现代设计方法-优化设计-数学基础_第1页
现代设计方法-优化设计-数学基础_第2页
现代设计方法-优化设计-数学基础_第3页
现代设计方法-优化设计-数学基础_第4页
现代设计方法-优化设计-数学基础_第5页
已阅读5页,还剩30页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、现代设计方法 优化设计部分优化设计部分 黄正东 二0一四年四月 本章主要内容 ? 优化设计概述 ? 优化设计的数学基础 ? 一维探索优化方法 ? 无约束优化方法 ? 约束问题优化方法 ? 优化设计若干问题 ? 优化设计概述 ? 优化设计的数学基础 ? 一维探索优化方法 ? 无约束优化方法 ? 约束问题优化方法 ? 优化设计若干问题 ? 函数的泰勒展开 ? 目标函数无约束极值条件 ? 目标函数的凸性 ? 约束问题的极值条件 (模型的性质与最优解的表征) 优化设计的数学基础 优化设计的本质:求极值。 为便于对多变量问题进行数学分析和求解,往往需要采 用线性函数和二次函数替代简化目标函数。 (1)一

2、元函数的f(X)泰勒展开:若f(x)在含有x(0)处的 某个开区间内直到(n+1)阶可导,只要开区间(a,b) 足够小,则该函数在(a,b)内x(0)点处的二阶泰勒展开 式为: (0)(0)(0)(0)(0)2 1 ( )()()()()() 2 f xf xfxxxfxxx+ 函数的泰勒展开 (2)二元函数f(x1,x2) 的泰勒展开: = 2 1 x x X )0( 2 1 )0( )( XX x f x f Xf = = = 2 2 2 12 2 21 2 2 1 2 )0(2 )( x f xx f xx f x f Xf 函数的泰勒展开 ( )() ) Xf )( 2 1 )( 0(

3、)0(2)0( )0()0()0( XXXfXX XXXfXf T T + + 1 2 n x x X x = M (0) 1 (0) 2 () n XX f x f xf X f x = = M (0) 222 2 1121 222 2(0)2 2122 222 12 () n n nnnn XX fff xx xx x fff f Xxxxxx fff xxxxxx = = L L MMLM L (3)多元函数f(x1,x2,xn) 的泰勒展开: (0)(0)(0) (0)2(0)(0) ()()() 1 () 2 T T f Xf Xf XXX XXf XXX + + (0) ()f X

4、 2(0) ()f x : 目标函数f(x)在点x(0)的所有一阶偏导数组成 的矩阵向量(一阶导数矩阵向量或梯度) :目标函数f(x)在点x(0)的所有二阶偏导数组成 的矩阵 (二阶导数矩阵或海色矩阵,记作 H(x)),nn阶对称矩阵 f(x(2) f(x(1) 函数Hessian矩阵函数Hessian矩阵 例子例子 优化设计的首要工作是判断极值的存在性,如不存在极 值,优化设计无意义。 (1)无约束目标函数极值的存在性 ? 目标函数为一元函数f(x) f(x) 在点x(0)处有极值的充要条件为: (0)(0) ()0,()0fxfx=时,有极小值; 时,有极大值。 (0)(0) ()0,()

5、0fxfx= = = + u uu uunu XXgXgX Xgx 1 x 0 2 x 0)( 2 =Xg 0)( 1 =Xg )( * 2 Xg )( * 1 Xg )( * Xf * X = =+= =+= + + + = 02 0)( 0)()( 2 1 unu un unu u m u uu x x L xXg L XgXf X L 1 x 0 2 x * X 0)( 1 =Xg 0)( 2 =Xg )( * 1 Xg )( * 2 Xg 0)(0 * =Xf u ,则必有)若 以上两点可以统一用一个条件来表示: = =+= =+= + + + = 02 0)( 0)()( 2 1 u

6、nu un unu u m u uu x x L xXg L XgXf X L =+ 0 0)()( )(0)( )()( )()( i Ii k ii k kk ki k XgXf XnXIiXg 则必有 是极值点,个起作用约束,且的是点设 K-T(Kuhn-Tucker)条件:)条件: 。此时线性组合起作用约束梯度的非负 的负梯度等于该点所有,要么目标函数在该点 此时的极值点,要么是函数若点 )0( )0 (0)( )( )()( = = i i kk XfXfX 满足K-T条件的点称为K-T点。 对于一般非线性规划问题,K-T点一定是约束极值 点,但却不一定是全域最优点。一般采用多初始点下 的极值点是否都逼近同一点(可看成最优点)的近似 方法来判别。 但是,对于目标函数为凸函数,可行域为凸集的凸规 划问题,K-T点一定是全域最优点。 例: 用KT条件判断点是否是下列约束 优化问题的约束极值点。 0)( 0)( 04)( . . ) 3()( min 13 22 2 2 11 2 2 2 1 = = += += xXg xXg xxXgt s xxXf T X)02( * = 使上式成使上式成立立判断是否存在 令 ,

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论