设计优化方法.ppt

机械优化设计 太原科技大学 张学良 第三章 一维优化方法 可计算函数与等值面 给定一组设计变量的值，就对应一个确定的目标函数值f(X)=C，具有这种性质的函数叫可计算函数。反之，给定目标函数f(X)的值C，即f(X)=C，那么将有无限多个设计点X使该式成立，这些设计点在n维设计空间中将组成一个点集，称之为等值曲面（三维空间）或等值超曲面（n3），通称等值面。在二维平面中为等值线。若给定一系列目标函数的值，将在设计空间得到一组等值面（线）族。 f(X)=ax12+2bx1x2+cx22 a0 c0 ac-b20 一、最速下降方向——负梯度方向 与负梯度方向成锐角的方向为目标函数值的下降方向，成钝角的方向为目标函数值的增加方向。 两个向量的共轭 设两个非零向量S(0)、S(1)及对称正定矩阵H，若满足 凸集 一个点集（或区域），如果连接其中任意两点的线段都全部包含在该点集内，则称该点集为凸集。否则，称为非凸集。 §2.5 优化方法的简单分类 管支柱质量： 数学模型 用一组设计变量描述优化设计对象的设计内容,即描述优化意图(目标、指标)和有关限制条件的数学表达式，称为优化设计的数学模型。 数学模型的三要素 设计变量、约束条件、目标函数 设计变量 设计空间 它是所有设计方案的集合。 2. 可行设计与不可行设计 有些设计方案有些是工程上所不能接受的。如果一个设计方案满足所有对它提出的要求，就称为可行设计，反之称为不可行设计。 约束条件 一个可行设计必须满足的设计限制条件。 4. 约束分类 按约束性质： 性能约束、边界约束 按数学表达式： 等式约束 不等式约束 用来使设计得以优化的函数，或可以评价设计方案好坏的函数。它是评价设计方案优劣的依据和标准或指标。实际上它是反映优化意向的关于设计变量的数学表达式。 为规范化，通常规定求目标函数的极小值，即 单目标优化（标量优化）：1个目标函数 多目标优化（向量优化）：2个或2个以上 目标函数 最优点 凸规划的性质 1）凸规划的可行域为凸集 2）凸规划的任何局部最优解就是全局最优解 §2.4 优化问题的几何解释 X* X* X* X* X* X* h1=0 h2=0 按有无约束分类 无约束优化方法、约束优化方法 按目标函数的维数分类 一维优化方法、多维优化方法 按目标函数的数目分类 单目标优化方法、多目标优化方法 按求优途径的不同分类 直接法、解析法（间接法）、实验法、图解法 §2.6 迭代方法及其收敛准则 无论是直接法还是解析法，求优的过程都是采用数值迭代法，且迭代公式的形式一致。 迭代方法 X (k+1)=X (k) + ?(k) S(k) (k =0 , 1 , 2 , …) 两个特性 1）下降性: f (X (k+1)) f (X (k)) 2）收敛性 : 当k?∞时，X (k) ? X * f (X (0)) f (X (1)) … f (X (k)) f (X (k+1)) … ? f (X *) 确定步长 ?(k) 的方法 1）定步长法 取?(k) = p (p为常数) ，检验下列不等式 f (X (k) + ?(k) S(k) ) f (X (k)) ？ 若成立，则继续下一步迭代计算； 否则，取?(k) = ? p （0 ? 1），再检验不 等式 f (X (k) + ?(k) S(k) ) f (X (k)) ？ 直至满足为止。 2）最优步长法 用一维寻优方法确定?(k)： 若成立，则继续下一步迭代计算； 否则，取?(k) = ? p （0 ? 1），再检验不 等式 f (X (k) + ?(k) S(k) ) f (X (k)) ？ 直至满足为止。 搜索方向S(k) 的讨论 1）三种常用搜索方向 负梯度方向：S(k) = -? f