版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
机械优化设计太原科技大学张学良整理ppt第二章优化设计的数学基础梯度§2.1
目标函数的近似表达设目标函数f(X)是一阶连续可微的,则它在某点X(k)处对xi(i=1,2,…,n)的一阶偏导数的列向量(列矩阵)称为f(X)在X(k)点处的梯度,记作梯度的模整理ppt海赛矩阵设目标函数f(X)在某点X(k)处存在连续的一阶、二阶偏导数:则函数f(X)在X(k)点的n2个二阶偏导数所构成的n×n阶方阵称为函数f(X)在X(k)点的海赛矩阵。整理ppt若函数f(X)的一阶偏导数在定义域内处处连续可微,则海赛矩阵为对称方阵。整理ppt目标函数的近似表达——泰勒展开一元函数f(x)的泰勒展开:二元函数f(x1,x2)的泰勒展开:整理pptn元函数f(X)的泰勒展开:整理ppt可计算函数与等值面给定一组设计变量的值,就对应一个确定的目标函数值f(X)=C,具有这种性质的函数叫可计算函数。反之,给定目标函数f(X)的值C,即f(X)=C,那么将有无限多个设计点X使该式成立,这些设计点在n维设计空间中将组成一个点集,称之为等值曲面(三维空间)或等值超曲面(n>3),通称等值面。在二维平面中为等值线。若给定一系列目标函数的值,将在设计空间得到一组等值面(线)族。目标函数的等值线(面)整理ppt
f(X)=ax12+2bx1x2+cx22a>0c>0ac-b2>0
整理ppt一、最速下降方向——负梯度方向§2.2
最速下降方向和共轭方向函数的方向导数X0X0+X
x1
x2S整理pptn元函数的方向导数:整理ppt整理ppt
与负梯度方向成锐角的方向为目标函数值的下降方向,成钝角的方向为目标函数值的增加方向。目标函数的梯度方向是目标函数等值线(面)在同一点的法向矢量方向。
f(X(k))-f(X(k))X(k)t所以,目标函数在某一点的最速下降方向为负梯度方向整理ppt两个向量的共轭设两个非零向量S(0)、S(1)及对称正定矩阵H,若满足二、共轭方向则称S(0)、S(1)关于H共轭,或称S(0)与S(1)为共轭方向。若H为单位阵,即H=I,则S(0)与S(1)正交。一组向量的共轭设有一组非零向量S(0)、S(1)…S(n-1)及对称正定矩阵H,若满足则称它们关于H共轭,或称它们为一组共轭方向。若H为单位阵,则称它们相互正交。整理ppt凸集(见图2M8)
一个点集(或区域),如果连接其中任意两点的线段都全部包含在该点集内,则称该点集为凸集。否则,称为非凸集。§2.3
凸集、凸函数与凸规划凸函数(见图2M10)
设函数f(X)定义域为凸集G,X(1)、X(2)为凸集G上的任意两点,若函数f(X)在线段X(1)X(2)上的函数值总小于或等于用f(X(1))及f(X(2))作线性内插所得的值,则称函数f(X)为凸集G上的凸函数,即满足整理ppt
的函数f(X)为凸函数。若同时去掉式中的等号,则称函数f(X)为严格凸函数。凸规划
对于约束优化问题
若函数f(X)、gj(X)均为凸函数,则称此约束优化问题为凸规划。整理ppt凸规划的性质
1)凸规划的可行域为凸集2)凸规划的任何局部最优解就是全局最优解整理ppt§2.4
优化问题的几何解释X*X*整理pptX*X*整理pptX*X*h1=0h2=0整理ppt§2.5
优化方法的简单分类按有无约束分类无约束优化方法、约束优化方法按目标函数的维数分类一维优化方法、多维优化方法按目标函数的数目分类
单目标优化方法、多目标优化方法按求优途径的不同分类
直接法、解析法(间接法)、实验法、图解法整理ppt§2.6
迭代方法及其收敛准则
无论是直接法还是解析法,求优的过程都是采用数值迭代法,且迭代公式的形式一致。迭代方法
X(k+1)=X(k)+
(k)
S(k)
(k=0,1,2,…)两个特性
1)下降性:f(X(k+1))<f(X(k))2)收敛性:当k
∞时,X(k)
X*
f(X(0))>f(X(1))>…>f(X(k))>f(X(k+1))>…
f(X*)整理ppt
确定步长
(k)的方法
1)定步长法取
(k)=p(p为常数),检验下列不等式f(X(k)+
(k)
S(k))<f(X(k))?
