《机械结构优化设计》_4.pptVIP

４.２序列线性规划（ＳｅｑｕｅｎｔｉａｌＬｉｎｅａｒＰｒｏｇｒａｍｍｉｎｇ：ＳＬＰ）在设计ｘｋ点时，目标函数和所有约束函数进行线性化处理，得到ｋ次迭代的子问题：返回４.３序列二次规划方法（ＳｅｑｕｅｎｔｉａｌＱｕａｄｒａｔｉｃ

Ｐｒｏｇｒａｍｍｉｎｇ：ＳＱＰ）在目标函数的泰勒展开式中，增加二阶项，则得到了序列二次规划：返回４.４凸线性化（ＣｏｎｖｅｘＬｉｎｅａｒｉｚａｔｉｏｎ：ＣＯＮＬＩＮ）ＳＬＰ和ＳＱＰ都可用于求解一般的非线性优化问题，但它们都没有利用结构优化问题中可能包含的一些特殊属性。在２.２.３节中，应力可写成（１）ｇＣ，ｋｉ是函数ｇｉ的一阶近似，即在ｘ＝ｘｋ点，函数值和一阶偏导数是精确的：下一页返回４.４凸线性化（ＣｏｎｖｅｘＬｉｎｅａｒｉｚａｔｉｏｎ：ＣＯＮＬＩＮ）（２）ｇＣ，ｋｉ是一个显式凸近似函数。原因是：对于每个ｊ，对ｇＣ，ｋｉ的贡献要么是在ｘｋ点处的梯度乘以ｘｊ－ｘｋｊ，要么是（３）ｇＣ，ｋｉ是一个变量独立的近似函数，显然存在函数ｇｉｊ使得上一页返回４.５移动渐近线法（ＭｅｔｈｏｄｏｆＭｏｖｉｎｇＡｓｙｍｐｔｏｔｅ：ＭＭＡ）在许多结构优化问题中，ＣＯＮＬＩＮ法已被证明是一种有效的方