优化设计-PPT课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《优化设计-PPT课件.ppt》由用户(三亚风情)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。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。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 优化 设计 PPT 课件
- 资源描述:
-
1、第二章第二章 优化设计优化设计Optimization Design本章主要内容本章主要内容 优化设计概述优化设计概述 优化问题的数学分析基础优化问题的数学分析基础 一维探索优化方法一维探索优化方法 无约束多维问题的优化方法无约束多维问题的优化方法 约束问题的优化方法约束问题的优化方法 多目标函数的优化方法多目标函数的优化方法 本章重难点本章重难点 优化设计数学模型的建立,掌握常用的优优化设计数学模型的建立,掌握常用的优化方法,如一维探索优化方法、无约束多维化方法,如一维探索优化方法、无约束多维问题的优化方法、约束问题的优化方法、以问题的优化方法、约束问题的优化方法、以及多目标函数的优化方法等
2、。及多目标函数的优化方法等。2.1 2.1 优化设计概述优化设计概述2.1.1 2.1.1 优化设计问题的提出优化设计问题的提出1.1.传统设计方法:传统设计方法:确定产品结构方案;尺寸计算和强度确定产品结构方案;尺寸计算和强度校核;调整方案,重新计算。校核;调整方案,重新计算。(循环设计过程)(循环设计过程)缺点:缺点:烦琐,耗时,以牺牲设计效率和质量为代价烦琐,耗时,以牺牲设计效率和质量为代价2.2.优化设计:优化设计:转化为最优化问题,利用数学规划的方法,转化为最优化问题,利用数学规划的方法,借助于计算机(高速度、高精度和大存储量)的处理,借助于计算机(高速度、高精度和大存储量)的处理,
3、从满足设计要求的一切可行方案中,按照预定的目标自从满足设计要求的一切可行方案中,按照预定的目标自动寻找最优设计的一种设计方法。动寻找最优设计的一种设计方法。优化设计三要素:优化设计三要素:设计变量,目标函数,约束条件。设计变量,目标函数,约束条件。满足:满足:gu( (m、z、x) )的情况下的情况下寻找:寻找:一组设计参数一组设计参数m、z、x;(模数、齿数、变位系数)模数、齿数、变位系数)使得:使得:设计目标设计目标流量最均流量最均匀匀, 体积最小体积最小, 寿命最长寿命最长以齿轮泵为例,其优化设计过程如下:以齿轮泵为例,其优化设计过程如下:2.1.2 2.1.2 优化设计的数学模型优化设
4、计的数学模型 优化设计的问题首先是建立数学模型,即把实际优化设计的问题首先是建立数学模型,即把实际问题转化为数学模型的形式。问题转化为数学模型的形式。优化模型三要素:优化模型三要素:设计设计变量,目标函数,约束条件。变量,目标函数,约束条件。1.1.设计变量设计变量 设计过程中,进行选择和调整,最终必须确定的独设计过程中,进行选择和调整,最终必须确定的独立参数称为立参数称为设计变量设计变量;固定不变,需要事先给定的参数;固定不变,需要事先给定的参数称为称为设计常量设计常量。(1 1)维数:)维数:设计变量的个数称为设计问题的维数。设设计变量的个数称为设计问题的维数。设计变量愈多,设计自由度愈大
5、,可供选择方案愈多,设计变量愈多,设计自由度愈大,可供选择方案愈多,设计计愈愈灵活,难度愈大,求解愈复杂。灵活,难度愈大,求解愈复杂。(2 2)设计空间)设计空间: : n 个设计变量的坐标轴所形成的个设计变量的坐标轴所形成的n维实维实空间称为设计空间,用空间称为设计空间,用Rn表示。设计空间中,表示。设计空间中,n 个设计个设计变量的坐标值组成一个设计点,并代表一个设计方案,变量的坐标值组成一个设计点,并代表一个设计方案,可采用如下向量表示:可采用如下向量表示: 其中,最优设计方案用其中,最优设计方案用 表示,称为表示,称为最优点最优点或或优化点优化点。*XnTnnRXxxxxxxX ,21
6、21二维设计空间二维设计空间三维设计空间三维设计空间x2x1X =x1 x2Tx1x2x3X= x1 x2 x3 T2.2.目标函数目标函数 优化设计的任务是在许多可行的方案中找出最优的优化设计的任务是在许多可行的方案中找出最优的方案,所谓最优方案是在设计变量中能最好的满足所追方案,所谓最优方案是在设计变量中能最好的满足所追求的某些特点的目标,而这些目标又可表达为设计变量求的某些特点的目标,而这些目标又可表达为设计变量的函数,称为的函数,称为目标函数。目标函数。目标函数可用来评价设计方案目标函数可用来评价设计方案的好坏,又称为的好坏,又称为评价函数评价函数。常表示为:。常表示为:目标函数表征的
