P4最优化设计3.ppt
- 文档编号:18296224
- 上传时间:2023-08-15
- 格式:PPT
- 页数:67
- 大小:3.57MB
P4最优化设计3.ppt
《P4最优化设计3.ppt》由会员分享,可在线阅读,更多相关《P4最优化设计3.ppt(67页珍藏版)》请在冰点文库上搜索。
课堂讲授主要内容,绪论设计方法学有限单元法机械优化设计机械可靠性设计,现代设计理论及方法课程,第五章机械最优化设计,5.1最优化设计的基本概念5.2优化方法的数学基础5.3无约束优化方法5.4约束优化方法,5机械最优化设计5.3无约束优化方法,大多数机械设计问题是约束优化问题;约束优化问题的求解转化为一系列无约束优化问题实现。
因此,无约束优化问题的解法是优化设计方法的基本组成部分,也是优化方法的基础。
无约束优化问题:
一维优化与多维优化。
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法5.3.2需要梯度信息的多维优化方法5.3.3不需要梯度信息的多维优化方法,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,一维优化方法是最简单、最基本的优化方法,可以实现:
解决一维目标函数的求最优问题;多维优化问题在既定方向上寻求最优步长的一维搜索。
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,一维搜索的计算步骤,第一步:
在给定方向上确定一个包含函数极小点的初始区间,即:
确定函数的搜索区间;第二步:
采用缩小区间或插值逼近的方法得到最优步长,即:
求出该搜索区间的最优步长和一维极小点。
一维搜索的计算方法,利用无约束目标函数的一阶导数为零求解黄金分割法(0.618法)二次插值法(近似抛物线法),5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,1.搜索区间的确定,进退试算法的算法思想:
按照一定的规律给出若干试算点,依次比较各试算点的函数值的大小,直到找到相邻三点的函数值按“高-低-高”变化的区间为止。
估计极小点所在的大致位置,直接给出搜索区间;进退试算法确定搜索区间。
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,1.搜索区间的确定,
(1)给定初始点和初始步长;,
(2)确定试算点及相应的函数值;,(3)比较试算点函数值,确定搜索方向和区间。
进退试算法的运算步骤:
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,1.搜索区间的确定,若,,说明极小点在试算点的右侧,前进试算;,(3)比较试算点函数值,确定搜索方向和区间。
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,1.搜索区间的确定,若,,说明极小点在试算点的左侧,后退试算;,(3)比较试算点函数值,确定搜索方向和区间。
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,2.黄金分割法,黄金分割法的算法思想:
通过比较单峰区间内两点函数值,不断舍弃单峰区间的左端或右端一部分,使区间按照固定区间缩短率(缩小后的新区间和原区间长度之比)逐步缩短,直到极小点所在的区间缩短到给定的误差范围内,而得到近似最优解。
序列消去原理,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,黄金分割法的序列消去,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,2.黄金分割法,黄金分割法:
按区间全长的0.618倍选取两个对称的内分点。
注意:
迭代过程中,除初始区间需要找两个内分点,每次缩短的新区间内,只需再计算一个新内点及其函数值。
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,2.黄金分割法,黄金分割法的运算步骤,
(2)在区间a,b内取两个内分点并计算其函数值:
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,2.黄金分割法,(3)比较试算点函数值,确定搜索方向和区间。
(三种情况),黄金分割法的运算步骤,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,2.黄金分割法,(4)判断迭代终止条件,黄金分割法的运算步骤,(5)输出一维优化的最优解,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,2.黄金分割法,算例:
黄金分割法程序实现,
(1)已知初始区间和计算精度,
(2)在给定初始区间内取两个内分点并计算其函数值,(3)比较内分点函数值,缩短搜索区间,消去右区间5.708,8,构造新区间a,b=2,5.708,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,M=2.00008.00004.29205.7080-1.62272.62536.00002.00005.70803.41654.2920-2.2430-1.62273.70802.00004.29202.87553.4165-1.8601-2.24302.29202.87554.29203.41653.7509-2.2430-2.18701.41652.87553.75093.20993.4165-2.1659-2.24300.87543.20993.75093.41653.5443-2.2430-2.24800.54103.41653.75093.54433.6232-2.2480-2.23480.33453.41653.62323.49543.5443-2.2500-2.24800.20673.41653.54433.46533.4954-2.2488-2.25000.12783.46533.54433.49543.5141-2.2500-2.24980.07903.46533.51413.48393.4954-2.2497-2.25000.04883.48393.51413.49543.5026-2.2500-2.25000.03023.49543.51413.50263.5070-2.2500-2.25000.01873.49543.50703.49983.5026-2.2500-2.25000.01153.49543.50263.49813.4998-2.2500-2.25000.0072,运算结果,xp=3.4990f_xp=-2.2500i=15,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,3.二次插值法,二次插值法的算法思想:
