机电产品现代设计方法7.2 机电产品现代设计方法-OPT(2约束处理与常用求解算法).pdf

机电产品现代设计方法-OTP优化设计

OPT一般算法

1.约束问题处理方法

2.梯度法

3.Newton法

金天国

哈工大机电学院

1.1有约束优化方法

与无约束问题不同，约束问题目标函数的最小值是满足约

束条件下的最小值，即是由约束条件所限定的可行域内的

最小值。

求解约束优化的方法称为约束优化方法。约束优化方法根

据求解方式的不同，可分为直接解法和间接解法。直接法

主要有随机方向法、复合形法、可行方向法、广义简约梯

度法，间接解法有惩罚函数法和增广乘子法

1.1.约束优化方法-1）直接解法

在由m个不等式约束条件g(x)≤0所确定的可行域φ内

u

，选择一个初始点x(0)，然后确定一个可行搜索方向S

，且以适当的步长沿S方向进行搜索，取得一个目标函

数有所改善的可行的新点x(1)，即完成了一次迭代。以

新点为起始点重复上述搜索过程，每次均按如下的基

本迭代格式进行计算：

(k+1)(k)(k)(k)

x＝x+αS(k=0,1,2,…)

逐步趋向最优解，直到满足终止准则才停止迭代。

1.2约束优化方法-2）间接解法

基本思路：约束优化问题中的约束函数进行特殊的加权处

理后，和目标函数结合起来，构成一个新的目标函数，即

将原约束优化问题转化为一个或一系列的无约束优化问题

。再对新的目标函数进行无约束优化计算，从而间接地搜

索到原约束问题的最优解。

ml

(x,)f(x)G[g(x)]H[h(x)]

1,21j2k

j1k1

(x,)——转化后的新目标函数；

1,2

ml分别为约束函数gj(x)h(x)经过加权处

G[g(x)],H[h(x)]k

j11jk12k理后构成的某种形式的复合函数或泛函数

12—加权因子

然后对(x,)进行无约束极小化计算。由于在新目标函数中包含了各

1,2

种约束条件，在求极值的过程中还将改变加权因子的大小。因此可以不断改

变设计点，使其逐步逼近约束边界。从而间接地求得原约束问题的最优解

1.2约束优化方法-2）拉格朗日乘子法

格朗日乘数法（Lagrangemultiplier）有很直观的几何意义。

举个2维的例子来说明：

假设有自变量x和y，给定约束条件g(x,y)=c，要求f(x,y)在约束g

下的极值。

我们可以画出f的等高线图，如下图。此时，约束g(x,y)=c由于只

有一个自由度，因此也是图中的一条曲线（红色曲线所示）。显

然地，当约束曲线g=c与某一条等高线f=d1相切时，函数f取得极

值。

两曲线相切等价于两曲线在切点处拥有共线的法向量。因此可得

函数f(x,y)与g(x,y)在切点处的梯度（gradient）成正比。

于是我们便可以列出方程组求解切点的坐标(x,y)，进而得到函数

f的极值。

1.2约束优化方法-2）拉格朗日乘子法

拉格朗日乘子法，

把目标函数和等式

约束统一到一个拉

格朗日函数中，原

因是，局部