第一章_优化设计概述1.pptVIP

约束条件形式的转化： 可写成 可写成 和 性能约束—按设计性能或指标要求推导出的约束 边界约束—即设计变量上、下限的约束 显约束：设计变量间具有明确的函数关系 隐约束：不能用设计变量间的显函数来表示的约束 按性质分 如： 按能否直接表达 不等式约束要求设计点在设计空间中约束曲面 等式约束要求设计点在设计空间中约束曲面 ∴约束是对设计点在设计空间活动范围的限制。 2．可行设计区域和非可行设计区域 的一侧（包括曲面）。 上。 不等式约束和等式约束方程都在设计空间中形成的一个超曲面。 a) 可行域与非可行域 或 凡不满足其中任一约束条件的设计变量区域称为非可行域 内点：如 且满足 则 点称为内点或可行设计方案。 凡满足不等式和等式约束方程的设计点活动区域称为 可行域，记为： b) 内点、外点与边界点 ---内点的集合称为内集 边界点： 且至少有一个约束u（ ），使 ， 为边界点，第u个约束为起作用约束。 数学符号表示：边界记为: 边界点: 外点：除了内点与边界点以外的点（即不在可行区域内的设计点） ， 为边界点，第u个约束为起作用约束。 注意：1）约束优化问题一般最优点常常为约束区域的边界点，如可行点在可行域内，则所有约束条件均不起作用，则可能存在两种情况： ①约束条件不完善 ②所得可能非真正的最优点。 2）理论上每一个等式约束条件可消去一个设计变量，即可减少优化设计问题的维数，但一般复杂隐函数的消元过程很难实现。 将某项设计所需求的目标表示成设计变量的数学函数 这种函数称为目标函数或评价函数，记 最优化指目标函数的极小化或极大化，两者可转换， 一般用极小化。 目标函数可以是单个也可以是多个，对于多目标函数的优化问题，可以采用多目标优化方法或主要目标法. 三、目标函数—用于评价设计方案好坏的函数 或 目标函数是n维变量的函数，其函数图像只能在n+1维空间中描述出来，为在n维空间中反映目标函数的变化情况，常用目标函数等值面的方法。 （c为一系列常数) 四、最优化问题的数学模型—是优化设计问题的数学抽象 代表 平面上一簇等值线。 二维设计空间中 —— 一族n维超曲面 或 s.t.—Subject to的缩写，意为受约束于。 优化问题分类： 无约束优化问题 —（即为求函数极值的问题） 约束优化问题 —（工程中大多数为约束优化问题） 按是否存在约束 连续值—普通优化问题 离散值—离散变量优化或混合离散变量优化问题 整数值—整数规划问题 随机值—随机规划、动态规划问题 按变量 性质 均为线性函数 —线性规划问题 f为二次函数，g、h为线性函数 —二次规划问题 其余为非线性规划问题（工程中大多数） 按函数的性质 n≤10—小规模优化问题 10n50 —中规模优化问题 n≥50 —大规模优化问题 单目标优化 多目标优化 按规模 按目标函数 还有其它一些分类方法 如模糊优化（可靠性）、整体优化、局部优化 2.约束优化问题极小值点的几种情况。 a) 约束函数和目标函数均为线性； b) 约束函数和目标函数均为非线性； 点一般位于某角点上 位于可行域内等值线中心（无起作用约束） 五、优化问题的几何解释 1.无约束优化问题的极小点，即为等值面的中心。 e) 极值点位于两约束曲线的交点上(二个起作用约束) c)、d) 极值点处于某约束边界上(一个起作用约束) a）无约束问题— b) 约束优化问题—局部与全域最优解问题不仅取决于目标函数，而且取决于约束函数的性质。 ∴ 是全局最优点， 是局部最优点 ——全域最优点 和 为局部最优点 为非单峰函数时 如: 3．局部最优解与全域最优解 第三节 优化设计问题的数学模型 练习一 1.一根长的铅丝截成两段，一端弯成圆圈，另一端弯折成方形，问应以怎样的比例截断铅丝，才能使圆和方形的面积之和为最大，试写出这一优化问题的数学模型。 3.有两产品A和B，需要在两个车间加工。每件产品A在第一车间的处理时间为1小时，在第二车间处理时间为1.25小时；每件产品B在第一车间的处理时间为1小时，在第二车间的处理时间为0.75小时。每个车间每月有200小时的时间可以利用，而且B产品的市场需求量最大为150件，假定A产品和B产品的利