0、机械优化设计总复习1.pptVIP

第三章 一维搜索的最优化方法 第三章 一维搜索的最优化方法（续） 单目标最优化方法 多目标最优化方法 多目标优化的实例： 物美价廉 第六章 多目标优化方法 第六章多目标优化方法（续） 对于一个具有L个目标函数和若干个约束条件的多目标优化问题，其数学模型的表达式可写为： 求： 向量形式的目标函数 设计变量应满足的所有约束条件 5、构造变尺度矩阵H(k)的递推公式 修正矩阵 四、 变尺度法(续） 6、收敛条件 7、最优解： 四、 变尺度法(续） 四种解析法的比较： 20次 达到最优 两步 - H(k+1)g(k+1) 变尺度法 3次 初始点要求高 一步 - [H(k+1)]-1g(k+1) 牛顿法 73次 接近最优点 两步 -g(k+1)+βkS(k+1) 共轭梯度法 100次 远没达到最优值 多步 -g(k+1) 梯度法 运算结果比较 （同一目标函数） 迭代次数 （二元函数） 搜索方向 S(k+1) 方法名称 1、基本思想 每次以一个变量的坐标轴作为搜索方向，将n维优化问题转化为一维搜索问题，是一个降维的思想。 一、坐标轮换法（变量轮换法） ， 第四章 无约束最优化方法（续）—直接法 2、搜索方向与步长 一、 坐标轮换法（续） 步长确定 随机选择法 最优步长法 加速步长法 保证函数值下降 步长最优，收敛速度快 步长加倍 一维搜索 搜索方向： 迭代公式： 第k轮、第i次搜索的方向 为第i个设计变量的 坐标轴方向 搜索过程 一、 坐标轮换法（续） 3、收敛条件： 4、最优解： 1、基本思想 它是以共轭方向为基础的收敛速度较快的直接搜索法。若沿连接相邻两轮搜索末端的向量S方向搜索， 收敛速度加快。 目的：以共轭方向打破振荡，加速收敛。 二、鲍威尔法（Powell法） 第四章 无约束优化方法——直接法 2、迭代步骤 二、鲍威尔法（续） 构建共轭方向 进行一维搜索 二、鲍威尔法（续） 3、迭代公式 4、收敛条件 5、最优解 二、鲍威尔法（续） 三、单纯形法 单纯形替换法不是利用搜索方向从一个点迭代到另 一个更优的点，而是从一个单纯形迭代到另一个更优的 单纯形。 1、基本思想 第四章 无约束最优化方法（续）—直接法 2、迭代过程 X8 三、单纯形方法(续） 3、迭代终止判别 三、单纯形方法(续） 4、最优解 无约束优化方法搜索方向之间的相互联系—直接法 从一个单纯形迭代到另一个更优单纯形 单纯形法 Powell法 坐标轮换法 收敛准则 迭代公式 迭代步长 迭代方向 直接法 约束问题目标函数的最小值是满足约束条件下 的最小值，即是由约束条件所限定的可行域内的最小值。 可行域就是约束函数的集合 第五章 约束优化方法 基本概念 3、约束问题的数学模型为 约束条件分为两类：等式约束和不等式约束 将约束优化问题转换成无约束优化问题求解。 2、基本思想 4、约束优化问题分为:直接法、间接法。 （1）直接法 ??? 直接法包括：可行方向法、线性逼近法、复合形法、随机试验法、随机方向法、梯度投影法、简约梯度法和?广义简约梯度法。 适用范围：仅含不等式约束条件的优化问题。 ???间接法包括：惩罚函数法、消元法、拉格朗日乘子法。 适用范围：对于不等式约束问题和等式约束问题均有效 （2）间接法 一、复合形法——直接法 复合形法是单纯形法在约束问题中的发展。 在用于求解约束问题的复合形法中，复合形各顶 点的选择和替换，不仅要满足目标函数值的下降，还 应当满足所有的约束条件。 第五章 约束优化方法 1、 基本原理 一、 复合形法（续） 个顶点所构成 所谓复合形是指在n维设计空间内由 的多面体（一般2n个顶点）。 复合形法就是在n维设计空间的可行域内进行： 比较 去掉 满足 逐步调 向最优点。 各顶点的目标函数 约束条件 最坏点 数学模型： 产生k个随机点，将可行点依次排在前面，如有q个顶点X (1)、X (2)…X (q)是可行点，其它k-q个为非可行点，则： （2）将第q+1点朝着点X (s)的方向移动，新点X (q+1)为： X(q+1)= X(s)+0.5 (X(q+1)—X(s)) （1）计算q个点集的中心X (s)； 一、 复合形法（续） 2、迭代过程 ? 函数值之差的均方根值小于误差限： ? 函数值之差的平方和小于误差限： ? 函数值差的绝对值之和小于误差限： 最后复合形的好点X(l)及其函数值f(X(l))为最优解。 3、判断终止条件 一、 复合形法（续）