优化设计理论基础.ppt

优化设计理论基础.ppt

ID:56461917

大小:977.50 KB

页数:30页

时间:2020-06-18

优化设计理论基础.ppt_第1页
优化设计理论基础.ppt_第2页
优化设计理论基础.ppt_第3页
优化设计理论基础.ppt_第4页
优化设计理论基础.ppt_第5页
资源描述:

《优化设计理论基础.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、优化设计的理论与数学基础1)多元函数的Taylor展开式2)二次型函数3)关于优化方法中搜索方向的理论基础4)凸集与凸函数5)最优化问题的极值存在条件2021/7/291§2-1函数的Taylor展开式*在实际计算中,常取前三项(二次函数)来近似原函数:式中,一.一元函数的Taylor展开式2021/7/292二.多元函数的Taylor展开式(1)(2)(3)梯度海赛(Hessian)矩阵对称矩阵2021/7/293故解:例:将函数写成在点处泰勒展开式的矩阵形式。2021/7/294§2-2二次齐次函数例:系数矩阵2021/7/295*矩阵A为正定的充要条件--A的各阶主子式均大于零。如

2、为正定,则必有:2021/7/296§2-3关于优化方法中搜索方向的理论基础1.方向导数一.函数的最速下降方向2.梯度二.共轭方向1.正定二次函数2.共轭方向的基本概念3.构成共轭方向的方法2021/7/2971.定义--函数沿指定方向的平均变化率的极限。一)方向导数2.3.1函数的最速下降方向2021/7/2982.方向余弦2021/7/2993.方向导数的计算2021/7/2910二)梯度令于是单位矢量2021/7/2911从上式可得出如下结论:最优点*最速下降只是局部性质.4)在与梯度垂直的方向(等值线的切线方向)上,函数的变化率为零。2)梯度的模是最大的方向导数,负梯度方向是函数

3、的最速下降方向;1)方向导数是梯度在指定方向上的投影;3)最速下降方向为等值线(面)的法线方向;2021/7/29122.3.2共轭方向*当n=2时,1)矩阵表示一)正定二次函数也适于多元函数2021/7/29132)正定二元二次函数的特点ⅱ)F=f时有极小.此时椭圆缩为一点,即椭圆中心.ⅰ)F只影响椭圆的大小,不影响其中心位置---同心;②椭圆方程经坐标轴平移和转动后可去掉一次项和交叉项,故写成下述形式不失一般性:①因函数为正定,故A为正定,即:由于判别式<0,无论F(X)取何值,所得方程均为椭圆方程.证:(1)正定二元二次函数的等值线是一族同心椭圆,其中心坐标就是该函数的极小点。20

4、21/7/2914(2)过同心椭圆族的中心作任意直线与椭圆族中任意两椭圆相交,再过两交点所作相应椭圆的切线必相互平行。为常量,说明该直线上各椭圆的斜率均相等.逆命题:设两平行线与同心椭圆族中两椭圆分别相切于点,则过的直线必通过椭圆族的中心.设过中心的直线为,代入上式得:就上式对求导:证:2021/7/2915二)共轭方向的基本概念*几何意义:经过线性变换A后成了与正交的向量.例:设A为n*n阶正定对称矩阵,是两个n维向量,若存在则称对A共轭。1)定义2021/7/29162)共轭方向的性质*这种性质称为有限步收敛性(亦称二次收敛性)(2)从任意选定的初始点出发,只要依次沿n个共轭方向进行

5、一维搜索,一轮后便可达到n元正定二次函数的极小点。(证明见席少霖:《最优化方法》,P97)(1)若矢量系彼此对正定对称矩阵A共轭,则它们组成线性无关的矢量系;2021/7/2917三)构成共轭方向的方法设为平行于的两条直线,则过这两直线上正定n元二次目标函数的极小点的向量和对Hession矩阵A共轭。2021/7/2918证明:二次函数其梯度为因分别为两直线上的极小点,故有将上述两式相减2021/7/2919再从出发,沿搜索得2)取初始点,沿方向搜索解:1)例:对于目标函数,给定,试求出与共轭的方向,并求出目标函数的极小点。2021/7/2920§2-4凸集与凸函数XX2X1凸集非凸集凹

6、集*若X是X1和X2连线上的点,则有2·4·1凸集---若任意两点,对于,恒有,则D为凸集。整理后即得2021/7/29212·4·2凸函数设f(X)为定义在Rn内一个凸集D上的函数,若对于及D上的任意两点X1,X2,恒有则f(X)为定义在D上的一个凸函数。1.定义2021/7/29222.凸函数的基本性质证:由定义两式相加,整理后可得证.(2)设、均为定义在凸集D上的凸函数,则+也是定义在D上的凸函数。证:由定义两边乘上:(1)设为定义在凸集D上的凸函数,为任意正实数,则也是定义在D上的凸函数。(3)设、均为定义在凸集D上的凸函数,为任意正实数,则也是定义在D上的凸函数。2021/7/

7、29233.凸函数的判定若D为凸集,F(x)为定义在D上的凸函数,则此规划为凸规划。对于数学规划问题:4.凸规划凸规划的最优点是唯一的.为凸函数的充要条件是对于任意的(D为凸集),2021/7/2924§2-5最优化问题的极值存在条件梯度为零向量海赛矩阵正定二)多元函数具有极小值的充要条件一)一元函数具有极小值的充要条件2·5·1无约束问题的极值存在条件2021/7/2925简易证明:由矩阵理论可知因故2021/7/29262.5.

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。