优化设计的数学基础.pptxVIP

第二章优化设计的数学基础机械设计问题一般是非线性规划问题。实质上是多元非线性函数的极小化问题，因此，机械优化设计是建立在多元函数的极值理论基础上的。机械优化设计问题分为：无约束优化约束优化无条件极值问题条件极值问题

第一节多元函数的方向导数与梯度一、方向导数从多元函数的微分学得知，对于一个连续可微函数f(x)在某一点的一阶偏导数为：，，，…它表示函数f(x)值在点沿各坐标轴方向的变化率。有一个二维函数，如图2-1所示。

图2-1函数的方向导数

其函数在点沿d方向的方向导数为

二、二元函数的梯度对于二维函数在点处的梯度设为d方向的单位向量，则有

即

3即21多元函数的梯度沿d方向的方向向量

图2-5梯度方向与等值面的关系

若目标函数f(x)处处存在一阶导数，则极值点的必要条件一阶偏导数等于零，即满足此条件仅表明该点为驻点，不能肯定为极值点，即使为极值点，也不能判断为极大点还是极小点，还得给出极值点的充分条件设目标函数在点至少有二阶连续的偏导数，则在这一点的泰勒二次近似展开式为：第二节多元函数的泰勒展开

为N维函数f(x)在点处的Hesse矩阵

泰勒展开写成向量矩阵形式logo∵∵

（1）▽F(X*)=0；必要条件（2）Hesse矩阵G(X*)为正定。充分条件多元函数f(x)在处取得极值，则极值的条