第五章单纯形优化设计法.pptxVIP

第五章单纯形优化设计法;第五章单纯形优化设计法;什么就是优化？

简单说优化就就是如何把事情做得更好。

在化学试验条件选择里,就就是指如何得到最佳得试验条件。

优化设计得三要素:

设计变量、约束条件、目标函数。;2、一个可行设计必须满足某些设计限制条件,这些限制条件称作约束条件,简称约束。;3、目标函数就是设计变量得函数,就是设计中所追求得目标。如:产率,回收率,分离度等。;优化设计得目得就就是要求所选择得设计变量使目标函数达到最佳值,即使:;优化设计得数学表达(数学模型式):;优化设计数学模型得分类:;优化分类:

1)无约束优化:在没有限制得条件下,对设计变量求目标函数得最佳值;

2)约束优化:在可行域内对设计变量求目标函数得最佳值。

这些名词就是不就是很抽象？其实这个很简单,很容易理解。具体到我们要解决得实际问题时,基本都就是约束优化。

比如我们要解决化学问题,必须结合考虑,不能出现负浓度值、pH只能在0～14之间,某些反应得温度必须控制在一定范围等等,这些就就是约束条件。;优化算法:

1)解析法(一阶、二阶导数);

2)直接法(单纯形法等)。

事实上,前面讲均匀设计法时,对建立得模型求最佳条件就就是采用得求导数法;

而单纯形法正就是这一章要重点讲得。

另外像遗传算法,这也就是最近十几年化学计量学中得一个很重要得领域,也属于直接法。;什么就是单纯形？

单纯形(Simplex)就是数学里最优化方法中得一个名词。它就是指多维空间得凸多面体,其顶点数比空间维数多1。

例如:一维空间得单纯形就是一条直线,二维空间中就是三角形,三维空间中就是四面体。;;大家学习辛苦了，还是要坚持;单纯形优化法得基本思想:;单纯形优化法示意图;第二节基本单纯形;在n维空间中单纯形得每个顶点可以用对应得坐标表示,如二维空间得单纯形得三个顶点可用三角形得坐标表示:(x11,x12),(x21,x22),(x31,x32)。

NOTE:在坐标中下标中得第一个数字为顶点代号,第二个数字为变量(因素)代号。每个顶点得坐标表示试验中各因素得取值。

因此对于n个因素得试验设计问题,n维空间中单纯形得一个顶点就表示一次试验,该顶点(x1,x2,…,xn)即为这n个因素得某???种因素水平得搭配方式。;一、单纯形优化法得寻优过程概述:

首先,单纯形优化法从初始n+1个顶点出发,从比较初始得n+1次试验得目标值得优劣,判断目标函数变化得大致趋势,作为寻优方向得参考。

然后,逐步淘汰其中目标值最差得试验点,增加可能改进目标值得新得试验点,如此不断搜索,逐步达到目标得最优值,从而确定各因素得最佳水平组合。;二、初始单纯形得确定;事实上,n+1个点得选取,一般只需先确定一个初始点x0=(x01,x02,…,x0n)T,其中x01,x02,…,x0n分别为n个因素得某一初始水平。然后对每一因素,根据经验确定一个步长,即该因素相对于初始水平变化得幅度。

譬如考虑pH这一因素,若初始水平为pH=7、0,步长为0、5,则表示pH这一因素从7、0起按0、5得间距改变pH值来进行试验。

如果再考虑反应温度,假定初始水平为40oC,步长为5度,则表示温度从40度起按5度得间距改变温度进行试验。;这样,在确定初始单纯形得一个初始顶点x0与步长aj后,其余n个顶点得因素水平就可产生:;式中:i＝0,1,2,…n;j＝1,2,…n,xij表示第i个顶点第j个因素得水平取值。;这样由x0,x1,…,xn共n＋1个顶点可得到一个不在同一超平面上得初始单纯形。由于各因素得步长都具有相同得数值,即初始单纯形就是以x0为顶点,各棱长为aj得正规单纯形。

为了便于应用,下表给出了不同n值时计算初始单纯形得pj与qj值。;初始单纯形得p与q值;上述方法就是根据初始点与步长来计算初始单纯形得各个顶点,各因素得步长就是相同得,称作固定步长法或正规单纯形法。

如二因素实验举例:

因素1:pH,因素2:温度。

初始值x0=(7、0,40);步长a1=0、5,a2=5。

这就是几维单纯形？有几个顶点？

第一个顶点x1=(x11,x12)=(x01+p1,x02+q2)

=(7、0+a1,40+0、2588*a2)

第二个顶点x2=(x21,x22)=(x01+q1,x02+p2)

=(7、0+0、2959*a1,40+0、9659*a2);实际过程中,各因素步长与单位并不相同,利用这种方法会变得很麻烦,在实际应用中问题较多。

Long系数法、均匀设计法与黄金分割法也常用于初始单纯形得构造。我们下面再介绍前两个构成初始