工程最优化设计理论、方法和应用.pptVIP

工程最优化设计

理论、方法和应用;绪论;Introduction;Introduction;Introduction;第1章最优化问题的数学模型;例2：如下图，人字架由两个钢管构成，其顶点受外力2F=3x105N。2B=152cm,T=0.25cm,钢管材料的弹性模量E=2.1x105MPa，材料密度ρ=7.8x103kg/m3,许用应力σy＝420MPa。求钢管压应力σ不超过许用压应力σy和失稳临界应力σe的条件下，人字架的高h和钢管平均直径D，使钢管总质量m为最小。;刚好满足强度约束条件时，有;可将设计变量D用设计变量h表达：;在设计平面D－h上画出代表强度约束和稳定约束区域的两条曲线：

σ(x)≦σy

σ(x)≦σe

;例3：生产方案问题:某厂生产甲、乙两种产品，生产消耗和所带来的利润如表所示，问如何安排生产方案可得出最大化的利润。;1.2数学模型的一般形式;优化的根本概念和术语1/3;等值线的绘制

令函数f(X)等于一常数c

f(X)=c

于是可绘制出二维的封闭轮廓,??等值线〔面〕。;优化的根本概念和术语3/3;1.4最优化问题的图解法;例用图解法解最优化问题;1.5数值解法的下降迭代解法;这里的核心问题是确定

?dk

?αk;下降迭代的根本流程(数值法);1.5.2迭代算法的收敛性和终止准那么;2)迭代算法的终止准那么;b相邻两迭代点的目标函数差值差准那么

相邻两点迭代之后，使目标函数值的下降量已充分小时，可用两次迭代的目标函数之差作为收敛判据之一。即：

|f(Xk+1)-f(Xk)|?2

或相对目标函数差;第2章最优化设计的数学根底;2.2函数的Taylor展开

;2.5优化问题的最优条件

;2.5.2约束优化问题的最优条件

约束优化问题的极值有多种状态：

函数极值点在可行域内；

函数极值点在可行域外〔该优化问题的最优解在约束边界上〕;2.5.2约束优化问题的最优条件

1)等式约束问题的极值条件;例用Lagrange乘子法计算等式约束优化问题

的极值点坐标.;2)不等式约束问题的极值条件;根据函数的极值条件,令▽L(X,λ,S)=0,

得;Karush-Kuhn-Tucker不等式约束问题的极值条件(K-K-T);例用K-K-T条件判断Xk=[1,0]T是否为下述问题的最优解X*;第3章一维搜索〔线性搜索〕;求解αk的数值迭代算法的主要思路是:

首先,确定一个包含极小点α*的初始搜索区间;

然后,逐步缩小此区间,从而获得α*的数值近似解.;确定单谷搜索区间的外推法;3.2缩小搜索区间的思路;3.3黄金分割法(0.618法);黄金分割法(0.618法)的算法流程图;可以看出黄金分割法(0.618法)每次缩小区间的比率是完全相同的,即等于常数0.618.

如果给定收敛精度ε和初始区间长度b-a,那么完成一维搜索所需缩小区间的次数n(插入点的计算次数)可由下式求得:

0.618n(b-a)≤ε;3.4二次插值法;有:;二次插值法的算法流程图;第4章无约束最优化方法;函数在某点的梯度方向是函数在该点的增长率最大的方向,一个自然的想法就是,用负梯度方向(下降最快)作为搜索方向,因而得名最速下降法.迭代式为:;例求目标函数f(x)=x12+25x22的极小点,可取初始点X0=[2,2]T;牛顿型法也是一种经典的最优化方法,它的搜索方向是根据目标函数的负梯度和二阶导数矩阵构造的,称为牛顿方向.;在牛顿法的迭代过程中引入步长因子进行一维搜索就可以加以解决,即迭代式为:;例用牛顿法求目标函数f(x)=x12+25x22的极小点,可任选初始点X0.;牛顿型法计算比较繁琐,需要计算Hessian矩阵的逆矩阵[H(Xk)]-1才能得到牛顿方向.

变尺度法的思想是设法构造出一个对称正定矩阵Ak来代替[H(Xk)]-1,并在迭代过程中使Ak逐渐逼近[H(Xk)]-1,从而简化了牛顿法的计算,并能保持牛顿法收敛快的优点;BFGS变尺度算法的校正矩阵递推算式为;然而,当计算出假设干点处的函数值时,可从它们之间的大小关系中推断出函数变化的大致趋势,并可作为寻求函数下降方向的依据,因此就可以省去函数的求导计算.;1)如果f(X1)f(X2)f(X3);5)如果X1,X4方向上的所有点都有f(X)f(X1);单纯形法的算法流程图;其它无约束最优化方法;⑴目标函数和约束函数都是线性函数；;5.1线性规划问题的标准形式;（5-3）;数学模型变为