《機械優(yōu)化設(shè)計》習(xí)題及答案1(總10頁)

《《機械優(yōu)化設(shè)計》習(xí)題及答案1(總10頁)》由會員分享，可在線閱讀，更多相關(guān)《《機械優(yōu)化設(shè)計》習(xí)題及答案1(總10頁)（10頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、機械優(yōu)化設(shè)計習(xí)題及參考答案 1-1.簡述優(yōu)化設(shè)計問題數(shù)學(xué)模型的表達(dá)形式。 答：優(yōu)化問題的數(shù)學(xué)模型是實際優(yōu)化設(shè)計問題的數(shù)學(xué)抽象。在明確設(shè)計變量、約束條件、目標(biāo)函數(shù)之后，優(yōu)化設(shè)計問題就可以表示成一般數(shù)學(xué)形式。求設(shè)計變量向量使 且滿足約束條件 2-1.何謂函數(shù)的梯度？梯度對優(yōu)化設(shè)計有何意義？ 答：二元函數(shù)f(x1,x2)在x0點處的方向?qū)?shù)的表達(dá)式可以改寫成下面的形式： 令， 則稱它為函數(shù)f（x1，x2）在x0點處的梯度。 （1）梯度方向是函數(shù)值變化最快方向，梯度模是函數(shù)變化率的最大值。 （2）梯度與切線方向d垂直，從而推得梯度方向為等值面的法線方向。

2、梯度方向為函數(shù)變化率最大方向，也就是最速上升方向。負(fù)梯度-方向為函數(shù)變化率最小方向，即最速下降方向。 2-2.求二元函數(shù)f（x1，x2）=2x12+x22-2x1+x2在處函數(shù)變化率最 大的方向和數(shù)值。 解：由于函數(shù)變化率最大的方向就是梯度的方向，這里用單位向量p表示，函數(shù)變化率最大和數(shù)值時梯度的模。求f（x1，x2）在x0點處的梯度方向和數(shù)值，計算如下： = 2-3.試求目標(biāo)函數(shù)在點X0=[1,0]T 處的最速下降方向，并求沿著該方向移動一個單位長度后新點的目標(biāo)函數(shù)值。 解：求目標(biāo)函數(shù)的偏導(dǎo)數(shù) 則函數(shù)在X0=[1,0]T處的最速下降方向是

3、 這個方向上的單位向量是： 新點是 新點的目標(biāo)函數(shù)值 2-4.何謂凸集、凸函數(shù)、凸規(guī)劃？（要求配圖） 答：一個點集（或區(qū)域），如果連接其中任意兩點x1、x2的線段都全部包含在該集合內(nèi)，就稱該點集為凸集，否則為非凸集。 函數(shù)f(x）為凸集定義域內(nèi)的函數(shù)，若對任何的及凸集域內(nèi)的任意兩點x1、x2，存在如下不等式： 稱f（x）是定義在圖集上的一個凸函數(shù)。 對于約束優(yōu)化問題 若 都是凸函數(shù)，則稱此問題為凸規(guī)劃。 3-1.簡述一維搜索區(qū)間消去法原理。（要配圖） 答：搜索區(qū)間（a，b）

4、確定之后，采用區(qū)間逐步縮短搜索區(qū)間，從而找到極小點的數(shù)值近似解。假設(shè)搜索區(qū)間（a，b）內(nèi)任取兩點a1，b1 ，a1《b1，并計算函數(shù)值f（a1），f（b1）。將有下列三種可能情形； 1）f（a1）《f（b1）由于函數(shù)為單谷，所以極小點必在區(qū)間（a，b1）內(nèi) 2）f（a1）》f（b1），同理，極小點應(yīng)在區(qū)間（a1，b）內(nèi) 3）f（a1）=f（b1），這是極小點應(yīng)在（a1，b1）內(nèi) 3-2.簡述黃金分割法搜索過程及程序框圖。 其中，為待定常數(shù)。 3-3.對函數(shù)，當(dāng)給定搜索區(qū)間時，寫出用黃金 分割法求極小點的前三次搜索過程。（要列表）

5、黃金分割法的搜索過程 序號 a a1 a2 b Y1 比較 Y2 0 -5 -1.18 1.18 5 -0.9676 < 3.7524 1 -5 -2.639 -1.181 ？ 1.686 > -0.967 2 ？ -1.18 -0.279 1.18 -0.9676 < -0.48 3 -2.639 -1.737 -1.181 ？ -0.457 > -0.482 3-4.使用二次插值法求f(x)=sin(x)在區(qū)間[2,6]的

6、極小點，寫出計算步驟和迭代公式，給定初始點x1=2，x2=4，x3=6， ε=10-4。 解： 1 2 3 4 x1 2 4 4.55457 4.55457 x2 4 4.55457 4.73656 4.72125 x3 6 6 6 4.73656 y1 0.909297 -0.756802 -0.987572 -0.987572 y2 -0.756802 -0.987572 -0.999708 -0.999961 y3 -0.279415 -0.279415 -0.279415 -0.999708 xp 4.

