结构优化设计 2.优化设计的数学基础.ppt

《结构优化设计 2.优化设计的数学基础.ppt》由会员分享，可在线阅读，更多相关《结构优化设计 2.优化设计的数学基础.ppt（34页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第二章 优化设计的数学基础机械优化设计是建立在多元函数的极值理论基础上无约束优化问题就是数学上的无条件极值问题约束优化问题则是数学上的条件极值问题一.多元函数的方向导数与梯度 1)函数的偏导数偏导数就是这个函数对自变量的变化率。1.方向导数方向导数2)二元函数的方向导数即沿某一方向d 的变化率，定义为3.方向导数与偏导数的关系Ox2x1x10 x20 x0 x1x2dxd 二维空间中的方向12n元函数的方向导数2.二元函数的梯度二元函数的梯度 2)二元函数梯度的几何解释Ox2x1x0变化率为零的方向最速下降方向下降方向上升方向最速上升方向f(x0)f(x0)梯度方向与等值线的关系3.多元函数的

2、梯度多元函数的梯度将二元函数推广到多元函数，对于多元函数f(x)在X0处的梯度，可表示为 梯度的模 二.多元函数的泰勒展开 矩阵形式函数的梯度方向和模例题（一）例题（二）2022/12/2212三.优化的极值条件1.无约束优化的极值条件2.等式约束优化的极值条件3.不等式约束优化的极值条件1.无约束优化问题的极值条件极值条件极值条件就是指目标函数取得极小值时极值点所应满足的条件任何一个单值、连续、可微分的不受任何约束的一元函数f(x)在点(x0)处有极值的充分必要条件是对于二元函数，若在点(x0)处取得极值其必要条件是 二元函数取得极值的充分条件(1)二元函数在点(x0)处的泰勒展开式，考虑上

3、述极值必要条件，有(2)若f(x1,x2)在(x10,x20)处取得极小值，则要求其附近的一切点均须满足(3)此条件反映了在点(x10,x20)处的海赛矩阵G(x0)的各阶主子式均大于零，即(4)二元函数在某点处取得极值的充分条件是要二元函数在某点处取得极值的充分条件是要求在该点处的海赛矩阵为正定求在该点处的海赛矩阵为正定 多元函数取得极值的充要条件2.等式约束优化问题的极值条件(1)求解等式约束优化问题(2)思路：将其转化为无约束优化问题，有两种常用的方法:(1)消元法（降维法）(2)拉格朗日乘子法（升维法）消元法（降维法）对于n维问题，可由l个约束方程将n个变量中的前l个变量用其余nl个变

4、量表示，即有将这些函数关系代入到目标函数中，从而得到只含 的共nl个变量的函数 就可以利用无约束优化问题的极值条件求解。通过增加变量将等式约束优化问题变成无约束优化问题。所以又称作升维法升维法对于具有l个约束的N维问题引入拉格郎日乘子 构成一个新的目标函数将其作为一个新的无约束条件的目标函数来求解它的极值点，所得结果就是原等式约束问题的极值点。新的目标函数具有极值点的必要条件为一共可得n+l个方程，从而可解得x+共n+l个未知变量的值。由上述方程组求得的x*即为原等式约束优化问题的极值点。3.不等式约束优化的极值条件(1)对于多元函数不等式的约束优化问题(2)求解思路不等式约束等式约束无约束优

5、化引入松驰变量拉格朗日乘子拉格朗日乘子法新的目标函数对应的约束对应的约束条件起作用条件起作用对应的约束条对应的约束条件不起作用件不起作用无约束极值条件，在极值点处有库恩库恩塔克条件塔克条件表示成梯度形式库恩塔克条件上式表明库恩塔克条件的几何意义是，在约束极小值点x*处，函数f(x)的负梯度一定能表示成所有起作用约束在该点梯度的非负线性组合库恩塔克条件扩展对于同时具有等式和不等式的约束的优化问题 库恩塔克条件可表述为例题：无约束优化问题求函数的极值首先，根据极值的必要条件求驻点再根据极值的充分条件，判断其海赛矩阵是否正定例题：等式约束优化问题用拉格朗日乘子法改造目标函数用拉格朗日乘子法改造目标函数例题：库恩塔克条件此问题在设计空间平面上的图形如图所示，它的K-T条件表示为例题：库恩塔克条件(1)若g1,g2,g3在x*处都起作用K-T条件中的第一个方程可写为三个方程两个未知数三个方程两个未知数属矛盾方程组属矛盾方程组例题：库恩塔克条件(2)若g1,g3在x*处都起作用K-T条件中的第一个方程可写为不满足非负要求不满足非负要求例题：库恩塔克条件(3)若g1,g2在x*处都起作用K-T条件中的第一个方程可写为X1=1不满足g3满足非负要求满足非负要求小结多元函数的方向导数与梯度多元函数的泰勒展开无约束优化的极值条件等式约束优化的极值条件拉格朗日乘子法不等式约束优化的极值条件库恩塔克条件