机械优化设计概述(ppt 95页).pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 2.2 多元函数的方向导数与梯度 2.2.3 方向导数与偏导数的关系 第二章 优化设计的数学基础 式中，θ1 和θ2 为d与x1和x2的夹角。 当θ1=0或θ1=π/2时，方向导数分别为： 或 即为方向导数 * 2.2 多元函数的方向导数与梯度 2.2.3 方向导数与偏导数的关系 第二章 优化设计的数学基础 对n元函数，仿此可得 式中， 为函数对各个坐标轴的偏导数； 为d对各坐标轴方向余弦。 方向导数表明函数沿某方向的变化率，它是一个标量。当其值为正时，函数值增加；当其值为负时，函数值减小。 三元函数f (x1,x2,x3)在点 X0(x10,x20,x30)沿d方向导数 : 三维空间中的方向 * 2.2 多元函数的方向导数与梯度 2.2.4 梯度 第二章 优化设计的数学基础 定义：方向导数变化最大的方向。 以二元函数为例，其方向导数为： 写成矩阵形式 式中， 为d方向的单位向量。 也是一个向量，称为f(X) 记作 在X0的梯度，它与方向d无关。 * 2.2 多元函数的方向导数与梯度 2.2.4 梯度 第二章 优化设计的数学基础 式中， 因此，可将方向导数改写为 梯度的模为 如何推广到n维函数的梯度？ 梯度的模为 梯度的意义：当 与d同向时，方向导数 为最大 ，沿此方向函数值增加最快。反向时，函数值下降最快。垂直时，方向导数为零，沿此方向，函数值不变。 和 分别为向量 和d的模。 为两向量的夹角。 * 2.2 多元函数的方向导数与梯度 2.2.4 梯度 第二章 优化设计的数学基础 可得出如下结论： 1.方向导数是梯度在指定方向上的投影； 2.最速下降方向为等值线（面）的法线方向； 3.梯度的模是最大的方向导数,负梯度方向是函数的最速下降方向； 4.在与梯度垂直的方向（等值线的切线方向）上，函数的变化率为零。 5.与梯度方向成锐角的方向，函数值增加；成钝角的方向，函数值减小。 * 2.2 多元函数的方向导数与梯度 2.2.4 梯度 第二章 优化设计的数学基础 例2-1 求函数f(X)=x12+ x22-4x1+4在点X1=[3 2]T和点X2=[2 0]T处的梯度。 解：函数的等值线如图 由梯度定义可知： 在点X1=[3 2]T处梯度为： 该点梯度与x1的夹角为： 梯度是该点函数等值线的法线方向。 在点X2=[2 0]T处的梯度为： 梯度的分量都等于零，使得该点处的函数沿任何方向的方向导数也等于零。表明该点处函数值具有稳定性，此处的函数值就是极值，该点就是极值点。 * 2.2 多元函数的方向导数与梯度 2.2.4 梯度 第二章 优化设计的数学基础 例2-1 求函数f(X)=x12+ x12-4x1+4在点X1=[3 2]T和点X2=[2 0]T处的梯度。 用MATLBA求解 syms x1 x2 %将x1，x2设置为符号变量 f=x1^2+x2^2-4*x1+4; % 写出函数表达式 fx1=diff(f,x1) ; %对x1求偏导数 ; fx2=diff(f,x2) ; %对x2求偏导数 ; x1=3; x2=2 ; %对x1 ,x2求偏导数赋值; g=[fx1 fx2] ; %梯度 ; g=subs(g) %把符号变量转为数值 * 2.2 多元函数的方向导数与梯度 2.2.4 梯度 第二章 优化设计的数学基础 例2-2 求函数f(X)=x12+ x12-4x1-2x2+5在点X0=[0 0]T和处函数变化率最大的方向和数值。 解： * 2.2 多元函数的方向导数与梯度 2.2.4 梯度 第二章 优化设计的数学基础 例2-3 一般二元二次函数的矩阵式为 其中 c为常数，求梯度 解：将二元二次函数的矩阵式展开 于是梯度 即 * 2.2 多元函数的方向导数与梯度 2.2.4 梯度 第二章 优化设计的数学基础 例2-3续 对于n元二次函数 其中 梯度 推广： * 2. 3 多元函数的泰