7、是设计的某项或某些最重要的特征。目标函数表征的是设计的某项或某些最重要的特征。优化设计就是要通过优选设计变量使目标函数达到最优值。优化设计就是要通过优选设计变量使目标函数达到最优值。目标函数总可以转化成求最小值的统一形式。目标函数总可以转化成求最小值的统一形式。),()(21nxxxfXf等值曲面等值曲面: :目标函数值相等的所有设计点的集合称为目标函数的目标函数值相等的所有设计点的集合称为目标函数的等值曲面。二维:等值线;三维:等值面;三维以上:等超越面。等值曲面。二维:等值线;三维:等值面;三维以上:等超越面。z等值线族形象地反映了目标函等值线族形象地反映了目标函数值的变化规律,越靠近极值
8、数值的变化规律,越靠近极值点的点的等值线等值线,表示的目标函数值,表示的目标函数值越小,其分布也越密集。越小,其分布也越密集。xyo等高线等高线x*(中心极值点)(中心极值点)等值线族等值线族 二维设计变量下的等值线二维设计变量下的等值线3.3.约束条件(函数)约束条件(函数) 对任何设计都有若干不同的要求和限制,将这些要对任何设计都有若干不同的要求和限制,将这些要求和限制表示成设计变量的函数并写成一系列不等式和求和限制表示成设计变量的函数并写成一系列不等式和等式表达式,就构成了设计的等式表达式,就构成了设计的约束条件约束条件简称简称约束约束。其作。其作用是对设计变量的取值加以限制。用是对设计
9、变量的取值加以限制。(1)分类)分类 根据对设计变量取值的限制形式:根据对设计变量取值的限制形式:显约束(直接限制)显约束(直接限制)和和隐约束(间接限制)隐约束(间接限制)根据性质的不同:根据性质的不同:边界约束边界约束和和性能约束性能约束。 边界约束:边界约束:直接限制每个设计变量的取值范围或彼此直接限制每个设计变量的取值范围或彼此相互关系的一些辅助的区域约束。相互关系的一些辅助的区域约束。 性能约束:性能约束:由产品性能或设计者要求推导出来的用以由产品性能或设计者要求推导出来的用以间接限制设计变量取值范围的一种约束。间接限制设计变量取值范围的一种约束。 (2 2)可行域)可行域 任何任何
10、一个不等式约束一个不等式约束都把设计空间分为两部分,都把设计空间分为两部分,一部分是满足约束条件的称为一部分是满足约束条件的称为可行域可行域,另一部分是,另一部分是不满足约束条件的称为不满足约束条件的称为非可行域非可行域,这两部分的分界,这两部分的分界是是 ( (约束方程约束方程) )。 在约束边界上的点称为在约束边界上的点称为边界点边界点 两个以上约束边界的交点称为两个以上约束边界的交点称为角点角点0)(Xgi等式约束同样把设计空间分成两部分。等式约束同样把设计空间分成两部分。不等式约束与等式约束的几何意义:不等式约束与等式约束的几何意义:1x2x2x1x0)(Xg0)(Xg0)(Xg0)(
11、Xh0)(Xh0)(Xh在一个优化设计问题的设计空间中,满足所有在一个优化设计问题的设计空间中,满足所有约束条件的点构成的子空间,称为约束条件的点构成的子空间,称为可行域可行域。【例例1】作出下列约束条件构成的可行域:作出下列约束条件构成的可行域:1009080706050403020101009080706050403020100)(1Xg0)(4Xg0)(3Xg0)(2Xg0)(5Xg1x2x0),(0),(20054),(300103),(36049),(22151214212132121221211xxxgxxxgxxxxgxxxxgxxxxg【例例2 2】根据下列约束条件画出可行域。
12、根据下列约束条件画出可行域。 0)(01)(02)(132212211xXgxxXgxxXg543210-2-1212x1x0)(3Xg0)(1Xg0)(2Xg可行域在约束边界的哪可行域在约束边界的哪一边怎么确定?一边怎么确定?(3 3)起作用约束)起作用约束设设X X为设计空间中的一个点:为设计空间中的一个点: 满足所有约束条件的点称为可行点(内点和边界点)满足所有约束条件的点称为可行点(内点和边界点) 不满足所有约束条件的点称为非可行点(外点)不满足所有约束条件的点称为非可行点(外点) X X在某个约束边界上,则这个约束条件称为在某个约束边界上,则这个约束条件称为X X的的起作用起作用约束
