机械优化设计_优化设计及数学基础.ppt

第二章 优化设计的数学基础 习 题 2、优化问题 的一个数值解 ，试判定该解是否上述问题的优化解。 第二章 优化设计的数学基础 二元函数在某点处取得极值的充分条件是要求在该点处的海森矩阵为正定。 依此类推，多元函数 在 点处取极值的必要条件为 极值的充分条件为 正定。 第二章 优化设计的数学基础 例2-3 求函数 的极值。 解 首先，根据极值的必要条件求驻点。 得驻点为 再根据极值的充分条件，判断此点是否为极值点。由于 第二章 优化设计的数学基础 的一阶主子式和二阶主子式分别为 故 为正定矩阵 为极小点，相应的极值为 。 第二章 优化设计的数学基础 优化设计的最优解及获得最优解的条件 无约束优化设计问题最优解： 不受约束条件限制，使目标函数达到最小值的一组设计变量，即最优点 x*=[x1*,x2*,…,x n*] 和最优值 f(x*)构成无约束问题最优解。 x*为无约束极小点的充要条件（1） ；(2)Hesse矩阵 为正定。 第二章 优化设计的数学基础 约束优化设计问题最优解： 满足约束条件，使目标函数达到最小值的一组设计变量， 即最优点 x*=[x1*,x2*,…,x n*] 和最优值 f(x*)构成约束问题最优解。 其中 是约束最优点，而 是无约束最优点。 第二章 优化设计的数学基础 等式约束优化问题的极值条件 求解等式约束优化问题 其思路就是将其转化成无约束优化问题，导出极值存在的条件。数学上有两种处理方法：消元法和拉格朗日乘子法。 约束优化问题可分为等式约束与不等式约束优化问题。 第二章 优化设计的数学基础 消元法 为了便于理解，先讨论二元函数只有一个等式约束的情况 用消元法求解就是根据等式约束条件，将一个变量表示成另一个变量的函数关系 ，然后将其代入到目标函数 中消去 ，变成一元函数 ，从而将等式约束优化问题转化成无约束优化问题。目标函数通过消元由二元函数变成一元函数，由二维变成一维。 第二章 优化设计的数学基础 对于 维情况 由 个约束方程将 个变量中的前 个变量用其余 个 变量表示，既有 将这些函数关系代入到目标函数中去，得到只含 共 个变量的函数 ，从而可以利用无约束优化问题的极值条件求解。 第二章 优化设计的数学基础 拉格朗日乘子法 拉格朗日乘子法与消元法相反，是通过增加变量将等式约束优化问题转化成无约束优化问题。对于具有 个等式约束的 维优化问题。 构造如下形式的新的目标函数： 式中的 就是原目标函数 的等式约束条件，而待定系数 称为拉格朗日乘子, 称为拉格朗函数。因为 ，所以求 的极值就相当于求原目标函数 的极值。这样就把求等式约束优化问题转化成求有l+n个变量的无约束优化问题。由 具有极值的必要条件 第二章 优化设计的数学基础 可得l+n个方程，从而解得 和 共l+n个未知变量的值。由上述方程组求得的 是函数 极值点的坐标值。 第二章 优化设计的数学基础 从上述分析过程可以看出求解等式约束优化问题，可通过把目标函数改造成如下形式的新的目标函数。 从而将等式约束优化问题转化成无约束优化问题。这种方法称为拉格朗日乘子法，可以叙述如下： 设优化问题 第二章 优化设计的数学基础 为求出 可能的极值点 ，引入拉格朗日乘子 ，并构成一个新的目标函数 把 作为一个新的无约束条件的目标函数来求它的极值点，所得的结果就是满足约束条件 的原目标函数 的极值点。 例2-4 用拉格朗日乘子法计算约束条件为 和目标函数为