北航机械优化大作业.docx

2014-12-17

北京航空航天大学

BEIHANGUNIVERSITY

现代机械优化设计

授课老师：王春洁

北京航空航天大学现代机械优化设计

第1页

目录

第一部分

一、一维优化方法 2

1.进退法 2

2.格点法 2

3.牛顿法 2

4.二次插值 3

应用原则： 4

二、多维无约束优化 4

1.梯度法 4

2.二阶牛顿法与阻尼牛顿法 5

3.DFP变尺度法 6

4.单纯形法 6

三、多维约束优化 6

1.随机方向搜索法 8

2.可行方向法 8

3.惩罚函数法 8

第二部分

一、采用有约束多维优化方法解决箱梁模板的设计问题 10

1.1问题的描述 11

1.2多维约束优化 14

总结与致谢 18

参考文献 19

北京航空航天大学现代机械优化设计

第2页

第一部分

本部分为简述学过的优化算法(一维，多维无约束，多维有约束)的选择方法及应用原则。

一、一维优化方法

1.进退法

由单峰函数的性质可知，在极小点x左边函数值应严格下降，而在极小值右边函数值应严格上升。因此，可从某一个给定的初始点x。出发，以初始步长h?沿着函数值的下降方向，逐步前进(或后退),直至找到相继的3个试点的函数值按“高---低---高”变化为止。

2.格点法

格点法是一种计算极其方便的方法，其迭代步骤可简要概括为把搜索区间等分成n个点x,x?,…,x,计算各个点对应的数值，取出函数值最小的点的横坐标xm,之后，在xm两侧取临点xm-,xm+,作为新的区间并判断

xm+1-xm-1eps是否成立，倘若成立，则x就是最优解，对应的函数值y即为最优值；若不成立则以[xm-1xm+]为新区间重复以上过程直到满足条件为止。

3.牛顿法

牛顿法是用切线代替弧，逐渐逼近函数根值的方法。当目标函数f(x)有一阶连续导数并且二阶导数大于零时，在曲线y=f(x)上作一系列切线，使之与x轴的脚垫x,x1,x(2),x(33....逐渐趋于f(x)=0的根x*。

对于一维搜索函数y=f(α),假定已经给出极小点的一个较好的近似点α,在α。点附近用一个二次函数φ(α)来逼近函数f(α):

然后以该二次函数φ(α)的极小点作f(α)极小点的一个新的近似点α?。根据极值必要条件：

φ(α)=0即：

f(a?)+f(α?)(α-α?)=0

可得：

依次继续下去可得到牛顿迭代公式：

k=0,1,2,..

北京航空航天大学现代机械优化设计

第3页

其具体计算步骤概括为：

1)给定初始点α,控制误差c,并令k=0;

2)计算f(α),f(α);

3)根据牛顿迭代公式求α+1;

4)若a|+1-a|≤e则求得近似解a=a+1,停止计算，否则转到5);5)令k=k+1转到1)。

4.二次插值

二次插值是多项式逼近法的一种。所谓多项式逼近，是利用目标函数在若干点的信息(函数值，导数值等),构成一个与目标函数值很接近的低次插值多项式，然后利用该多项式的最优解作为函数的近似最优解，随着区间的逐次缩短，多项式函数的最优点与原函数最优点之间的距离逐渐减小，直到满足一定的精度要求时迭代终止。

设原目标函数在x?x?x?的三个点对应的函数值f(x?)f(x?)f(x?)则可

作出如下多项式：

P(x)=a?+a?x+a?x2多项式P(x)的极值点可从极值的必要条件求得：

P(x,)=a?+2a?x=0

即：

又由于：

P(x?)=a?+a,x?+a?x?2=f(x?)P(x?)=a?+a?x?+a?x?2=f(x?)

P(x?)=a?+a?x?+a?x?2=f(x?)

根据以上各式可知：

式中：

以上是插值法的公式推导过程，根据其基本思想概括其迭代过程如下：

1)确定初始搜索区间，定出初始插值结点；

2)利用式与计算x,与f(x,);

3)终止条件判断

●当|x?-x,ke时，如果f(xm)≤f(x?),则x为所求的极小点；如果

北京航空航天大学