机械优化设计课件.pptxVIP

優化設計的理論與數學基礎;3、二次型函數

F(x)=xTAx

對於二次函數F(x)=xTAx。若對於任意不為零的x=[x1,x2,…,xn],恒有F(x)0,則相應的係數矩陣A稱為正定矩陣。

若恒有F(x)≥0,則稱A為半正定矩陣。

;2.2目標函數的等值線（面）;2.3無約束優化最優解的條件;二、二元函數極值條件

對於連續可微函數F(x)=F(x1,x2)在x*點有極

值，其必要條件為：

F(x*)=Θ

三、多維函數極值條件

對於連續可微函數F(x)=F(x1,x2，…,xn)在x*點有極值，其必要條件為：

F(x*)=Θ

當海賽矩陣正定時，點x*為極小值

;2.4凸集與凸函數;2.4.2凸函數

一、凸函數的數學定義:

若F(x)滿足：

則稱F(x)為定義在凸集上的凸函數

二、凸函數的基本性質

1）若F(x)為凸函數，則λF(x)也是凸函數。λ為任意正實數。

2)若F(x1)、F(x2)為凸函數，則F(x1)+F(x2)也是凸函數。

3)若F(x1)、F(x2)為凸函數，則αF(x1)+βF(x2)也是凸函數。

三、凸函數的判別法：海賽矩陣半正定

四、局部極小點與全局極小點