机械优化设计第4版课件作者孙靖民哈工大主编第三章节.pptVIP

尚辅网 / 机械优化设计 主编 孙靖民 第三章 第一节　概　　述第二节　搜索区间的确定与区间消去法原理第三节　一维搜索的试探方法第四节　一维搜索的插值方法 第一节　概　　述 解析解法的缺点是需要进行求导计算。对于函数关系复杂、求导困难或无法求导的情况，使用解析法将是非常不便的。所以在优化设计中，求解最佳步长因子α*主要采用数值解法，即利用计算机通过反复迭代计算求得最佳步长因子的近似值。数值解法的基本思路是：先确定α*所在的搜索区间，然后根据区间消去法原理不断缩小此区间，从而获得α*的数值近似解。 第二节　搜索区间的确定与区间消去法原理 一、 确定搜索区间的外推法二、 区间消去法原理三、 一维搜索方法的分类 一、 确定搜索区间的外推法 图3-1　具有单谷性的函数 一、 确定搜索区间的外推法 图3-2　正向搜索的外推法 一、 确定搜索区间的外推法 图3-3　反向搜索的外推法 图3-4　外推法的程序框图 一、 确定搜索区间的外推法 二、 区间消去法原理 从上述的分析中可知，为了每次缩短区间，只需要在区间内再插入一点并计算其函数值。然而，对于插入点的位置，是可以用不同的方法来确定的。这样就形成了不同的一维搜索方法。概括起来，可将一维搜索方法分成两大类。一类称作试探法。这类方法是按某种给定的规律来确定区间内插入点的位置。此点位置的确定仅仅按照区间缩短如何加快，而不顾及函数值的分布关系。属于试探法一维搜索的有黄金分割法，裴波纳契(Fibonacci)法等。另一类一维搜索方法称作插值法或函数逼近法。这类方法是根据某些点处的某些信息，如函数值、一阶导数、二阶导数等，构造一个插值函数来逼近原来函数，用插值函数的极小点作为区间的插入点。属于插值法一维搜索的有二次插值法、三次插值法等。以下我们分别讨论这两类一维搜索方法。 三、 一维搜索方法的分类 第三节　一维搜索的试探方法 1) 给出初始搜索区间〔a,b〕及收敛精度ε，将λ赋以0.618。2) 按坐标点计算公式计算α1和α2，并计算其对应的函数值f(α1)，f(α2)。3) 根据区间消去法原理缩短搜索区间。4) 检查区间是否缩短到足够小和函数值收敛到足够近，如果条件不满足则返回到步骤2。5) 如果条件满足，则取最后两试验点的平均值作为极小点的数值近似解。 在实际计算中，最常用的一维搜索试探方法是黄金分割法，又称作0.618法。这里，我们通过介绍黄金分割法来反映一维搜索试探方法的基本思想。 第三节　一维搜索的试探方法 图3-6　黄金分割法 第三节　一维搜索的试探方法 图3-7　黄金分割法的程序框图 第三节　一维搜索的试探方法 表3-1　黄金分割法的搜索过程 图3-8　f(α)=+2α的函数图像 第四节　一维搜索的插值方法 一、 牛顿法(切线法)二、 二次插值法(抛物线法) 一、 牛顿法(切线法) 一、 牛顿法(切线法) 一、 牛顿法(切线法) 图3-9　一维搜索的切线法 一、 牛顿法(切线法) 图3-9　一维搜索的切线法 一、 牛顿法(切线法) 二、 二次插值法(抛物线法) 二、 二次插值法(抛物线法) 二、 二次插值法(抛物线法)