机械优化设计题目答案.docx

1-1.简述优化设计问题数学模型的表达形式。 x ? x ?T 使 n 求设计变量向量 x ? ?x x 1 2 f (x) ? min 且满足约束条件 h (x) ? 0 k g (x) ? 0 (k ? 1,2, l) ( j ? 1,2, m) j 利 用 可 行 域 概 念 ， 可 将 数 学 模 型 的 表 达 进 一 步 简 练 。 设 同 时 满 足 g (x) ? 0 ( j ? 1,2, m) m) 和 h (x) ? 0 (k ? 1,2, k l) 的设计点集合为R，即R 为优化问题的可行域，则优化问题的数学模型可简练地写成 求 x 使 min x?R f (x) 符号“? ”表示“从属于”。 在实际优化问题中， 对目标函数一般有两种要求形式： 目标函数极小化 f (x) ? min 或目标函数极大化 f (x) ? max 。由于求 f (x) 的极大化与求? f (x) 的极小化等价，所以今后优化问题的数学表达一律采用目标函数极小化形式。 1-2.简述优化设计问题的基本解法。（不要抄书，要归纳） 答：求解优化问题可以用解析解法，也可以用数值的近似解法。 解析解法就是把所研究的对象用数学方程（数学模型）描述出来，然后再用数学解析方法（如微分、变分方法等）求出有 化解。 但是，在很多情况下，优化设计的数学描述比较复杂，因而不便于甚至不可能用解析方法求解；另外，有时对象本身的机 理无法用数学方程描述，而只能通过大量试验数据用插值或拟合方法构造一个近似函数式，再来求其优化解，并通过试验来验证；或直接以数学原理为指导，从任取一点出发通过少量试验（探索性的计算），并根据试验计算结果的比较，逐步改进而求得优化解。这种方法是属于近似的、迭代性质的数值解法。 数值解法不仅可用于求复杂函数的优化解，也可以用于处理没有数学解析表达式的优化问题。因此，它是实际问题中常用 的方法，很受重视。其中具体方法较多，并且目前还在发展。但是，应当指出，对于复杂问题，由于不能把所有参数都完全考 虑并表达出来，只能是一个近似的最后的数学描述。由于它本来就是一种近似，那么，采用近似性质的数值方法对它们进行解 算，也就谈不到对问题的精确性有什么影响了。 不管是解析解法，还是数值解法，都分别具有针对无约束条件和有约束条件的具体方法。 可以按照对函数倒数计算的要求，把数值方法分为需要计算函数的二阶导数、一阶导数和零阶导数（即只要计算函数值 而不需计算其导数）的方法。 2-1.何谓函数的梯度？梯度对优化设计有何意义？ ?f??d?f?x1?f?x2答 ： 二 元 函 数 f(x1,x2) 在 x0 点 处 的 方 向 导 数 的 表 达 式 可 以 改 写 ?f? ?d ?f ?x1 ?f ?x2 ? cos?1 ? cos? 2 ? ? ?f ?f ? ?cos?1? xo xo xo ???x1 ?x2 ?? xo ?cos? 2? ? ? ?f 令?f (x0) ? [ ?x1 ] ? ? ?f ?f ? T 并称它为函数f（x1，x2）在x0 点处的梯度。 ?f ?x2 ? ?cos?1? ?? ?x1 ?x2 ?? xo ?f? ?f? ?d ?假设 d ? ? ?cos? ? 为D 方向上的单位向量，则有 2? ? ?f (x0) d xo 即函数f（x1，x2）在x0 点处沿某一方向d 的 方向导数 等于函数在该点处的梯度?f (x0) 与d 方向单位向量的内积。 ?f ?f? ?d 梯度方向是函数值变化最快的方向，而梯度的模就是函数变化率的最大值。 梯度与切线方向 d 垂直，从而推得梯度方向为等值面的法线方向。梯度?f (x0) 方向为函数变化率最大方向，也就是最 速上升方向。负梯度- ?f (x0) 方向为函数变化率最小方向，即最速下降方向。 2-2.求二元函数 f (x , x ) ? 2x2 ? x2 ? 2x ? x 在 x ? [0,0]T  处函数变化率最大的方向和数值。 1 2 1 2 1 2 0 解；由于函数变化率最大的方向就是梯度的方向，这里用单位向量 p 表示，函数变化率最大和数值时梯度的模?f (x0)。求f（x1，x2）在x0 点处的梯度方向和数值，计算如下： ? ?f ? ?f ?x0?? ? ?x1 ? ? ?4x1 ? 2? ? ?? 2? ? ?f ? ?2x2 ? 1? x0 ? 1 ? ? ? ? ??x2 ? ? ? ? ?f (x0) ? ? ?f ? 2 ? ? ?f ? 2 = 5 ? ?x1? ? ?x2 ? ? ?f (x0) ? ? ? ??? 2? ? 2 ? ? ? 1 ? ? ? p ? ? ? ? ?