《机械优化设计》复习题-答案

《机械优化设计》复习题解答一、填空题11（X)=100(2-x22（1-x12的最优解时,(＝[-0.5，0.5]，第1一步迭代的搜索方向为[—47,—50］T。2、机械优化设计采用数学规划法，其核心一是寻找搜索方向，二是计算最优步长.3、当优化问题是凸规划的情况下，任何局部最优解就是全域最优解。4、应用进退法来确定搜索区间时，最后得到的三点，即为搜索区间的始点、中间点终点，它们的函数值形成高－低－高 趋势。5、包含n个设计变量的优化问题，称为 n 维优化问题。6、函数的梯度为B。7Gn×nnd0，d1,满足(d0)TGd1=0，d0、d1之间存在关系。8、 设计变量 、 目标函数 、 约束条件 是优化设计问题数模型的基本要素.9,,，充分条件是 （ 正定 。10、 K—T 条件可以叙述为在极值点处目标函数的梯度为起作用各约束函数梯度的非负线性组合。用黄金分割法求一元函数的极小点,初始搜索区间经第一次区间消去后得到的新间为[-2。36 10] 。12、优化设计问题的数学模型的基本要素有设计变量、 目标函数 、 约束条件.13、牛顿法的搜索方向dk= 其计算量大且要求初始点在极小点附近置.14 、将函数 f(X ）=x12+x22—x1x2—10x1—4x2+60 表示成的形式。15、存在矩阵H，向量d1,向量d2,当满足d1THd2=0，向量d1和向量d2是关于H共轭。16、采用外点法求解约束优化问题时，将约束优化问题转化为外点形式时引入的惩罚因子r数列，具有单调递增特点。17、采用数学规划法求解多元函数极值点时，根据迭代公式需要进行一维搜索，即求最优步长。二、选择题1、下面C方法需要求海赛矩阵。A、共轭梯度法C、牛顿型法D、DFP法2、对于约束问题根据目标函数等值线和约束曲线,判断为 ，为 。A．内点；内点B.外点；外点C。内点;外点D.外点；内点3BA无约束优化问题B只含有不等式约束的优化问题C只含有等式的优化问题D 含有不等式和等式约束的优化问题4[ab1b〈（1)<f(1，D。A B [b1，b]［a1,b]D 5、D不是优化设计问题数学模型的基本要素。A设计变量B约束条件C目标函数D6xk+1=kkk▽f(kk必须满足的条件的是C。A。Hk之间有简单的迭代形式B。拟牛顿条件C.与海塞矩阵正交D.对称正定7、函数在某点的梯度方向为函数在该点的A。A、最速上升方向、上升方向CD、下降方向8、下面四种无约束优化方法中，D阶导数。A梯度法B牛顿法C变坐标轮换法9、设为定义在凸集R上且具有连续二阶导数的函数，则在R上为凸函数的充分必要条件是海塞矩阵G（X）在R上处处B。正定半正定负定半负定10、下列关于最常用的一维搜索试探方法—-黄金分割法的叙述，错误的是D,假设要求在区间[a，b]插入两点α1、α2，且α1〈α2。A0。、α1=b—λ（b—a）C、α1=a+λ（b-a）D、在该方法中缩短搜索区间采用的是外推法。11、与梯度成锐角的方向为函数值A方向，与负梯度成锐角的方向为函数值B方向，与梯度成直角的方向为函数值C方向。A、下降C、不变D12、二维目标函数的无约束极小点就是B。A、等值线族的一个共同中心0C、全局最优解D、海塞矩阵正定的点13dkdk+1B向量。相切正交成锐角共轭14A。A可用来求解含不等式约束和等式约束的最优化问题B惩罚因子是不断递减的正值C初始点应选择一个离约束边界较远的点。D初始点必须在可行域内三、问答题(看讲义）1、试述两种一维搜索方法的原理，它们之间有何区别?2、惩罚函数法求解约束优化问题的基本原理是什么?3、试述数值解法求最佳步长因子的基本思路。4、试述求解无约束优化问题的最速下降法与牛顿型方法的优缺点。5、写出用数学规划法求解优化设计问题的数值迭代公式，并说明公式中各变量的意义，并说明迭代公式的意义。6、什么是共轭方向？满足什么关系？共轭与正交是什么关系?四、解答题1、试用梯度法求目标函数f(X）=1。5x12+0。5x22—x1x2—2x1的最优解,设初始点x（0）=[—2，4]T,ε=0。02（迭代一步。解:首先计算目标函数的梯度函数计算当前迭代点的梯度向量值梯度法的搜索方向为

