优化方法传统的经典算法-课程中心-湖南大学.PPT

优化方法传统的经典算法-课程中心-湖南大学.PPT

  1. 1、本文档共30页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
优化方法传统的经典算法-课程中心-湖南大学

luluoxx@ 第1章 概 述 湖南大学车辆工程 卢远志 ? 讲解内容 背景 工程实例 基本概念及三大要素 最优化方法的发展历程及展望 小结 参考资料 课程解析 汽车优化设计=汽车+优化+设计 汽车理论,汽车结构(功能),汽车设计 设计理念: CAX?DFX?Design with cognition 优化(本课程): 理论-技术方法-技巧-应用 计算机技术:编程和应用问题 设计的重要性 机械工业担负着向国民经济各部门,包括教育科研、工农业和社会生活各个方面提供性能先进、价格低廉、使用安全可靠的技术装备的任务 工业发达国家都十分重视产品设计 日本认为:工业发达是企业对产品设计高度重视的结果 美国认为:设计是一本万利的事,对产品设计投资1美元,带来的利润确是1500美元 英国认为:产品设计是英国工业的命脉,始终把产品设计作为企业的头等大事 法国认为:设计是工业的生命,要培养超一流的设计大师 设计方法的进步 常规设计或传统设计: 由于机械设计的复杂性,要应用一些经验设计方法、经验设计公式和经验系数等 现代设计 材料科学、计算力学和计算机的应用,其特点是 从静态设计到动态设计 从单目标到多目标的优化 从常规设计到精确设计 计算机的辅助应用 机械设计方法 传统机械设计理论与方法 强度理论,振动理论,疲劳寿命理论…. 常凭经验,试算,校核等方法 现代机械设计理论与方法 60s出现得CAD,有限元方法,可靠性设计,优化设计,反求工程… 90s出现的并行设计,虚拟设计,协同设计… 优化设计实例 (利用excel求解) 用薄钢板制造一体积为5立方米的汽车货箱,由于运输货物的要求其长度不小于4m.为了使耗费的钢材最少并减小质量,应如何设计货箱的尺寸 优化设计实例(2) 已知某汽车行驶速度v (km/min )与百公里油耗 Q(L)的函数关系,试确定最经济车速 要求设计一个如右下图所示的防洪堤坝。为了能防洪水,高度必须足以保证洪峰到来时,洪水不会漫入堤岸;堤坝的强度足以保证巨浪不会冲垮堤坝。同时希望得到一个省时省力省经费的设计方案 机械优化设计的作用 使传统机械设计中,求解可行解上升为求解最优解成为可能 使传统机械设计中,性能指标的校核可以不再进行 使机械设计的部分评价,由定性改定量成为可能 使零缺陷(废品)设计成为可能 大大提高了产品的设计质量,从而提高了产品的质量 优化是什么? 来源: 优化一语来自英文Optimization-Option,其本质是寻优的过程 优化,又称优选法 Optimization Method 优化方法 Operation Research 运筹学 Mathematical Programming 数学规划 最优化的概念 优化过程: 是寻找给定目标函数取极大值(以max表示)或极小(以min表示)的过程 优化方法也称数学规划,是用科学方法和手段进行决策及确定最优解的数学 线性规划(LP: Linear Programming)的基本性质: 可行域为凸集 优化设计: 根据给定的设计要求和现有的技术条件,应用专业理论和优化方法,在电子计算机上从满足给定的设计要求的许多可行方案中,按照给定的指标自动地选出最优的设计方案 最优化在工程中的应用 随着优化方法在工程的广泛应用与普及,而日益重要,从应用领域分 优化设计 优化管理 优化控制 最优化技术在工程中的应用主要有下列四个方面: 工程部件、单元设备或全系统的最优设计 生产计划和资源分配现有操作的分析和计划制定 工程分析和数据处理 研究过程动态特性和设计最优控制方案 最优化数学模型及三要素 设计变量X(设计空间) 设计变量:设计过程中所必须确定的独立参数 X=[x1 x2 … xi … xn]T 设计空间:由各设计变量的坐标轴所描述的空间 设计空间的一个点就是一种设计方案 设计变量的维数n=dim[X],又称设计自由度 设计变量愈多,则设计的自由度愈大,可供选择的设计方案也愈多,设计愈灵活,但是难度也愈大,求解愈复杂 最优化问题的计算规模 小型最优化问题:2n10 中型最优化问题:10n50 大型最优化问题:n50 目标函数f(X) 目标函数的个数q=dim[f] 多目标函数可以通过加权因子转换成单目标函数 f(X)=Sum(wj* fj ) 加权因子wj代表着各个目标函数之间的相对重要度 目标函数的等值线(面):由等函数值点所构成 最优点周围往往是一族近似的共心椭圆族 数学上看,求最优点(设计方案)就是求目标函数的的极值问题 几何上看,就是求目标函数等值线同心椭圆族的中心 目标函数的梯度:各个设计变量的偏导数(变化率)所组成的列向量 ?f(X)=[?f/?x1 ?f/?x2 … ?f/?xi … ?f/?xn]T 目标函数沿梯度的方向变化最快 求目标函数最小值就

文档评论(0)

fengruiling + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档