第3篇 优化设计.pptVIP

2、优化设计基础 2.1 内涵 　　针对设计问题，通过对设计参数在各种不同取值情况下所对应的设计结果的优劣性的计算、分析、比较来产生出最佳设计方案。　 2.2 优化设计分类 （1）函数优化问题 令X为Rn上连续变量x的一个有界子集，f(x): x→ Rn为n维实值函数，所谓函数f(x)在X域上的全域最优解就是所求的点x*∈X使f(x*)为在X上的全域最小值，即 x∈X， f(x*)≤ f(x)。 设计变量的分类 １）连续变量：在给定区间内可任意取值 ２）离散变量：只能在给定数值范围中取值 　　若设计问题的n个设计变量x1,x2,…xn相互独立，则可形成向量 X=[x1,x2,…xn]T 　　向量X的全体集合所构成的n维欧氏空间就是设计问题所对应的设计空间。 　　向量X的每个设计变量构成设计空间的一个维度，设计空间的维数就是设计变量的个数n。 　　向量X中设计变量的一组取值就是设计空间中的一个点，称为设计点，它对应于问题的某一设计方案。 可行域就是满足所有约束条件的设计变量的取值的集合。 5优化设计数学模型举例 问题： 某厂甲、乙两产品日产量及材料、工时、电力供应量和利润数据见下表。试确定每天可获最大利润的两种产品生产量。 问题分析：该问题归结为如下的一个优化问题：既在当前生产条件下，如何安排产品甲以及产品乙的生产，使得企业每天所能够获得的利润最大。 解： 　　设计变量：产品甲、乙每天的产量 　　目标函数：企业生产产品甲、乙每天所得到的利润 　　设每天生产甲产品x1件乙产品x2件，则每天利润可用函数f(x1,x2)表示为： 上述问题可归结为如下数学模型 12.2二次型函数 12.3方向导数与梯度 12.4 函数的泰勒级数展开 由高等数学可知、若一元函数f(x) 在点xk邻域内n阶可导，则其在该点邻域内可通过泰勒展开转化为线性函数或二次函数。 12.5 共轭方向 12.6 函数极值的判别及K-T条件 无约束问题的优化设计方法 第12 章一维优化方法—一维最优化搜索 迭代法的基础，关键是确定每次迭代的方向与步长因子。当迭代方向确定后，寻求一个最优步长因子 1.一维搜索的黄金分割法 2.一维搜索的二次插值法 2 共轭方向法 4. 变尺度法 5 坐标轮换法 第14章约束问题的优化设计方法 例1：用内点法求解 其中，　　　 为f(x)二阶导数矩阵，称海森 (Hessian) 矩阵，用H(x)表示。 由偏导数属性可知，多元函数的海森 (Hessian) 矩阵为对称矩阵。 　多元函数泰勒展开的本质 　　１）方法特点 　　　基于复杂函数自身的一阶、二阶倒数实现函数的线性化和二次化。 　　２）理论意义 　　通过对复杂函数的线性化和二次化，实现函数的简化，将复杂的多元函数转化为简单的线形函数或二次函数进行处理。 多元函数泰勒展开对于优化设计的作用 　　由于多元函数通过泰勒展开可转化为线性函数和二次函数，因此，多元函数的优化问题基于泰勒展开最终可以归结为线性函数和二次函数的优化问题。 共轭方向定义：若任意两个矢量S1与S2的内积为零，即 则称这两个矢量是相互垂直的。 性质： 1）椭圆的任一直径平分平行于他的共轭直径的弦，其极限情况就表现为椭圆的任一直径方向与它的端点处椭圆的切线方向是共轭的。 2）任何两条穿过椭圆簇的平行线，必定与其中的椭圆相切，若连接这两个切点，则连线方向与平行线的方向是共轭的，且该连线通过椭圆簇的中心。 K--T条件示意图 (a) (b) (c) (d) 常用优化设计方法分类 迭代法： 使： 求解最佳步长因子的解析法：如果目标函数可导，采用牛顿二次展开法。 将迭代式 代入，得： 实际问题中一维优化搜索方法分两步来进行： （a） 确定最小值所在区间； （b）求出该区间内的最优步长因子。 （1）确定搜索区间的外推法 正向搜索 反向搜索 （2）缩短区间的消去法—找到极小点的数值近似解 区间消去原理： （1）原理 黄金分割法—是指将一线段分成两段时，使整段长与较长段的长度比值等于较长段与较短段长度的比值，即 计算得λ≈0.618，可见黄金分割法能使相邻两次搜索区间都具有相同的缩短率0.618，所以黄金分割法又被称作0.618法. （2）黄金分割法应用 例：对于函数f(a)=a2+2a，给定初始搜索区间-3≤a ≤5时，试用黄金分割法进行区间消元，求极小点a* 解： 由已知条件，a=-3,b=5 1）插入两点，a1和a2,分别为： 2）计算相应插入点的函数值，得 3）缩短搜索区间。因为y2y1,所以消去