合肥工业大学研究生精品教材《机械优化设计》_第02章节.pptVIP

《机械优化设计》 《机械优化设计》 合肥工业大学 吕新生 张晔 2009.12 本书目录 第2章 约束优化设计的直接法 2.1 约束优化设计的特点和直接法的基本概念和理论 2.1.1 约束优化设计的特点 2.1.2 约束优化直接法的基本概念和理论 2.2 可行方向法 2.2.1 下降可行方向的确定 2.2.2 有约束一维搜索 2.2.2 收敛准则 2.2.3 框图 2.2.4 特点 2.3 可变容差法 2.3.1 可变容差法的基本策略思想 2.3.2 超容差点的处理 2.3.3 总框图 思考与练习 2.1 约束优化设计的特点和直接法的基本概念和理论 2.1.1 约束优化设计的特点 不等式约束的例子： 特点： (1) 约束优化最优解与无约束优化最优解一般不重合，除非无约束优化最优解位于可行域内； (2) 约束优化最优解常常在边界上。 等式约束的例子： 特点： 对于等式约束问题，可行域为一条曲线。 约束优化的这些特点使得： 约束优化的理论远不及无约束优化理论那么系统成熟； 约束的引入，使约束优化问题的数学形态比无约束优化更复杂，因而各种约束优化方法的局限性更强 例如：有些方法适用于求解不等式约束优化问题，有些方法适用于求解等式约束优化问题。 2.1.2 约束优化直接法的基本概念和理论 1. 约束优化直接法（通常用于求解不等式约束优化问题）： 在不等式约束确定的可行域内选定初始点，从该点出发确定一个搜索方向（下降、可行），沿该方向作一维搜索，找到新的可行点，反复迭代直至求得约束优化最优解。 2. 起作用约束： 对不等式约束 g(x)≤0，如果优化设计的现行点xk 使得该约束等号成立，即g(xk)=0，则称该约束为xk 点处的一个起作用约束。 今后我们记点xk处的起作用约束集合为Ik。 3. 可行方向 对于从可行点x引出的非零向量p，若存在δ0，对所有的0tδ存在x+tp位于可行域内，则称p为x处的一个可行方向向量，它的方向δ=p/‖p‖为可行方向。 引理： 定理： 4. 约束优化的几何最优性条件（必要条件） 几何最优性条件实际上告诉我们：在 x* 处一定不存在既下降又可行的方向（下降可行方向），或者说，在x*处所有的下降方向都不可行，而所有的可行方向又都不下降。 5. K—T条件 (1)Gordan引理 (2) 不等式约束问题的K—T条件(必要条件) (3)等式和不等式约束问题的 K—T 条件(必要条件) 2.2 可行方向法 可行方向法是一种典型的约束优化直接法。 2.2.1 下降可行方向的确定 前面我们已讨论过，一个下降可行方向要同时满足下述两个条件： 对于某个优化设计的现行点 xk 来说，▽f(xk)、▽gi(xk) i∈Ik 都是已知的列向量，所以，要确定点xk 处的下降可行方向，就要利用上面两个条件，根据已知的▽f(xk)、▽gi(xk) (i∈Ik )确定向量p=[p1、p2、……pn] T。 确定下降可行方向的方法大致有三种： (1)线性规划法 (2)梯度投影法（要求约束函数线性） (3)随机法（效率低）。 这里仅介绍线性规划。 xk 点处的下降方向一般不是唯一的，在所有的下降方向中有一个方向是目标函数值下降最快的方向，称为最速下降方向，从数学的角度来看，▽f(xk) T p0 表示了xk 点处的所有下降方向，而最速下降方向是能使▽f(xk) T p 的值最小的那个方向。 同样：xk 点处的下降可行方向一般来说也不是唯一的，我们要寻找一个使得▽f(xk)、▽gi(xk) (i∈Ik )的值综合起来最小的方向。 这样一个问题，实质上是一个 n 维多目标线性规划问题： min Φ1(p)= ▽f(xk)T p Φ2(p)= ▽gi(xk)T p (i∈Ik ) 可以用极小极大法求解，最后等价于这样一个单目标线性规划问题： min y s.t． Φ1(p) - y ≤ 0 Φ2(p) - y ≤ 0 即： min y s.t． ▽f(xk) T p - y ≤ 0 ▽gi(xk) T p - y≤ 0 (i∈Ik ) 通过用线性规划单纯形法求解这个单目标线性规划问题（注意：此时有n+1个设计变量），似乎就可以求出未知量 y 和 pj (j=1、2、……n)，从而确定出下降最快、最可行的方向 p 了，然而，考虑到对于上述单目标线性规划问题，如果 p 是它的解，那么任何 λ p（λ0）都是它的解，因此，还要对 p 的长度（模）加以限制，例如令‖p‖≤1，但更