，，因此在迭代点x(0）的搜索方向为［12,－6］T在此方向上新的迭代点为：= ==把新的迭代点带入目标函数，目标函数将成为一个关于单变量的函数令 ，可以求出当前搜索方向上的最优步长新的迭代点为当前梯度向量的长度 ，因此继续进行迭代。第一迭代步完成。2f（X）=（x1—2)2+(x1-2x2）2的最优解，设初始点x（0）=[2，1]T。1（注：题目出题不当,2）牛顿法的搜索方向为的梯度向量、海色矩阵及其逆矩阵

,因此首先求出当前迭代点x（0）不用搜索，当前点就是最优点。2:目的初始点，以体现牛顿方法的典型步骤。以非最优点x(0)=[1，2]T作为初始点，重新采用牛顿法计算牛顿法的搜索方向为 ,因此首先求出当前迭代点x(0）的梯度向量、以及海色矩阵及其逆矩阵梯度函数：初始点梯度向量：海色矩阵:海色矩阵逆矩阵：当前步的搜索方向为：＝新的迭代点位于当前的搜索方向上:= =＝ ＝把新的迭代点带入目标函数，目标函数将成为一个关于单变量的函数令 ，可以求出当前搜索方向上的最优步长新的迭代点为当前梯度向量的长度第二迭代步:

,因此继续进行迭代.因此不用继续计算，第一步迭代已经到达最优点。这正是牛顿法的二次收敛性。对正定二次函数，牛顿法一步即可求出最优点。3、设有函数f(X)=x

2+2x2-2xx-4x

，试利用极值条件求其极值点和极值。1 2 12 1解：首先利用极值必要条件找出可能的极值点：令＝求得 ，是可能的极值点。再利用充分条件 正定（或负定）确认极值点。因此 正定, 是极小点，极值为f(X*）=—84、求目标函数f（X）=x

2+xx+2x2+4x+6x

+10的极值和极值点。解法同上

1 12 2 1 25、试证明函数f（X）=2x

2+5x2+x2+2xx+2xx—6x

+3在点[1，1，-2]T处具有极1 2 3 32 31 2小值。解:必要条件:将点[1，1，—2]T带入上式，可得充分条件＝40正定。因此函数在点[1，1，-2］T处具有极小值6、给定约束优化问题minf（X)=(x1—3）2+(x2—2）2s.t。 g2(X)=－x1－2x2＋4≥0g3（X)=x1≥0g4(X)=x2≥0Kuhn—Tucker解：首先，找出在点起作用约束:g1（X）g2（X）g3(X)＝2g4(X)＝11（、2(X。然后，计算目标函数、起作用约束函数的梯度,检查目标函数梯度是否可以表示为起作用约束函数梯度的非负线性组合。＝＝ ，求解线性组合系数得到 均大于0Kuhn—Tucker7、设非线性规划问题K—T解法同上8f(X）=x1+x2g1（X）=-x12+x2≥0g2(X)=x1≥0写出内点罚函数。解：内点罚函数的一般公式为其中：r（1）>r(2)〉r(3）…>r（k)…>0 是一个递减的正值数列r(k)＝Cr(k—1)， 0＜C＜1因此罚函数为:9、已知目标函数为f(X）=(x1—1）2+(x2+2）2受约束于：g1（X）=—x2-x1-1≥0g2(X)=2-x1-x2≥0g3(X）=x1≥0g4（X)=x2≥0试写出内点罚函数。解法同上106mx造一个无盖的箱子,问如何截法（x取何值)才能获得最大容器的箱子。试写出这一优化MATLAB软件求解的程序.8000cm3,MATLAB软件求解的程序。12l的铅丝截成两段,一段弯成圆圈,铅丝,才能使圆和方形的面积之和为最大，试写出这一优化设计问题的数学模型以及用MATLAB软件求解的程序。13、求表面积为300m2的体积最大的圆柱体体积。试写出这一优化设计问题的数学模型以及用MATLAB软件求解的程序.1420cm，折成梯形槽,求梯形侧边多长及底角多大,matlab软件的优化工具箱求解（M文件和求解命令。15chA