机械优化设计课件第六章-约束优化的直接搜索法-.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《机械优化设计课件第六章-约束优化的直接搜索法-.ppt》由用户(晟晟文业)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:
- 机械 优化 设计 课件 第六 约束 直接 搜索
- 资源描述:
-
1、机械优化设计机械优化设计太原科技大学张学良第六章 约束优化的直接搜索法 数学模型:数学模型:min f(X)X Rn s.t.gj(X)0 (j=1,2,m)hk(X)=0 (k=1,2,p)6.1 概述概述 根据对约束函数处理方法的不同,约束根据对约束函数处理方法的不同,约束优化方法可以分为:直接法和间接法。优化方法可以分为:直接法和间接法。直接法通常适用于仅含不等式约束的优化直接法通常适用于仅含不等式约束的优化问题,当有等式约束时,该等式约束函数不问题,当有等式约束时,该等式约束函数不能是复杂的隐函数,而且容易实现消元过程。能是复杂的隐函数,而且容易实现消元过程。直接法的基本思想直接法的基
2、本思想 在在m个不等式约束条件所确定的可行域个不等式约束条件所确定的可行域内,选择一个初始点内,选择一个初始点X(0),然后决定,然后决定可行搜可行搜索方向索方向S(0),且以适当的步长,且以适当的步长(0),沿,沿S(0)方向进行搜索,得到一个使目标函数值下方向进行搜索,得到一个使目标函数值下降的可行的新点降的可行的新点X(1),即完成一次迭代,再,即完成一次迭代,再以新点为起点,重复上述搜索过程,满足以新点为起点,重复上述搜索过程,满足收敛条件后,迭代终止。收敛条件后,迭代终止。迭代公式为一般公式:迭代公式为一般公式:X(k+1)=X(k)+(k)S(k)(k=0,1,2,)S(k)为为可
3、行搜索方向可行搜索方向,(k)为步长。为步长。可行搜索方向可行搜索方向是指:当设计点沿该方向是指:当设计点沿该方向作微量移动时,目标函数值将下降,且不会作微量移动时,目标函数值将下降,且不会超出可行域。超出可行域。直接法的特点是:直接法的特点是:原理简单、方法实用,但计算量大,收敛原理简单、方法实用,但计算量大,收敛慢、效率低。适于维数低、精度要求不高但目慢、效率低。适于维数低、精度要求不高但目标函数较复杂的问题。标函数较复杂的问题。间接法的基本思想间接法的基本思想 将约束优化问题中的约束函数进行特将约束优化问题中的约束函数进行特殊的加权处理后,和目标函数结合起来,殊的加权处理后,和目标函数结
4、合起来,构成一个新的目标函数,即将约束优化问构成一个新的目标函数,即将约束优化问题转化成为一个或一系列的无约束优化问题转化成为一个或一系列的无约束优化问题,再对新的目标函数进行无约束优化计题,再对新的目标函数进行无约束优化计算,从而间接地搜索到原约束优化问题的算,从而间接地搜索到原约束优化问题的最优解。最优解。常用的直接法有:常用的直接法有:网格法、约束随机方向搜索法和复合形网格法、约束随机方向搜索法和复合形法。法。6.2 网格法网格法 网格法网格法的基本思想的基本思想 适于解决如下数学模型:适于解决如下数学模型:min f(X)X Rn s.t.gj(X)0 (j=1,2,m)ai x i
5、bi (i =1,2,n)其基本思想是:在设计变量的界限区域内其基本思想是:在设计变量的界限区域内作出网格,逐个计算各个网格点上的约束函作出网格,逐个计算各个网格点上的约束函数值和目标函数值,然后舍去不满足约束条数值和目标函数值,然后舍去不满足约束条件的网格点,对满足约束条件的网格点,件的网格点,对满足约束条件的网格点,比较其目标函数值的大小,从中找出目标函数比较其目标函数值的大小,从中找出目标函数值最小的网格点。若此网格点之间的距离值最小的网格点。若此网格点之间的距离hj均均小于给定的控制精度小于给定的控制精度 j(通常取通常取 j=,i=1,2,n),则该网格点就是所要求的最优点的近似点则
