第四章 优化设计4.1-4.2..ppt

目标函数等值线是以点（2，0）为圆心的一组同心圆。 如不考虑约束，本例的无约束最优解是： 约束方程所围成的可行域是D。 由图易见约束直线与等值线的切点是最优点，利用解析几何的方法得该切点为 ， 对应的最优值为 (见图） 例2： 解：先画出目标函数等值线，再画出约束曲线，本处约束曲线是一条直线，这条直线就是容许集。而最优点就是容许集上使等值线具有最小值的点。 由以上例子可见，对二维最优化问题。我们总可以用图解法求解，而对三维或高维问题，已无法在平面上作图。 在三维和三维以上的空间中，使目标函数取同一常数值的是 {X| f(X)=C, C是常数}称为目标函数的等值面。 等值面具有以下性质： （1）不同值的等值面之间不相交，因为目标函数是单值函数； （2）等值面密集的地方，目标函数值变化得较快，而稀疏的地方变化得比较慢； （3）一般地，在极值点附近，等值面（线）近似地呈现为同心椭球面族（椭圆族）。 二、基本解法 解析法 数值解法 解析法：即利用数学分析(微分、变分等）的方法，根据函数（泛函）极值的必要条件和充分条件求出其最优解析解的求解方法 。在目标函数比较简单时，求解还可以。 局限性：工程优化问题的目标函数和约束条件往往比较复杂，有时甚至还无法用数学方程描述，在这种情况下应用数学分析方法就会带来麻烦。 求解优化问题的基本解法有： 最优化方法是与近代电子计算机的发展紧密相联系的，数值计算法比解析法更能适应电子计算机的工作特点，因为数值计算的迭代方法具有以下特点： 1）是数值计算而不是数学分析方法； 2）具有简单的逻辑结构并能进行反复的同样的算术计算； 3）最后得出的是逼近精确解的近似解。 这些特点正与计算机的工作特点相一致。 数值解法：这是一种数值近似计算方法，又称为数值迭代方法。它是根据目标函数的变化规律，以适当的步长沿着能使目标函数值下降的方向，逐步向目标函数值的最优点进行探索，逐步逼近到目标函数的最优点或直至达到最优点。数值解法（迭代法）是优化设计问题的基本解法。 数值迭代法的基本思路：是进行反复的数值计算，寻求目标函数值不断下降的可行计算点，直到最后获得足够精度的最优点。这种方法的求优过程大致可归纳为以下步骤： 1）首先初选一个尽可能靠近最小点的初始点X（0），从X（0）出发按照一定的原则寻找可行方向和初始步长，向前跨出一步达到X（1）点； 2）得到新点X（1）后再选择一个新的使函数值迅速下降的方向及适当的步长，从X（1）点出发再跨出一步，达到X（2）点，并依此类推，一步一步地向前探索并重复数值计算，最终达到目标函数的最优点。 1）求解步骤 在中间过程中每一步的迭代形式为： 迭代计算机逐步逼近最优点过程示意图 上式中：X（k）——第k步迭代计算所得到的点，称第k步迭代点， 亦为第k步设计方案； a（k）——第k步迭代计算的步长； S（k）——第k步迭代计算的探索方向。 用迭代法逐步逼近最优点的探索过程如图所示。 运用迭代法，每次迭代所得新的点的目标函数都应满足函数值下降的要求： （1）选择搜索方向 （2）确定步长因子 （3）给定收敛准则 迭代法要解决的问题： 收敛： 2.迭代终止准则 （1）点距准则 或 f fk fk+1 f* xk o xk+1 x* x (a) （2）函数值下降量 准则 或 （3）目标函数梯度 准则 上述准则都在一定程度上反映了逼近最优点的程度，但都有一定的局限性。在实际应用中，可取其中一种或多种同时满足来进行判定。 采用哪种收敛准则，可视具体问题而定。可以取： 三 优化设计一般步骤 1、按是否包含有约束条件分：无约束优化问题和约束优化问题。 ２、按设计变量的多少可分：单变量优化和多变量优化。 ３、按目标函数和约束函数的性质可分：线性规划和非线性规划。 　　当数学模型中的目标函数和约束函数均为设计变量的线性函数时，称此设计问题为线性优化问题或线性规划问题。 　　当数学模型中的目标函数和约束函数中至少一个为非线性函数时，称此设计问题为非线性优化问题或非线性规划问题。 7. 优化设计的分类 优化设计的分类 对于最优化问题一般可作如下分类： 还有其它的一些划分方法： 如按设计变量的性质分：连续变量、离散变量、整数变量规划问题； 二次规划、几