机械优化设计2优化理论基础.ppt

机械优化设计第二章 长江大学机械工程学院(HQS) * 矩阵A为正定的充要条件--A的各阶主子式均大于零。 （2）过同心椭圆族的中心作任意直线与椭圆族中任意两椭圆相交，再过两交点所作相应椭圆的切线必相互平行。 §2-4 关于优化方法中搜索方向的理论基础 2.方向余弦 3.方向导数的计算 从上式可得出如下结论： §2-5 凸集与凸函数 2.凸函数的基本性质 2.6.2 约束问题有最优解的必要条件 二.有约束最优解的一阶必要条件 消元法(降维法) （2）IP型 (3)GP型 K-T条件是多元函数取得约束极值的必要条件,以用来作为约束极值的判断条件，又可以来直接求解较简单的约束优化问题。 K-T条件是多元函数取得约束极值的必要条件,以用来作为约束极值的判断条件，又可以来直接求解较简单的约束优化问题。 拉格朗日乘子法(升维法) 通过增加变量将等式约束优化问题变成无约束优化问题。拉格朗日乘子法不仅适合用于等式约束优化问题，而且还可以推广用于具有不等式约束优化问题，需引入松弛变量使不等式约束变为等式约束。 （Lagrange函数） 设有二维函数问题f(x)=f(x1,x2),且只有一个约束条件h(x)=h(x1,x2) 式中， 是单位变量的目标值变化率，而 则是单位变量的约束值变化率。可以称 为优化效率或敏感系数。而且从 可知， 各变量的改变所导致的优化效率是相等的，且等于一个常数 对于机械优化设计问题，若有目标函数f(x)是结构重量，约束条件是结构刚度或某点的变形，则 可理解为结构重量的收益，而 则可理解为结构刚度的支出。 就意味着单位的结构刚度支出所能获得的结构重量收益。这时的 就反映结构刚度对其重量的优化效率 （Lagrange函数） U是由起作用约束的下标组成的集合， — Lagrange乘子 这就是著名的 Kuhn—Tucker(K-T）条件. 如要在条件中考虑所有的不等式约束，只需引入互补松弛条件： 几何意义：在约束极小点处，函数f的负梯度一定能表示成所有其作用约束在该点梯度(法向量)的非负线性组合 K-T ( Kuhn-Tucker 库恩-塔克) 条件 ——有适时约束时获得最优解的条件 1. 有一个适时约束时： 与x(k)点目标函数的负梯度方向成锐角，即沿 S 方向目标函数值下降； 与x(k)点约束函数的梯度方向成钝角，即保证 S方向上各点在可行域内。 此时，获得最优解 x(k) 为最优点 x*， f(x(k))为最优值 f(x*)。 从数学上定义，当从 x(k)点出发不存在一个 S 方向能同时满足： 　 ① ;②　　　　　　，即 　 ， 则获得最优解：x(k)为最优点 x*，f(x(k))为最优值 f(x*)。 从几何上看，当从 x (k)点出发不存在一个 S 方向能同时满足： 相反，当从 x(k)点出发，存在一个 S 方向能同时满足： 和 时，则 x(k) 不是最优点。 从几何上看，当从 x(k)点出发存在一个 S 方向能同时满足： 与x(k)点目标函数的负梯度方向成锐角，即沿 S 方向目标函数值下降； 与x(k)点约束函数的梯度方向成钝角，即保证 S方向上各点在可行域内。 此时，x(k)不是最优点 x*。 K-T ( Kuhn-Tucker 库恩-塔克) 条件 ——有适时约束时获得最优解的条件 1. 有一个适时约束时： 2. 有二个适时约束时： x(k)成为约束最优点 x* 的必要条件为: 。 几何上 位于 和 所张的扇形子空间内。 即不存在一个 S 方向能同时满足： K-T ( Kuhn-Tucker 库恩-塔克) 条件 ——有适时约束时获得最优解的条件 相反，不符合以上条件： 几何上 不位于 和 所张的扇形子空间内。则 x(k) 点不是最优点。 不能表达成 和 的线性组合。 即存在一个 S 方向能同时满足： K-T ( Kuhn-Tucker 库恩-塔克) 条件 ——有适时约束时获得最优解的条件 2. 有二个适时约束时： 3. K-T 条件（扩展至 m 个适时约束）： 设某个设计点 x(k)，其适时约束集为