6、该网格点就是所要求的最优点的近似点X*。否则,以该点为中心缩小寻优区间,即在该点否则,以该点为中心缩小寻优区间,即在该点附近作较密的网格,继续求目标函数值最小的附近作较密的网格,继续求目标函数值最小的网格点。如此循环往复,直至找到满足精度要网格点。如此循环往复,直至找到满足精度要求的最优点的近似点求的最优点的近似点X*。网格的划分可以是等。网格的划分可以是等间距的,也可以是非等间距的。间距的,也可以是非等间距的。计算步骤及算法框图(略)计算步骤及算法框图(略)6.3 约束随机方向搜索法约束随机方向搜索法 基本思想基本思想 它是约束优化问题中经常采用的一种它是约束优化问题中经常采用的一种直接求解
7、方法。它适于解决如下数学模型:直接求解方法。它适于解决如下数学模型:min f(X)X Rn s.t.gj(X)0 (j=1,2,m)其基本思想是:在不破坏约束条件的前提其基本思想是:在不破坏约束条件的前提下,从选定的下,从选定的初始可行点初始可行点X(0)出发,相继沿着出发,相继沿着n个随机产生的搜索方向个随机产生的搜索方向e(k)(k=1,2,n),以定步长以定步长 0 搜索得到搜索得到n个试验点个试验点Xk(k=1,2,n),然后计算比较然后计算比较n个试验点处的函数值个试验点处的函数值f(Xk),找出其中的最小点找出其中的最小点XL。若若f(XL)f(X(0),则缩短步长,则缩短步长
8、0,或重,或重新产生新产生n个随机方向,重复前面的过程。个随机方向,重复前面的过程。若若f(XL)f(X(0),则继续沿方向,则继续沿方向S=XL-X(0),并令,并令X(0)=XL,以适当步长,以适当步长 向前跨步,向前跨步,得到新点得到新点 X(1)=X(0)+S。若若f(X(1)f(XL),则应缩短步长,则应缩短步长 ,直,直至取得一个好的可行点作为新一轮搜索的起至取得一个好的可行点作为新一轮搜索的起始点。如此周而复始,当迭代步长始点。如此周而复始,当迭代步长 已经很已经很小时,说明搜索已逼近约束最优点。达到精小时,说明搜索已逼近约束最优点。达到精度要求时,即可终止迭代计算。度要求时,即
9、可终止迭代计算。方法方法1)决定性方法)决定性方法 当问题的约束条件当问题的约束条件比较简单,可凭判断人为地在可行域内选定比较简单,可凭判断人为地在可行域内选定一个初始点。一个初始点。确定初始可行点确定初始可行点 方法方法2)随机投点方法随机投点方法 当问题的约束条当问题的约束条件较为复杂时,靠判断选择初始可行点较困件较为复杂时,靠判断选择初始可行点较困难,这时可借助计算机中的随机数发生器,难,这时可借助计算机中的随机数发生器,产生随机但可行的初始点。产生随机但可行的初始点。设给定设计变量的上下限值为:设给定设计变量的上下限值为:ai xi bi (i=1,2,n)则产生的随机点的各分量为则产
10、生的随机点的各分量为xi(0)=ai+ri(bi-ai)(i=1,2,n)其中,其中,ri为为0,1区间上的随机数。区间上的随机数。还需对点还需对点X(0)进行可行性检验,即是否满足进行可行性检验,即是否满足gj(X(0)0 (j=1,2,m)若满足,若满足,X(0)可作为初始点;否则,则应可作为初始点;否则,则应另取随机数重新产生随机点,直到得到一个另取随机数重新产生随机点,直到得到一个可行的随机点为止。可行的随机点为止。构造随机搜索方向构造随机搜索方向 利用计算机中的随机数发生器,在区间利用计算机中的随机数发生器,在区间-1,1上产生一组随机数方法上产生一组随机数方法r1、r2、rn(n
展开阅读全文