《机械结构优化设计》_3.pptVIP

３.２局部极值和全局极值考虑一个不等式约束极小化问题，其中设计变量具有上、下边界，称为框式约束（ｂｏｘｃｏｎｓｔｒａｉｎｔｓ），且可分别考虑：下一页返回３.２局部极值和全局极值然而，驻点不一定是局部极小点，也可能局部最大点。对于约束优化问题，局部极小点不一定在驻点上，因为它们可能在可行域的边界上。为了更好地理解驻点、局部极小和全局极小的不同，考虑函数ｇ０：[ｘ１，ｘ６]→Ｒ，如图３.１所示。ｘ２，[ｘ３，ｘ４]和ｘ５是驻点；ｘ１，(ｘ３，ｘ４)和ｘ５是局部极小点；[ｘ３，ｘ４]和ｘ６是局部最大点。ｘ２既不是局部最小点也不是局部最大点；ｘ１是全局最小点；ｘ６是全局最大点。上一页返回３.３函数的凸性优化设计一般总期望能获得函数的全局极值，但在什么情况下可以获得全局极值，这与函数的凸性有密切关系。众所周知，对于一维函数来说，若ｆ（ｘ）在ａ≤ｘ≤ｂ区间内是下凸的且为单峰，则它在［ａ，ｂ］区间内必有唯一的极小点。因而，我们称这种函数为具有凸性的函数。为考虑多元函数的凸性，并对凸函数进行定义，首先建立凸集的概念。设Ｄ为ｎ维欧式空间中设计点的一个集合，Ｄ?Ｒｎ，取任意两点ｘ（１）和ｘ（２），若它们连线上的所有点都属于集合Ｄ，则称Ｄ为ｎ维欧式空间中