机械优化计讲义-刘长毅.docVIP

PAGE PAGE 25 《机械优化设计》讲义 刘长毅 第一讲 第一课时：机械优化设计概论 课程的研究对象：根据最优化原理和方法，利用计算机为计算工具，寻求最优设计参数的一种现代设计方法。 目标：本课程目标体系可以分为三大块：理论基础、算法的分析、理解和掌握，算法的设计、实现（编程）能力的培养。将主要是对算法的学习为主，并兼顾培养一定的解决实际问题能力、上机编程调试能力。 首先，几个概念：优化（或最优化原理、方法）、优化设计、机械（工程）优化设计。 现代的优化方法，研究某些数学上定义的问题的，利用计算机为计算工具的最优解。 优化理论本身是一种应用性很强的学科，而工程优化设计（特别是机械优化设计）由于采用计算机作为工具解决工程中的优化问题，可以归入计算机辅助设计(CAD)的研究范畴。 再，优化方法的发展：源头是数学的极值问题，但不是简单的极值问题，计算机算法和运算的引入是关键。 从理论与实践的关系方面，符合实践-理论-实践的过程。优化原理和方法的理论基础归根结底还是来源于实际生产生活当中，特别是工程、管理领域对最优方案的寻找，一旦发展为一种相对独立系统、成熟的理论基础，反过来可以指导工程、管理领域最优方案的寻找（理论本身也在实践应用中不断进步、完善）。 解决优化设计问题的一般步骤： 机械设计问题 机械设计问题 建立数学模型 选择或设计算法 编码调试 计算结果的分析整理 相关知识：数学方面：微积分、线性代数；计算机方面：编程语言、计算方法；专业领域方面：机械原理、力学等知识 内容：数学基础、一维到多维、无约束到有约束 数学模型 三个基本概念：设计变量、目标函数、约束条件 设计变量： 相对于设计常量（如材料的机械性能） 在设计域中变量是否连续：连续变量、离散变量（齿轮的齿数，）。 设计问题的维数，表征了设计的自由度。每个设计问题的方案（设计点）为设计空间中的一个对应的点。 设计空间：二维（设计平面）、三维（设计空间）、更高维（超设计空间）。 目标函数： 设计变量的函数。 单目标、多目标函数。 等值面的概念：设计目标为常量时形成的曲面（等值线、等值面、超等值面）。几何意义：等值线（等值线的公共中心既是无约束极小点）、等值面。 约束条件： 等式约束（约数个数小于设计问题的维数） 不等式约束 满足约束条件的设计点的集合构成可行域D：可行点、非可行点、边界设计点 几何意义（二维）：对于设计空间不满足不等式约束的部分，用阴影表示。 数学模型的一般形式： 寻找一个满足约束条件的设计点，使得目标函数值最小。 标准形式： SKIPIF 1 0 优化问题的几何描述 第二章 数学基础和数值迭代法 2.1 函数的方向导数和梯度 一、 函数的方向导数 SKIPIF 1 0 二、函数的梯度 SKIPIF 1 0 令 SKIPIF 1 0 为函数在X点的梯度，包含函数的一阶导数信息。 SKIPIF 1 0 即梯度方向是函数变化率最大的方向。 2.2 函数的泰勒展开与黑塞矩阵 一、泰勒展开式 SKIPIF 1 0 其中黑塞（hessian）矩阵: SKIPIF 1 0 包含函数的二阶导数信息。 2.3 凸集、凸函数、凸规划 一、凸集 SKIPIF 1 0 有 SKIPIF 1 0 ，则D为凸集. 凸集的性质：1. 若D为凸集，λ为实数，则λD仍为凸集。（凸集的实数积为凸集） 2．若D、φ均为凸集，则二者的并集（和）为凸集。（凸集的和为凸集） 3．若D、φ均为凸集，则二者的交集（积）为凸集。（凸集的积为凸集） 二、凸函数 En的子集D为凸集，f为D上的函数， SKIPIF 1 0 恒有 SKIPIF 1 0 ，则f为D上的凸函数。反之为凹函数。 凸函数的性质： 设f为D上的凸函数，λ为实数，则λf为D上的凸函数。 设f1，f2为D上的凸函数,则f= f1+f2为D上的凸函数。 若f在En一阶可微，则对 SKIPIF 1 0 ，f为凸函数的充要条件： SKIPIF 1 0 若f在En二阶可微，则对 SKIPIF 1 0 ，f为凸函数的充要条件：黑塞矩阵半正定（若正定，严格凸函数）。 三、凸规划 SKIPIF 1 0 其中目标函数、不等式约束均为凸函数，则称该问题为凸规划。 凸规划的性质： 集合 SKIPIF 1 0 为凸集。 可行域为凸集。 任何局部最优解即为全域最优解。 若目标函数可微，则最优解的充要条件： SKIPIF 1 0 2.4 无约束优化的极值条件 1．一阶导数（梯度）为零。 2．二阶导