13、约束 X X不在某个约束边界上,则这个约束条件称为不在某个约束边界上,则这个约束条件称为X X的不起的不起作用约束作用约束1x2x)3(X0)(3Xg) 1 (X)2(X0)(2Xg0)(1Xg0)(4Xg起作用约束起作用约束设计点设计点X X(k)(k)的所有起作用约的所有起作用约束的函数序号下标集合用束的函数序号下标集合用I Ik k表示,即表示,即 ), 2 , 10)()(muXguIkuk( ,3212 , 11,III 左图中左图中一般形式:一般形式: 123,nnixxxxnN xR求变量:123()(,)nf xxxx极小化 极大化 函数:123( ,)0()ungx x xx
14、约束条件:不等式约束123( ,)0()vnh x x xx等式约束4.4.优化设计的数学模型优化设计的数学模型 用用“maxmax、minmin”表示极大、极小化,用表示极大、极小化,用“s.ts.t”表示表示“满足于满足于”,“m m、p p”表示不等式约束与等式表示不等式约束与等式约束的个数,则表示如下形式:约束的个数,则表示如下形式:), 3 , 2 , 1(0)(), 3 , 2 , 1(0)(. .)(min(max)pvXhmuXgtsRXXfvun 本课程中,所有的优化设计问题都是求目标本课程中,所有的优化设计问题都是求目标函数的函数的极小值极小值。遇到求极大值的问题,则先通过
15、。遇到求极大值的问题,则先通过转化变成极小值问题。转化变成极小值问题。 与此同时,所有的不等式约束都采用与此同时,所有的不等式约束都采用的形式。的形式。5. 优化设计问题的求解优化设计问题的求解(1)图解法)图解法 【例例3】求解下列优化问题:求解下列优化问题:0)( 0)( 20054)( 300103)( 36049)( . .12060)( min251421321221121xXgxXgxxXgxxXgxxXgtsxxXf1009080706050403020101009080706050403020100)(1xg0)(4xg0)(3xg0)(2xg0)(5xg1x2x最优解是等值线
16、在函最优解是等值线在函数值下降方向上与可数值下降方向上与可行域的最后一个交点。行域的最后一个交点。0)(0)(020054)(0300103)(036049)(2514213212211约束方程:xXgxXgxxXgxxXgxxXgTX2420* ,22121112221231min( )44( )20. .( )10( )0f xxxxg xxxstgxxxgxx 【例例4】求解下列优化问题:求解下列优化问题:12-1-20123453452x1x0)(3Xg0)(2Xg0)(1Xg1)(Xf8 . 3)(Xf9)(XfTX34. 1 58. 0*,最优解是等值线在最优解是等值线在函数值下降
17、方向上函数值下降方向上与可行域的最后一与可行域的最后一个交点。个交点。 非线性问题的最优解要么是一个内点,要么是非线性问题的最优解要么是一个内点,要么是一个边界点;一个边界点; 非线性问题的最优解如果是一个边界点,那么非线性问题的最优解如果是一个边界点,那么它必定是等值线(面)在函数值下降方向上与它必定是等值线(面)在函数值下降方向上与可行域的最后一个交点;可行域的最后一个交点; 线性问题的最优解必定是等值线(面)在函数线性问题的最优解必定是等值线(面)在函数值下降方向上与可行域的最后一个交点;值下降方向上与可行域的最后一个交点;一般情况下:一般情况下:(2 2)数值迭代法)数值迭代法数值迭代
18、法的基本思想:数值迭代法的基本思想:从一个初始点从一个初始点 出发,按照一个出发,按照一个可行的搜索方向可行的搜索方向和和适当的步长适当的步长走一步,到达走一步,到达 ,再从,再从 出发,出发,选一个可行的搜索方向和适当的步长走一步,达选一个可行的搜索方向和适当的步长走一步,达到到 ,并保证每一步函数值都是下降的,即必须,并保证每一步函数值都是下降的,即必须满足满足 (这称为新点的(这称为新点的适用性适用性) ,这,这样一步一步地重复进行数值计算,直至达到目标函样一步一步地重复进行数值计算,直至达到目标函数的极小点。数的极小点。)0(X)1(X)1(X)2(X)()()1()(iiXfXf无约
19、束优化问题无约束优化问题2x1x)0(X)0(S)1(X)1 (S)2(X)2(S)3(X)3(S)4(X初始点初始点 )0(X用某种优化方法确定用某种优化方法确定 )0(S确定前进步长确定前进步长 计算计算 检查检查 若不满足则改变步长,若不满足则改变步长,满足则进入下一步满足则进入下一步)0()0()0()0()1(SXX?)()()0()1(XfXf从从 出发出发 )1(X用某种优化方法确定用某种优化方法确定 )1(S确定前进步长确定前进步长 计算计算 检查检查 若不满足则改变步长,若不满足则改变步长,满足则进入下一步满足则进入下一步?)()()1()2(XfXf从从 出发出发 )2(X