7、55457 4.73656 4.72125 4.71236 yp -0.987572 -0.999708 -0.999961 -1 迭代次數(shù)K= 4 ，極小點為 4.71236 ，最小值為 -1 ，， 收斂的條件： 4-1.簡述無約束優(yōu)化方法中梯度法、共軛梯度法、鮑威爾法的主要區(qū)別。 答：梯度法是以負(fù)梯度方向作為搜索方向，使函數(shù)值下降最快，相鄰兩個迭代點上的函數(shù)相互垂直即是相鄰兩個搜索方向相互垂直。這就是說在梯度法中，迭代點向函數(shù)極小點靠近的過程，走的是曲折的路線。這一次的搜索方向與前一次的搜索

8、過程互相垂直，形成“之”字形的鋸齒現(xiàn)象。從直觀上可以看到，在遠(yuǎn)離極小點的位置，每次迭代可使函數(shù)值有較多的下降?？墒窃诮咏鼧O小點的位置，由于鋸齒現(xiàn)象使每次迭代行進(jìn)的距離縮短，因而收斂速度減慢。這種情況似乎與“最速下降”的名稱矛盾，其實不然，這是因為梯度是函數(shù)的局部性質(zhì)。從局部上看，在一點附近函數(shù)的下降是最快的，但從整體上看則走了許多彎路，因此函數(shù)的下降并不算快。 共軛梯度法是共軛方向法中的一種，因為在該方法中每一個共軛的量都是依賴于迭代點處的負(fù)梯度而構(gòu)造出來的，所以稱作共軛梯度法。該方法的第一個搜索方向取作負(fù)梯度方向，這就是最速下降法。其余各步的搜索方向是將負(fù)梯度偏轉(zhuǎn)一個角度，也就是對負(fù)梯度進(jìn)

9、行修正。所以共軛梯度法實質(zhì)上是對最速下降法進(jìn)行的一種改進(jìn)，故它又被稱作旋轉(zhuǎn)梯度法。 鮑威爾法是直接利用函數(shù)值來構(gòu)造共軛方向的一種共軛方向法，這種方法是在研究其有正定矩陣G的二次函數(shù)的極小化問題時形成的。其基本思想是在不用導(dǎo)數(shù)的前提下，在迭代中逐次構(gòu)造G的共軛方向。在該算法中，每一輪迭代都用連結(jié)始點和終點所產(chǎn)生出的搜索方向去替換原向量組中的第一個向量，而不管它的“好壞”，這是產(chǎn)生向量組線性相關(guān)的原因所在。因此在改進(jìn)的算法中首先判斷原向量組是否需要替換。如果需要替換，還要進(jìn)一步判斷原向量組中哪個向量最壞，然后再用新產(chǎn)生的向量替換這個最壞的向量，以保證逐次生成共軛方向。 4-2.如何確定無約

10、束優(yōu)化問題最速下降法的搜索方向？ 答：優(yōu)化設(shè)計是追求目標(biāo)函數(shù)值最小，因此搜所方向d取該點的負(fù)梯度方向-。使函數(shù)值在該點附近的范圍下降最快。按此規(guī)律不斷走步，形成以下迭代的算法 （k=0，1,2，…） 由于最速下降法是以負(fù)梯度方向作為搜索方向，所以最速下降法有稱為梯度法 為了使目標(biāo)函數(shù)值沿搜索方向-能獲得最大的下降值，其步長因子應(yīng)取一維搜索的最佳步長。即有 根據(jù)一元函數(shù)極值的必要條件和多元復(fù)合函數(shù)求導(dǎo)公式得； 或?qū)懗? 由此可知，在最速下降法中，相鄰兩個迭代點上的函數(shù)梯度相互垂直。而搜索方向就是負(fù)梯度方向，因此相鄰的兩個搜索方向相互垂直。這就是說在最速下降法中，迭代點向函

11、數(shù)極小點靠近的過程。 4-3. 給定初始值x0=[-7,11]T，使用牛頓法求函數(shù)的極小值點和極小值。 解： 梯度函數(shù)、海賽矩陣分別為 （2分） （4分） 假設(shè)初始值x0=[-7,11]T 則 （1分） （2分） 則 （1分） x1滿足極值的必要條件，海賽矩陣是正定的，所以是極小點 。 （2分） 4-4.以二元函數(shù)為例說明單形替換法的基本原理。 答：如圖所示在平面上取不在同一直線上的三個點x1，x2，x3，以它們?yōu)轫旤c組成一單純形。 計算各頂點函數(shù)值，設(shè)f（x1）>f

