优化设计23新.ppt

机械优化设计;第二章 优化设计的基本概念和理论;目标函数和约束函数的基本性质;较高次的非线性函数，如：;较高次的非线性函数，如：; 等值线（面）的分布规律，反映出目标函数的变化规律。 从等值线的分布情况可以看出: 1、等值线愈内层，其函数值愈小； 2、在等值线较密的部位其函数值的变化较大； 3、对于有心的等值线，其等值线族的中心就是一个局部最小点； 4、函数的非线性程度愈严重，其等值线的形状愈复杂，且可存在多个局部极小点； 5、严重非线性函数的等值线族严重偏心和扭曲，其分布疏密不一，就成为所谓的“病态函数“。;函数的最速下降方向;方向导数——函数沿任意S方向的变化率。;;对n维函数，其方向导数：;梯度的性质： 1、梯度 是函数值在点 上升最快的方向，是函数的一种局部性质； 2、负梯度 是函数在点 的最速下降方向。 3、梯度向量与过点的等值线（面）的切线方向是正交的。 即梯度方向是等值线（面）的法线方向； ;函数局部近似的表达式和平方函数; n维函数f(X) 在点 处的泰勒展开式：; 函数f(X) 在点 附近可以用线性函数或二次 （平方）函数来逼近。;二次函数： 其中： A为对称矩阵;正定二维二次函数的性质;2、椭圆等值线族与平行线族的各切点的连线指向椭圆的中心。;;函数的凸性;凸集： 设D为维欧氏空间中点的集合，若其中任意两点 和 的连线都属于集合D，则称D为n维欧氏空间中的 一个凸集。;凸函数 设 为定义在n维欧氏空间中的一个凸集D上的函数，如果对 任意0到1之间的实数α和对D中任意两点 、 恒有： 则函数是定义在凸集D上的一个凸函数。;凸函数的性质;凸函数的判定;约束函数的集合及其性质;对于二维问题，当约束条件为：;起作用的约束和松弛约束;可行方向和可行下降方向;g(X)沿S方向的变化率：;可行方向;可行下降方向S应满足： 1、内点： 2、对边界点:;优化问题的最优解及其最优性条件;约束问题最优解的最优性条件;;;约束优化设计问题局部最优点的K-T（Kuhn-Tucker)条件： 设???个设计点 ，起作用约束集合为 ，且 为线性独立，则 成为约束最优点的必要条件是： 目标函数的负梯度向量表示为约束梯度的线性组合，即;K-T条件对约束问题的重要性： 1、可以通过K-T条件检验设计点是否为约束最 优点，因此它可以成为某些迭代算法的一种收敛 条件； 2、可以检验某种搜索方法是否合理，如果某种 迭代方法求得的最优点符合K-T条件，则该方法 可以认为是可行的。;优化问题的数值解法及收敛条件;迭代格式： 或：;无约束优化迭代计算的终止准则;对于一个具体的收敛问题;三类终止准则都有一定的局限性 1、仅用梯度信息，搜索可能结束在鞍点上； 2、只依赖X分量的变化，搜索在遇到陡坡时会造成迭代过早结束； 3、只依赖目标函数的变化，搜索遇到等值线的平坦部分会造成迭代过早结束。 实践中：同时用目标函数和设计变量的变化为终止准则较好。;约束优化迭代计算的终止准则