第三章优化设计问题的若干理论基础PPT.ppt

优化设计问题实际上就是极值问题。;§3.1优化设计问题的几何意义;等值面和等值线(优化问题的图解方法) 对于简单的问题，可用等值线或等值面 来描述函数的变化趋势，还可以直观地给出 极值点的位置。;O;f ( X ) = Ci;§;f (X ) = ax + 2bx1 2 + cx = [x1 2 ]?;一个“心”：是单峰函数的极（小）值点，是全局极（小）值点。 没有“心”：例，线性函数的等值线是平行的，无“心”，认为极;等值线的形状：;图;函数f(x)＝xl2十x22一 4x1十4的图形(旋转抛;二、约束最优解和无约束最优解;：最优点;无约束优化设计问题最优解：;( )? = + ? +min 4 412221f X x x x;-2;( )? = + ? +min 4 412221f X x x x;? 非线性问题的最优解要么是一个内点，要么是一;三、局部最优点和全域最优点;l等值线;值点，如图：有两个极值点：X ( ) 和;⑵ 只有当目标函数在可行域内是凸函数，并且可行域; §3.2 无约束目标函数的极值点存在条件 无约束优化问题的极值只决定于目标函数本身的性态， 而约束优化问题的极值不仅与目标函数的性态有关，而且还 与所有约束函数的构成密切相关。;必要条件： 充分条件：;? ?f ( X (k ) ) ?f ( X (k ) );? ?f ( x ) ?f ( x );2、函数梯度的模 是在点 处函数变化率的最大值。( )( )kf X? ( kX; 5、函数f（x1，x2）的梯度是一个向量，它在坐标轴x1、x2的分 量是?f/?x1、?f/?x2，梯度的符号是：▽f(X)＝▽f(x1，x2)，或 gradf(X)＝gradf(x1，x2);?f ( X ) ⊥ S;f ( ) = b X;? ?x ? ?2x1 ?4?;x =[0,1] 处的最速下降方向为;? ?f ( x );?f (x0 ) = ?;?? ? ( )0f X;?f ( X ) = ? ?;?2?;连得到向量 [2，] 和 [0，] 。;) + f ( x;) + ∑;k;f ( X ) = f ( X ( k ) ) + ∑;f ( X ) = f ( x;? x ), (x2 ? x )];[; 1 2!;? x12;) ?f ( X;f (x ) = x Hx;= lim;f ( x10 + ?x1 , x20 + ?x2 ) ? f ( x10 , x20 );?f f (x10 + ?x1 , x20 + ?x2 ) ? f (x10 , x20 );0;cosθ1 +;= ∑;?f;?x2;= 1 + (0 2)??;) = ?;H ( X ) = ? 2;+ x + x ? 2x x ? 2x x + 3x;X = ?;X = ?;? x ?;f ( X ) = X AX = [x1;f ( X ) = X AX;X ≠ 0 ,总有 X AX 0; 如对于某些矢量 X 有 f ( X ) 0 ，另一 些矢量 X 又有 f ( X ) 0 ，则称矩阵A 为不定 矩阵，相应的函数 f ( X )为“不定二次型函数” 2、正定性的判别 （1）若对称矩阵 A 正定，其充要条件是矩阵行列式 A 的各阶主子式值均大于0;如 A = ?a21;?; a11 0, a21 a31;= X;= [x 1 2 ] = [0，0 ]; “正定二元二次型函数的这个概念完全可以推 广到n=3及多维的设计问题的分析中去”;X;X 、 X,过此两点的直线必通过椭圆族的;正定函数的性质：;X AX + B X + C;（5） X AX = 0 ，;X = ? ?;f ( X ) = f ( x1 2 ,L , xn ) = ∑;f ( x) = x1 ? x2 + 3x1 + 3x2 ? 9 x1;= ? ? ? ? ? = ? ?;1求函数 f (X) = x1 + x2 ?6x1