12、（x2）>f（x3），這說明x3點最好，x1點最差。 為了尋找極小點，一般來說。應(yīng)向最差點的反對稱方向進(jìn)行搜索，即通過x1并穿過x2x3的中點x4的方向上進(jìn)行搜索。在此方向上取點x5 使 x5=x4+（x4-x1） x5稱作x1點相對于x4點的反射點，計算反射點的函數(shù)值f（X5），可能出現(xiàn)以下幾種情形； 1）f（x5）

13、比次差點差，比最差點好，說明x5走的太遠(yuǎn)，應(yīng)縮回一些，即收縮。 4) f(x5)>f(x1)，反射點比最差點還差，說明收縮應(yīng)該多一些。將新點收縮在x1x4之間 5) f(x)>f(x1)，說明x1x4方向上所有點都比最差點還要差，不能沿此方向進(jìn)行搜索。 5-1.簡述約束優(yōu)化方法的分類。（簡述約束優(yōu)化問題的直接解法、間接解法的原理、特點及主要方法。） 答: 直接解法通常適用于僅含不等式約束的問題，它的基本思路是在m個不等式約束條件所確定的可行域內(nèi)選擇一個初始點，然后決定可行搜索方向d，且以適當(dāng)?shù)牟介L沿d方向進(jìn)行搜索，得到一個使目標(biāo)函數(shù)值下降的可行的新點，即完成一個迭代。再以新

14、點為起點，重復(fù)上述搜索過程，滿足收斂條件后，迭代終止。所謂可行搜索方向是指，當(dāng)設(shè)計點沿該方向作微量移動時，目標(biāo)函數(shù)值將下降，且不會越出可行域。產(chǎn)生可行搜索方向的方法將由直接解法中的各種算法決定。 直接解法的原理簡單，方法實用。其特點是：1）由于整個求解過程在可行域內(nèi)進(jìn)行，因此迭代計算不論何時終點，都可以獲得一個比初始點好的設(shè)計點。2）若目標(biāo)函數(shù)為凸函數(shù)，可行域為凸集，則可保證獲得全域最優(yōu)解。否則，因存在多個局部最優(yōu)解，當(dāng)選擇的初始點不相同時，可能搜索到不同的局部最優(yōu)解。為此，常在可行域內(nèi)選擇幾個差別較大的初始點分別進(jìn)行計算，以便從求得多個局部最優(yōu)解中選擇最好的最優(yōu)解。3）要求可行域為有界的非

15、空集，即在有界可行域內(nèi)存在滿足全部約束條件的點，且目標(biāo)函數(shù)有定義。 直接解法有：隨機方向法、復(fù)合形法、可行方向法、廣義簡約梯度法等。 間接解法有不同的求解策略，其中一種解法的基本思路是將約束優(yōu)化問題中的約束函數(shù)進(jìn)行特殊的加權(quán)處理后，和目標(biāo)函數(shù)結(jié)合起來，構(gòu)成一個新的目標(biāo)函數(shù)，即將原約束優(yōu)化問題轉(zhuǎn)化成一個或一系列的無約束優(yōu)化問題。再對新的目標(biāo)函數(shù)進(jìn)行無約束優(yōu)化計算，從而間接地搜索到原約束問題的最優(yōu)解。 間接解法是目前在機械優(yōu)化設(shè)計中得到廣泛應(yīng)用的一種有效方法。其特點是：1）由于無約束優(yōu)化方法的研究日趨成熟，已經(jīng)研究出不少有效的無約束最優(yōu)化方法和程序，使得間接解法有了可靠的基礎(chǔ)。目前，這類算法的計算效率和數(shù)值穩(wěn)定性也都有了較大提高。2）可以有效地處理具有等式約束的約束優(yōu)化問題。3）間接算法存在的主要問題是，選取加權(quán)因子比較困難，加權(quán)因子選取不當(dāng)，不但影響收斂速度和計算精度，甚至?xí)?dǎo)致計算失敗。 間接解法有懲罰函數(shù)法和增廣乘子法。 5-2.用內(nèi)點法求下列問題的最優(yōu)解： （提示：可構(gòu)造懲罰函數(shù) ，然后用解析法求解。） [解] 構(gòu)造內(nèi)點懲罰函數(shù)： 令懲罰函數(shù)對x的極值等于零： 得： 舍去負(fù)根后，得 當(dāng) 。