机械优化设计 总复习汇总.pptVIP

机械优化设计 总复习10级机设1和2;一、机械优化设计的定义、优化数学模型;迭代法寻优的搜索过程 目标函数的值应一次比一次减小;3.迭代终止准则;Date;二、优化方法的数学基础;三、 一维搜索方法;四、基于导数的优化方法;六、优化设计实用技术;七、优化应用;6.B 7.B 8.A 9.C 10.B;6.B 7.C 8.B 9.A 10.A;6.B 7.A 8.D 9.C 10.B;Date;请列举出常用的终止准则。 (1)用相邻两点的矢量差的模作为终止迭代的判据。即|X(k+1)-X(k)|ε (2)用两次迭代的目标函数值之差作为终止迭代的判据，即|F(X(k+1))-F(X(k))|ε或用相对值表示，即;Date;Date;Date;42.用梯度法 (有的教材也称为最速下降法)求下列无约束优化问题：min f(X)=x12+4x22，设初始点取为X(0)=[2，2]T，以梯度模为终止迭代准则，其收敛精度为5。 解：(1)求初始点梯度▽F(X) ▽F(X)=[2x1， 8x2]T ， ▽F(X(0))=[4，16]T (2)第一次搜索 |▽F(X(0))|=16.5 S(0)=－ ▽F(X(0))/16.5= －[0.243，0.97]T X(1)=X(0)+α(0)S(0)=[2 － 0.243α(0),2 － 0.97α(0)]T ;X(1)=[2 － 0.243*2.157，2 － 0.97*2.157]T =[1.4758，-0.0923]T ▽F(x(1))=[2.952，－ 0.7383]T |▽F(x(1))|=3.0435.0 故满足要求，停止迭代。 最优点X*=[1.476， －0.0923]T 最优值f(X*)=2.21 ;目标函数f(X)=x2+2x ； 已知初始区间[-2，0], 精度ε=0.1 0.618法的计算过程：f1=f2 舍去（a2, b] a1=a+0.382×(b-a)或a1=b-0.618×(b-a) a2=a+0.618×(b-a)或a2=b-0.382×(b-a);目标函数f(X)=x2+2x ；已知初始区间[-2，0], 精度ε=0.1 0.618法的计算过程：f1=f2 舍去（a2, b];最优解 X* = (a+b)/2 =（-1.0558-0.9869）/2 = -1.02135 f(x*) = x*2+2x* = -0.9995;库恩—塔克（K—T）条件应用举例;【解】（1）计算X*=[1，0]T点的各个约束函数值 ∴ X*=[1，0] T点是可行点，起作用的约束为g1(X)和g2(X) 。 （2）求X*=[1，0] T点的有关梯度 ;（3）代入K—T条件式中，得： 结论： X*=[1，0] T点为约束最优点。 ;图形描述如下：; 其障碍项的作用是阻止迭代点越出可行域。;Date;用内点法求解，首先构造内点惩罚函数：;不满足约束条件，舍去。无约束极值点为：;Date;例 用外点法求问题;求解得;Date;用外点法求??题;对于目标函数F(X)=ax+b，受约束于g(X)=c+x≥0的最优化设计问题，用外点罚函数法求解时，其惩罚函数表达式Φ(X,M(k))为( A )。 A、ax+b+M(k){min［0，c+x］}2，M(k)为递增正数序列 B、ax+b+M(k){min［0，c+x］}2，M(k)为递减正数序列 C、ax+b+M(k){max［c+x，0］}2，M(k)为递增正数序列 D、ax+b+M(k){max［c+x，0］}2，M(k)为递减正数序列;1、对于目标函数F(X)=ax+b，受约束于g(X)=c+x≤0的最优化设计问题，用外点罚函数法求解时，其惩罚函数表达式Φ(X, r)为( C )。 A、ax+b+r{min［0，c+x］}2，r为递增正数序列 B、ax+b+r{min［0，c+x］}2，r为递减正数序列 C、ax+b+r{max［c+x，0］}2，r为递增正数序列 D、ax+b+r{max［c+x，0］}2，r为递减正数序列 2、对于极小化F(X)，而受限于约束gu(X)≤0(u=1,2,…,m)的优化问题，其内点罚函数表达式为（ A ） A、 Ф(X,r(k))=F(X)-r(k) B、 Ф(X,r(k))=F(X)+r(k) ;C、Ф(X,r(k))=F(X)-r(k)