20、用某种优化方法确定用某种优化方法确定 )2(S确定前进步长确定前进步长 计算计算 检查检查 若不满足则改变步长,若不满足则改变步长,满足则进入下一步满足则进入下一步)2()2()2()2()3(SXX?)()()2()3(XfXf从从 出发出发 )3(X用某种优化方法确定用某种优化方法确定 )3(S确定前进步长确定前进步长 计算计算 检查检查 若不满足则改变步长,若不满足则改变步长,满足则进入下一步满足则进入下一步)3()3()3()3()4(SXX?)()()3()4(XfXf)(kX)(kS)(k第第k k个迭代点个迭代点从第从第k k个迭代点出发寻找下一个迭代个迭代点出发寻找下一个迭代点
21、的搜索方向点的搜索方向沿沿 前进的步长前进的步长)(kS基本迭代公式基本迭代公式 由于每次迭代求得的新点均为使函数值有所由于每次迭代求得的新点均为使函数值有所下降的适用点(如果不是适用点,可改变方向和下降的适用点(如果不是适用点,可改变方向和步长另行搜索适用点),则所得各点必将逐步向步长另行搜索适用点),则所得各点必将逐步向该函数的极小值点逼近,最后总可求得非常接近该函数的极小值点逼近,最后总可求得非常接近该函数理论最优点的近似最优点该函数理论最优点的近似最优点 。2 2)约束优化问题)约束优化问题 对于约束优化问题,除了检查每个新点的适对于约束优化问题,除了检查每个新点的适用性外,还要检查其
22、用性外,还要检查其可行性可行性,即是否满足,即是否满足 的约束条件,如果适用性和可行性兼备,再进行的约束条件,如果适用性和可行性兼备,再进行下一次迭代,最终自然也能求得非常接近约束最下一次迭代,最终自然也能求得非常接近约束最优点的近似最优点优点的近似最优点 。 综上所述,采用数值法进行迭代求优时,除了综上所述,采用数值法进行迭代求优时,除了选择初始点选择初始点 以外,如何确定迭代方向以外,如何确定迭代方向 和步长和步长 成为非常重要的环节,他们将直接决定着搜索的成为非常重要的环节,他们将直接决定着搜索的效率、函数值逐步下降的稳定性和优化过程所需的效率、函数值逐步下降的稳定性和优化过程所需的时间
23、等。时间等。A. A. 点距准则点距准则 根据相邻两迭代点根据相邻两迭代点 与与 间的距离足够小间的距离足够小而建立的准则,点距准则可表示为而建立的准则,点距准则可表示为或 )(kX)1( kX数值迭代终止准则(计算精度数值迭代终止准则(计算精度 的确定)的确定) B. B. 值差准则值差准则 根据相邻的两迭代点的函数值下降量足够小而根据相邻的两迭代点的函数值下降量足够小而建立的准则。建立的准则。绝对下降量准则:绝对下降量准则:相对下降量准则:相对下降量准则:C. C. 梯度准则梯度准则 根据迭代点的函数梯度达到足够小而建立的准根据迭代点的函数梯度达到足够小而建立的准则,表示为则,表示为或或迭
24、代法必须要解决的三个问题迭代法必须要解决的三个问题u 迭代算法具有收敛性;迭代算法具有收敛性;u 在收敛性前提下,选择比较好的初始点在收敛性前提下,选择比较好的初始点X(0) 和适宜的和适宜的终止判据及收敛精度终止判据及收敛精度 ;u 选取使目标函数值下降较快的迭代探索方向选取使目标函数值下降较快的迭代探索方向 S(k) 和和最优的迭代步长最优的迭代步长 (k) ,确保较快的收敛速度。,确保较快的收敛速度。如何确定如何确定S(k) 、(k) 优化方法优化方法 是以是以数学规划论数学规划论为理论基础,以为理论基础,以计算机计算机为工具的一为工具的一种现代设计方法。种现代设计方法。大多是多变量有约
25、束的非线性规大多是多变量有约束的非线性规划问题,其划问题,其是是求解多变量非线性函数的极值问题求解多变量非线性函数的极值问题。因此,因此,将介绍与此有关的一些将介绍与此有关的一些。主要介绍主要介绍的内容如下:的内容如下: 二次型与正定矩阵二次型与正定矩阵 函数的方向导数与梯度函数的方向导数与梯度 函数的泰勒近似展开式和黑塞矩阵函数的泰勒近似展开式和黑塞矩阵 无约束优化问题的极值条件无约束优化问题的极值条件 凸函数与凸规划凸函数与凸规划 约束优化问题的极值条件约束优化问题的极值条件2.2.1 二次型与正定矩阵二次型与正定矩阵在介绍在介绍优化方法优化方法时,常常是将时,常常是将二次型函数二次型函数
展开阅读全文