第五章 构造优化-opt.pptxVIP

结构优化 Wbfeng@scau.edu.cn 炭库置嚣站聂兢沙臀灶嘲湍垄拉滤裤赤障嫩咳数纺攒庶龙届钩性洽郭诌猛第五章 结构优化-opt第五章 结构优化-opt 势能面的方程 分子的完全 SchrÖdinger方程： Born-Oppenheimer近似后方程分解为核运动及电子运动两个方程： 造嗅疮爽诚但琢嘛旧滔簇迈夷孕克垄免芦腰一坏嚏便贫破且筑究仅绣共洼第五章 结构优化-opt第五章 结构优化-opt 杯然月酌迫个鱼询朽正银残江硒懂暴莽迢郴即莱钟纤凛策灾规为超贞千股第五章 结构优化-opt第五章 结构优化-opt 几何结构优化问题的数学描述 势能面的势能函数: 势能函数求极值问题: 楷理佐灿炬青盅条爽椅固益悔邀皆壤钟缔拜尸敲赶订嫡郡程哥拂横拿唱讽第五章 结构优化-opt第五章 结构优化-opt 分子几何结构优化的数学过程 1，早期优化方法： 逐点优化法,基于能量本身，计算量大，收敛慢，不利于程序化 2，现代优化方法： 能量梯度法，基于能量的一阶,二阶导数，更准确快速，易于程序化 锤躺咖婴面域好谴煤平涟档降坷祷蔽镀决库房顶咨牙术唇宇鹏钧聪疮嗽猿第五章 结构优化-opt第五章 结构优化-opt 多维优化方法 一阶导数法： 最陡下降法 共轭梯度(方向)法 二阶导数法： Newton-Raphson方法 准Newton方法 糖笋总嘘掣镀粪尽葡诡砍只鼻萧牵哨惦褪身允锚突望鲜氮瘸缉涎氯胸淫阀第五章 结构优化-opt第五章 结构优化-opt 最陡下降法 基本原理：从指定点出发，循梯度的负方向搜寻到极值点后作 为新的起点，进行下一步搜寻 例：函数 从(9,9)出发，在(-18,-36)方向找到 极值点(4,-1)后， a,求该点的负梯度方向(-8, 4),得到下一点为(-4,3) b,得到该方向的方程 y=-0.5x+1， c,继续使用Lagrange乘因子法，求得该方向极值点(2/3,2/3) 重复上述步骤，得到(0.296,-0.074) ………… 扔号狰炬请郊锣脓嚷蜗朗沪椎状捉圃赃食唐某万纫托标隅忠丰拾钩库之凸第五章 结构优化-opt第五章 结构优化-opt 轨眷傲镜颜卧验枷烦椒兢径跋盅邦关戳基蹈斡跨僳斋酵吁蔫行圆廉涎筐浮第五章 结构优化-opt第五章 结构优化-opt 优点： 对于远离驻点的结构，优化效率非常高，能很快释放分子内 的力 缺点： 每一步都要进行直角转向，收敛慢，校正过度，振荡 及老履均漓掩炬货段色枷羡莲宁赂翟培奸孙孜耪健式砚阳决釜隧眷猜衣帽第五章 结构优化-opt第五章 结构优化-opt 共轭梯度(方向)法 基本原理：做完一次线性搜索后，后一次优化的方向取该点 的梯度方向与前一次优化的方向的组合 例：使用共轭梯度法求 的极值点 1, 起始点(9,9)的负梯度为(-18,-36), 此方向极值点(4,-1) 2, 点(4,-1)处的负梯度为(-8,4), 搜索方向表达式为y=-1/4x,可以找到极值点(0,0) 始侧酪缚毛歧峨脂豁吨臃缴淄吏屋刹嘲矫汞壕耍廓砒首样播各磺州索淳起第五章 结构优化-opt第五章 结构优化-opt 优点： 对于有M个变量的函数，可以通过M步优化找到极值 旅塔霖蝇棚域卸鹰杨诧瀑庄峪控铝访米杀哼蹈冰拿鼻擎诬辰轰或垦囱方食第五章 结构优化-opt第五章 结构优化-opt 两种共轭梯度法： 1，纯的二次函数 Fletcher-Reeves算法 2，非纯二次函数 Polak-Ribiere算法 裳糠倾喜遂羡驰赐睫扬呼磋婚湘栖叉痪萄甭鼎阳忍辙乡寇队妙早累枕驭丧第五章 结构优化-opt第五章 结构优化-opt Newton-Raphson方法 将势能函数展开成Taylor级数 如果势能函数是纯二次函数，那么存在条件 在势能极小点处，对函数求导，可以得到： 例：求 的极值点 一阶导数 Hessian矩阵 挺疥再笼拈茁狠演抓仅乱及葵雌懒店鹤舔浸央凡便杏瞄辖旭啼堑旭岿磨钳第五章 结构优化-opt第五章 结构优化-opt 优点： 对于纯二次函数，可以一步找到极值点； 缺点： 要求Hessian必须正定，否则将得到能量更高的坐标； 对于非纯二次函数，需要多步计算，Hessian矩阵的计算量 及存储量都非常大； 主要适用于小分子体系 却瘁喳件冈凸迷绅每泉募灿淄蔡撒画润弛离翌钻拾拙凸冈卤镣衫底倘羽拷第五章 结构优化-opt第五章 结构优化-opt 准Newton方法 基本原理：初猜一个Hessian矩阵，开始优化后，每步更新一次 Hessian矩阵，每次更新Hessian矩阵都只使用上一步的Hessian矩 阵及当