第2章优化设计-2.pptVIP

使用功效系数法来求解多目标优化问题的特点在于： 　　(1) 用总功效系数 作为统一目标函数F(x)，这样建立多目标的 优化设计目标函数，虽然计算稍繁，但对工程设计来说，还是一种较 为有效的方法，它比较直观且调整容易； 　　(2) 不论各项分目标的量级及量纲如何，最终都转化成0～1间的 数值，而且一旦有其中一项分目标函数值达不到设计要求时 , 其总功效系数η 必为零，表明设计方案不可接受，需要重新调整约 束条件或各分目标函数的临界值； 　　(3) 功效系数法易于处理有的目标函数既不是越大越好，也不是 越小越好的情况。 2.6.3 主要目标法 　　主要目标法的基本思想是： 　　考虑到多目标优化问题中各个目标的重要程度不一样，在所有目标函数中选出一个较为重要的目标作为主要设计目标，而把其它目标作为约束函数处理，构成一个新的单目标优化问题，并将该单目标问题的最优解作为所求多目标问题的相对最优解。 　 对于多目标优化问题式(2-78)，主要目标法所构成的单目标优化问题如下： (2-88) 式中，　和 分别是目标函数 的下限和上限。 　　采用主要目标法将多目标约束优化问题转化为一个新的单目标约束优化问题后，就可选用上节所介绍的约束优化方法进行其求解。 2.7 工程优化设计应用 　　前面几节介绍了工程优化设计的有关理论及方法，本节以实例阐述如何运用这些理论及方法来解决工程优化设计问题。 2.7.1 工程优化设计的一般工作步骤 　　工程优化设计包含两方面的工作： 一是根据具体设计要求，建立工程优化设计数学模型； 二是选择合适的优化方法及程序进行求解。 　　进行工程问题优化设计时，其一般工作步骤如下： 图2-34　可行域为非凸集 重新构成复合形后，重复第(1)、(2)步，直到　　成为可行点为止。 (2-66) 若　　　　 则取 (2-65) 新的区间如图中虚线所示： 其边界值若　　　　　 　　　　　　 则取 　　(5) 计算映射点的目标函数值 f(X(R))， 　　　若 f(X(R)) f(X(H)) ，则用映射点替换坏点， 　　　构成新的复合形，完成一次调优迭代计算，并转向第(1)步； 　　　否则，继续下一步。 　　(6) 若 f(X(R)) f(X(H)) ， 　　　则将映射系数α减半，重新计算映射点。 　　　如果新的映射点X(R)既为可行点，又满足 f(X(R)) f(X(H))， 　　　即用映射点　　代替 X (H) ，完成本次迭代；　 　　否则，继续将α减半，直到当α值减到小于预先给定的一个很 　　小正数 （例如 ）时，仍不能使映射点优于坏点， 　　则说明该映射方向不利，应改用次坏点　　替换坏点再行映射。 (7)进行收敛判断。 若满足 则可结束迭代计算。 　　此时复合形中目标函数值最小的顶点即为该约束优化问题的最优点。上式(2-67)中的 为复合形所有顶点的点集中心，即 (2-67) (2-68) 　　复合形法的迭代计算框图，如图2-35所示。 图2-35 复合形法的 计算框图 2.5.2 惩罚函数法 　　惩罚函数法是一种用来求解约束优化问题的间接解法。 ● 内点罚函数法 ● 外点罚函数法 ● 混合罚函数法 根据所构造的目标函数的形式不同， 决定了搜索点是在可行域内、或在可行域外， 因而该算法又分为如下三种： 是将约束优化问题的数学模型改造成为无约束的数学模型， 然后按无约束问题进行一系列的无约束最优化求解，直到求得原问题的最优解。 该算法的 基本思想： 1. 内点罚函数法 内点罚函数法适合于求解不等式约束优化问题，即 则构造的新目标函数为： 式中： 为惩罚因子，它是一递减正数序列，即 为此，取 ，这里 c 为递减系数，1 c 0； 为以 为函数的复合函数， 或称与不等式约束有关的惩罚项。 然后对新目标函数按无约束问题求解，即 　　在求解过程中，针对不同的 ，就有一个与之对应的极小值点 　　　　　 ，随着 的减小，使求得的 也逐步向原问题的最优点逼近。 　　所以该方法也称为 “序列无约束极小化” 方法。 　　对于内点罚函数法，求解过程要求保证： 　(1)初始点 和所求得的序列最优点 ，都应是可行点； 　(2)求解到最后，序列最优点