第三章优化设计的某些基本概念和理论.ppt

第三章优化设计的某些基本概念和理论.ppt

ID:59479251

大小:1.60 MB

页数:41页

时间:2020-09-14

第三章优化设计的某些基本概念和理论.ppt_第1页
第三章优化设计的某些基本概念和理论.ppt_第2页
第三章优化设计的某些基本概念和理论.ppt_第3页
第三章优化设计的某些基本概念和理论.ppt_第4页
第三章优化设计的某些基本概念和理论.ppt_第5页
资源描述:

《第三章优化设计的某些基本概念和理论.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、第三章优化设计的某些基本概念和处理§3.1目标函数与约束函数的某些基本性质§3.2 约束函数的集合及其性质§3.3优化设计问题的最优解及其最优性条件§3.4优化设计问题的数值解法及收敛条件.§3.1 目标函数与约束函数的某些基本性质§3.1.1 函数的等值面(或线):对于可计算的函数f(x),给定一个设计点X(k)(x1(k),x2(k),…,xn(k)),f(x)总有一个定值c与之对应;而当f(x)取定值c时,则有无限多个设计点X(i)(x1(i),x2(i),…,xn(i))(i=1,2,…)与之对应,这些点集构成一个曲面,称为等值面。当c取c1,c2

2、,…等值时,就获得一族曲面族,称为等值面族。当f(x)是二维时,获得一族等值线族;当f(x)是三维时,获得一族等值面族;当f(x)大于三维时,获得一族超等值面族。.§3.1.1 函数的等值面(或线):等值线的“心”(以二维为例)一个“心”:是单峰函数的极(小)值点,是全局极(小)值点。没有“心”:例,线性函数的等值线是平行的,无“心”,认为极值点在无穷远处。多个“心”:不是单峰函数,每个极(小)值点只是局部极(小)值点,必须通过比较各个极值点和“鞍点”(须正确判别)的值,才能确定极(小)值点。.§3.1.1 函数的等值面(或线):等值线的形状:同心圆族、椭

3、圆族,近似椭圆族;等值线的疏密:沿等值线密的方向,函数值变化快;沿等值线疏的方向,函数值变化慢。等值线的疏密定性反应函数值变化率。严重非线性函数——病态函数的等值线族是严重偏心和扭曲、分布疏密严重不一的曲线族。.§3.1.2函数的最速下降方向方向导数:二维问题中,f(x1,x2)在X(0)点沿方向s的方向导数为:其中:是X(0)点的梯度。S为s方向的单位向量,。为S的方向角,方向导数为方向余弦。为梯度在方向s上的投影。.§3.1.2函数的最速下降方向梯度的性质:①梯度是X(0)点处最大的方向导数;②梯度的方向是过点的等值线的法线方向;③梯度是X(0)点处的

4、局部性质;④梯度指向函数变化率最大的方向;⑤正梯度方向是函数值最速上升的方向,负梯度方向是函数值最速下降的方向。对于n维问题的梯度.§3.1.3 函数局部近似的表达式和平方函数n维函数f(x)在x(k)点的台劳展开式:二阶近似式:其中:增量ΔX(k)=[Δx1(k),Δx2(k),…,Δxn(k)]T梯度Hesse矩阵Hesse矩阵与正定.§3.1.3 函数局部近似的表达式和平方函数Hesse矩阵的特性:是实对称矩阵。矩阵正定的充要条件:主子式det(ait)>0当主子式det(ait)≥0时,矩阵半正定det(ait)<0时,矩阵负定det(ait)≤0

5、时,矩阵半负定Hesse矩阵的正定性:H(x*)正定,是x*为全局极小值点的充分条件;H(x*)半正定,是x*为局部极小值点的充分条件;H(x*)负定,是x*为全局极大值点的充分条件;H(x*)半负定,是x*为局部极大值点的充分条件。正定的二次函数:曲面为椭圆抛物面;等值线族为椭圆曲线族,椭圆中心为极小值点。.§3.1.4 函数的凸性凸集:设D为欧氏空间Rn中X的集合,即D∈Rn,X∈D,若D域内任意两个点x(1),x(2)的连线上的各点都属于D域,则集合D称为Rn内的一个凸集。否则,为非凸集。凸函数:f(x)是定义在n维欧氏空间中,凸集上的函数,同时x(

6、1)∈D,x(2)∈D,ξ∈[0,1],当下式成立时,则称f(x)为定义在凸集D上的凸函数。f[ξx(1)+(1-ξ)x(2)]≤ξf(x(1))+(1-ξ)f(x(2))当上式中的≤为<时,f(x)是严格凸函数。.§3.1.4 函数的凸性判别函数为凸函数的凸性条件:按梯度判断凸性:设f(x)是定义在凸集D上具有连续一阶导数的函数,则f(x)在D上为凸函数的充要条件是:对于任意的x(1),x(2)∈D都有成立。按二阶偏导数判断凸性:设f(x)是定义在凸集D上具有连续二阶导数的函数,则f(x)在D上为凸函数的充要条件是:f(x)的Hesse矩阵处处半正定。若

7、Hesse矩阵处处正定,则f(x)为严格凸函数。凸函数的基本性质:若f(x)是定义在凸集D上的严格凸函数,则f(x)在D上的一个极小点,也就是全局最小点。凸函数的线性组合仍然为凸函数。设x(1),x(2)为凸函数f(x)上的两个最小点,则其连线上的任意点也都是最小点。.§3.2 约束函数的集合及其性质§3.2.1 约束集合和可行域约束集合:是指所有不等式约束和等式约束的交集即:由于该集合内所有设计点x都满足全部的约束条件,所以设计可行域可以表示为:其中假设函数gu(x)和h(x)都是连续的。这样,对于一个约束的优化设计问题,由于约束面的存在而把设计空间划分

8、为两个区域:设计可行域和非可行域。可行域内的各点都满足所有的约束条

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。