大学优化设计试卷期末考试及答案.pdf

《大学优化设计试卷期末考试及答案.pdf》由会员分享，可在线阅读，更多相关《大学优化设计试卷期末考试及答案.pdf（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、一、填空题一、填空题1。组成优化设计数学模型的三要素是 设计变量、目标函数、约束条件。2122.函数fx1,x2 x12 x224x1x25在X0 点处的梯度为，海赛矩阵40 24为423。目标函数是一项设计所追求的指标的数学反映，因此对它最基本的要求是能用来评价设计的优劣,，同时必须是设计变量的可计算函数。4.建立优化设计数学模型的基本原则是确切反映工程实际问题，的基础上力求简洁。5.约束条件的尺度变换常称 规格化，这是为改善数学模型性态常用的一种方法。6.随机方向法所用的步长一般按加速步长法来确定，此法是指依次迭代的步长按一定的比例 递增的方法。7.最速下降法以负梯度方向作为搜索方向，因此

2、最速下降法又称为梯度法，其收敛速度较 慢。8。二元函数在某点处取得极值的充分条件是fX0 0必要条件是该点处的海赛矩阵正定9.拉格朗日乘子法的基本思想是通过增加变量将等式约束优化问题变成 无约束优化问题，这种方法又被称为 升维法。10 改变复合形形状的搜索方法主要有反射，扩张，收缩，压缩11坐标轮换法的基本思想是把多变量 的优化问题转化为 单变量 的优化问题12在选择约束条件时应特别注意避免出现相互矛盾的约束，另外应当尽量减少不必要的约束.13目标函数是 n 维变量的函数，它的函数图像只能在 n+1,空间中描述出来,为了在 n 维空间中反映目标函数的变化情况,常采用目标函数等值面的方法.14.

3、数学规划法的迭代公式是Xk1 Xkkdk，其核心是建立搜索方向,和计算最佳步长15 协调曲线法是用来解决设计目标互相矛盾的多目标优化设计问题的。16.机械优化设计的一般过程中,建立优化设计数学模型是首要和关键的一步,它是取得正确结果的前提。二、名词解释、名词解释1凸规划对于约束优化问题min fXs.tgjX 0(j 1,2,3,m)若fX、gjX(j 1,2,3,m)都为凸函数，则称此问题为凸规划。2可行搜索方向是指当设计点沿该方向作微量移动时，目标函数值下降，且不会越出可行域。3设计空间：n 个设计变量为坐标所组成的实空间，它是所有设计方案的组合4。可靠度5收敛性是指某种迭代程序产生的序列

4、Xkk 0,1,收敛于lim Xk1 Xk6。非劣解：是指若有 m 个目标fiXi 1,2,m，当要求 m-1 个目标函数值不变坏时，找不到一个 X，使得另一个目标函数值fiX比fiX，则将此X为非劣解。7。黄金分割法：是指将一线段分成两段的方法,使整段长与较长段的长度比值等于较长段与较短段长度的比值.8.可行域：满足所有约束条件的设计点，它在设计空间中的活动范围称作可行域。9.维修度略三、简答题1什么是内点惩罚函数法?什么是外点惩罚函数法?他们适用的优化问题是什么？在构造惩罚函数时，内点惩罚函数法和外点惩罚函数法的惩罚因子的选取有何不同？1）内点惩罚函数法是将新目标函数定义于可行域内，序列迭

5、代点在可行域内逐步逼近约束边界上的最优点。内点法只能用来求解具有不等式约束的优化问题。内点惩罚函数法的惩罚因子是由大到小，且趋近于 0 的数列。相邻两次迭代的惩在可行域之外，序列迭代点从可行域之外逐渐逼近约束边界上的最优点。外点法可以用来求解含不等式和等式约束的优化问题.外点惩罚函数法的惩罚因子，它是由小到大,且趋近于的数列。惩罚因子按下式递增rk crk1(k 1,2,)，式中c为惩罚因子的递增系数,通常取c 5102共轭梯度法中，共轭方向和梯度之间的关系是怎样的?试画图说明。1TkTk。对于二次函数，fXX GX b X c,从X点出发,沿 G 的某一共轭方向d作一维搜索，2到达Xk1点，

6、则Xk1点处的搜索方向dj应满足dj之差gk1 gk与dk的共轭方向dj正交。3为什么说共轭梯度法实质上是对最速下降法进行的一种改进？。答：共轭梯度法是共轭方向法中的一种，在该方法中每一个共轭向量都依赖于迭代点处的Tgk1 gk 0,即终点Xk1与始点Xk的梯度负梯度构造出来的。共轭梯度法的第一个搜索方向取负梯度方向，这是最速下降法.其余各步的搜索方向是将负梯度偏转一个角度，也就是对负梯度进行修正。所以共轭梯度法的实质是对最速下降法的一种改进。4.写出故障树的基本符号及表示的因果关系。略5.算法的收敛准则由哪些？试简单说明。略6。优化设计的数学模型一般有哪几部分组成？简单说明。略7简述随机方向

7、法的基本思路答：随机方向法的基本思路是在可行域内选择一个初始点,利用随机数的概率特性，产生若干个随机方向，并从中选择一个能使目标函数值下降最快的随机方向作为可行搜索方向。从初始点出发,沿搜索方向以一定的步长进行搜索，得到新的X值，新点应该满足一定的条件，至此完成第一次迭代。然后将起始点移至X，重复以上过程，经过若干次迭代计算后，最终取得约束最优解。三、计算题1试用牛顿法求fX8x125x22的最优解，设X01010。T初始点为X01010，则初始点处的函数值和梯度分别为TfX0170016x14x2200，沿梯度方向进行一维搜索,有fX1404x 10 x12010200102000X X 0

8、fX0101401014001000为一维搜索最佳步长,应满足极值必要条件f X1 min f X0f X0 min 810 2000 410 2000101400510140022 min010600000596000，从而算出一维搜索最佳步长059600 0.056226410600001020001.24528301X 则第一次迭代设计点位置和函数值101402.12830190fX1 24.4528302,从而完成第一次迭代.按上面的过程依次进行下去,便可求得最优解。2、试用黄金分割法求函数f20的极小点和极小值，设搜索区间a,b0.2,1（迭代一次即可）解：显然此时,搜索区间a,b0

9、.2,1，首先插入两点1和2，由式1b(ba)10.61810.20.50562 a(ba)0.20.61810.2 0.6944计算相应插入点的函数值f1 40.0626,f2 29.4962。因为f1 f2。所以消去区间a,1,得到新的搜索区间1,b,即1,ba,b0.5056,1。第一次迭代：插入点1 0.6944，2 0.50560.618(10.5056)0.8111相应插入点的函数值f1 29.4962,f2 25.4690，由于f1 f2，故消去所以消去区间a,1，得到新的搜索区间1,b，则形成新的搜索区间1,ba,b0.6944,1.至此完成第一次迭代，继续重复迭代过程，最终可

10、得到极小点。23用牛顿法求目标函数fX16x1225x2+5 的极小点，设X022。T解：由X0 f x32x 64 T11022，则fX f 50 x2100 x2 2fx220 fX21 fx2x12f 1321x1x2320 20,其逆矩阵为 fX 2 f05002x20150 1123210200因此可得：X X fXfX2 00 64 0 1100050TfX15,从而经过一次迭代即求得极小点X00，fX5204。下表是用黄金分割法求目标函数f的极小值的计算过程,请完成下表。迭代序号a0.212b1y1比较y201迭代序号a0。21050562。0.6944b1y1比较y2040。062629.496210.50560.69440。8111129.496225.4690