸函数的充分必要条件是对凸集R内任意不同两点 和 ，不等式 恒成立。 3)当 时，因为此时 ，则极值条件为 所以经分析得到： 对于一元函数 在给定区间上的极值条件，就可以完整地 表示为： 按下图所示，从几何概念分析得到的结果与上面得结论完全一致。 所以得到结论： 二、库恩－塔克条件 对于不等式约束条件的优化问题： 则得该问题的拉格朗日函数： 根据无约束极值条件，在极值点处有 得到多元函数的极值条件： 这就是库恩－塔克（Kuhn-Tucker）条件。 若引入起作用约束的下标集合 库恩－塔克条件又可写成如下形式： 将上式偏微分形式表示为梯度形式，得： 或 几何解释： 这就是目标函数在两个起作用的约束条件下，存在条件极值的必要条件： 其中 对于同时具有等式和不等式约束的优化问题： 库恩－塔克条件可表述为： 对于拉格朗日乘子 ，并没有非负的要求。 三、应用举例 若给定优化问题的数学模型 利用 条件确定极值点 。 此问题在设计空间 平面上的图形如图所示。它的 条件可表示为： 其中的J为在 处起作用约束下标的集合。 A点： 在 处为起作用约束， 条件为 从约束方程中解得 得 不满足非负要求，所以A点不是极值点。 B点： 在 处为起作用约束， 条件为 从约束方程中解得 ，相当于图中的B点得 , 同样不满足非负要求，所以B也不是极值点。 所以B也不是极值点。 C点： 在 处为起作用约束， 条件为 从约束方程中解得 。但 不满足第三个不等式约束条件 ，故取 ，相当于图的C点，得 ，满足非负要求，这样C点满足全部 条件，所以C点是极值点。 库恩－塔克条件也可叙述为在极值点处目标函数的负梯度为起作用的各约束函数梯度的非负线性组合，即 式中 在极值点C处，起作用约束为 ，则应有 而 代入上式得 要求 ，所以C点处目标函数的负梯度 为起作用的约束函数梯度 的非负线性组合，如图所示，而在A，B两点均不满足上述条件。 优化设计的数学基础 机械优化设计问题一般是非线性规划问题，实质上是多元非线性函数的极小化问题。 机械优化设计是建立在多元函数的极值理论基础上的。 无约束优化问题就是数学上的无条件极值问题。 约束优化问题即是数学上的条件极值问题。 多元函数的方向导数与梯度 一、方向导数 二元函数在点处的偏导数，其定义是： 函数 在 点处沿某一方向 的变化率 如图所示。 其定义应为： 称它为该函数沿此方向的方向导数。 方向导数是偏导数概念的推广，偏导数是方向导数的特例。 二、二函数元的梯度 二元函数 在 处的方向导数 的表达 式可写为下面的形式 令 称 为函数 在 点处的梯度。 设 ，为 方向单位向量，则有方向导数 即函数 在 点处沿某一方向d的方向导数 等于函数在该点处的梯度 与d方向的单位向量的内积。 我们可以把向量之间的内积写成向量之间的投影形式，即 当在 平面内画出 的等值线 （ 为一系列常数）时，从上图可以看出： （1）在 处等值线的切线方向 就是函数变化率为零的方向， 即有 所以 （2）在 处等值线的法线方向 就是函数变化率为最大的方向， 即有 所以 函数变化率最大的方向是梯度方向 例 求函数 在 处