若成立,则继续下一步迭代计算;否则,取
(k)=
p(0<
<1),再检验不等式f(X(k)+
(k)
S(k))<f(X(k))?直至满足为止。整理ppt
2)最优步长法
用一维寻优方法确定
(k):当给定S(k)从X(k)
点出发搜索X(k+1)点时,为求得沿搜索方向S(k)上的最优步长
(k),可以建立如下一维优化数学模型,即这实质上就是以
(k)为变量的一元函数求极值的问题,称为一维搜索或一维寻优。整理ppt
解析法确定
(k):整理ppt
搜索方向S(k)的讨论
1)三种常用搜索方向负梯度方向:S(k)=-
f(X(k))
共轭方向:将n维优化问题转化为每一个循环n次一维搜索,依次取n个相互共轭的方向为搜索方向。
随机搜索方向:S(k)随机产生,只要求沿S(k)方向所得X(k+1)点处函数值下降。
整理ppt
2)S(k)与-
f(X(k))和
f(X(k+1))的关系目标函数下降:
f(X(k)+
(k)
S(k))-f(X(k))<0
f(X(k)+
(k)
S(k))-f(X(k))
(k)
T
f(X(k))S(k)
故
(k)
T
f(X(k))S(k)<0
-
T
f(X(k))S(k)>0整理ppt用一维优化方法确定
(k)
时,必须满足:
f
'(X(k)+
S(k))=0所以
T
f(X(k)+
S(k))S(k)=0即T
f(X(k+1))S(k)=0第k次迭代的搜索方向S(k)与目标函数在本次迭代所得点X(k+1)处的梯度方向
f(X(k+1))正交。X(k)
X(k+1)
S(k)-f(X(k+1))整理ppt
3)共轭搜索方向的一个重要性质n维正定二次函数的n次收敛性即对于n维正定二次函数,若相继以一组相互共轭的向量S(0)、S(1)、…、S(n-1)为搜索方向,则不论从任何初始点出发,经过n次一维搜索,就可以得到该正定二次函数的极小点。整理ppt
收敛性与收敛准则
迭代算法应具有收敛性,即产生的极小点序列或者其中某一点就是极小点,或者序列有一个极限,它是目标函数的极小点。点距准则:
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 地方文化保护与传承的策略框架及实施路径
- 私人会所场地租赁协议
- 教育出版传媒高质量发展的核心策略与执行措施
- 设备借用电力协议书
- 地热农业打井工程合同
- 设立分公司商标许可协议
- 2025空调购买合同书样本
- 2023年注册岩土工程师公共基础考试真题及答案
- 建筑初步-广西建设职业技术学院 - 建筑与规划学院 葛凡钰 - 建筑设计 2206 第 7 章 - 建筑工程图的表达-1733566074455
- 泉州经贸职业技术学院《光电仪器仿真与设计》2023-2024学年第一学期期末试卷
- 心理健康测试题目及答案小学生版
- 神经系统练习题附有答案
- 算法竞赛入门经典(第2版)
- 数据治理咨询项目技术方案
- 海阔天空音乐
- 激发自身无限潜能唤醒心中的巨人课件
- 生命的重建完整版本
- 供水公司招聘考试题库及答案
- 呼吸衰竭的护理查房护理查房通用
- 输电运维施工安全管控
- 《开关电源基础知识》课件
评论
0/150
提交评论