在给定的搜索区间中,插入一个内分点,利用三个点(两个区间端点和一个内分点)及其函数值构造二次插值函数,并将插值函数的极小点作为新的插值点不断缩小搜索区间,以得到目标函数的极小点。
二次插值函数:
令其一阶导数等于零,即:
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,3.二次插值法,二次插值法的运算步骤,
(1)给定初始搜索区间和计算精度;,
(2)计算二次插值结点及其函数值;,(3)构造二次插值函数,计算其极小值及对应的目标函数值;,(4)缩短单谷搜索区间(分四种情况讨论);,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,二次插值法的区间缩短,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,3.二次插值法,二次插值法的运算步骤,
(1)给定初始搜索区间和计算精度;,
(2)计算二次插值结点及其函数值;,(3)构造二次插值函数,计算其极小值及对应的目标函数值;,(4)缩短单谷搜索区间(分四种情况讨论);,(5)判断迭代终止条件。
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法,搜索区间的确定黄金分割法二次插值法,解决一维目标函数的求最优问题;多维问题在既定方向上寻最优步长的一维搜索。
5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法5.3.2需要梯度信息的多维优化方法5.3.3不需要梯度信息的多维优化方法,5机械最优化设计5.3无约束优化方法,5.3.2需要梯度信息的多维优化方法,1.梯度法,梯度法的算法思想:
将多维无约束优化问题转化为一系列按照函数下降值最快方向的一维搜索问题。
n元函数的梯度,梯度是一个向量,梯度方向是函数具有最大变化率的方向。
函数的最速上升方向:
函数的最速下降方向:
5机械最优化设计5.3无约束优化方法,5.3.2需要梯度信息的多维优化方法,1.梯度法,梯度法的运算步骤,
(1)确定搜索方向:
(2)计算最优步长:
(3)判断迭代终止:
5机械最优化设计5.3无约束优化方法,试用梯度法求解目标函数的最优解,取初始点,,迭代精度为0.1。
解:
目标函数的梯度,
(1)第一步迭代,求,继续迭代,
(2)第二步迭代,求,迭代终止,5机械最优化设计5.3无约束优化方法,算例1:
试用梯度法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
解:
目标函数的梯度,
(1)第一步迭代,求,继续迭代.,
(2)第二步迭代,求得,(3)第三步迭代,求得,(4)第四步迭代,求得,5机械最优化设计5.3无约束优化方法,算例1:
试用梯度法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
5机械最优化设计5.3无约束优化方法,5.3.2需要梯度信息的多维优化方法,1.梯度法,梯度法的算法特点,优点:
(1)迭代过程计算简单,要求的存储量少;
(2)远离极小点时函数下降收敛速度较快,对初始点要求不高。
缺点:
(1)对复杂的优化问题,等值线偏心严重,形成“锯齿现象”;
(2)接近极小点时收敛速度慢。
Newton法,5机械最优化设计5.3无约束优化方法,5.3.2需要梯度信息的多维优化方法,2.牛顿法,牛顿法的算法思想:
根据目标函数的负梯度和Hessian矩阵(二阶偏导数矩阵)构造搜索方向。
5机械最优化设计5.3无约束优化方法,算例2:
试用牛顿法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
解:
目标函数的梯度,第一步迭代,求,迭代终止,目标函数的Hessian矩阵,5机械最优化设计5.3无约束优化方法,5.3.2需要梯度信息的多维优化方法,2.牛顿法,牛顿法的算法特点,优点:
收敛速度快。
缺点:
(1)数值计算稳定性不好,对起始点要求较高;
(2)需要计算Hessian矩阵及其逆矩阵,计算量大。
5机械最优化设计5.3无约束优化方法,5.3.2需要梯度信息的多维优化方法,梯度法:
计算简单、对起始点要求不高、接近极小点收敛速度慢;牛顿法:
计算量大、对起始点要求较高、收敛速度快,变尺度法,5机械最优化设计5.3无约束优化方法,5.3.2需要梯度信息的多维优化方法,3.变尺度法,变尺度法基于Newton法的基本原理而又对Newton法作了重要改进,又称为拟Newton法;变尺度法是求解无约束优化问题最有效的算法之一,是目前应用比较广泛的一种算法;变尺度法的种类很多,最重要的两种:
DFP变尺度法和BFGS变尺度法。
5机械最优化设计5.3无约束优化方法,5.3.2需要梯度信息的多维优化方法,3.变尺度法,变尺度法的算法思想:
利用Newton法的迭代形式,但并不直接计算Hessian矩阵的逆矩阵,而用一个对称正定矩阵近似地代替,该正定对称矩阵中迭代过程中经过不断修正,逐步逼近Hessian矩阵的逆矩阵。
迭代格式:
梯度法的迭代公式,牛顿法的迭代公式,5机械最优化设计5.3无约束优化方法,5.3.2需要梯度信息的多维优化方法,3.变尺度法,变尺度法的关键问题:
变尺度矩阵在迭代过程中逐步逼近Hessian矩阵的逆矩阵,每一迭代步如何对其进行修正?
DFP修正公式:
BFGS修正公式:
5机械最优化设计5.3无约束优化方法,算例3:
试用变尺度法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
解:
目标函数的梯度,第一步迭代,继续迭代.,5机械最优化设计5.3无约束优化方法,第二步迭代,5机械最优化设计5.3无约束优化方法,梯度法,牛顿法,DFP变尺度法,BFGS变尺度法,原始牛顿法,修正牛顿法,变尺度法(拟牛顿法),5.3.2需要梯度信息的多维优化方法,5机械最优化设计5.3无约束优化方法,5.3.1一维优化方法5.3.2需要梯度信息的多维优化方法5.3.3不需要梯度信息的多维优化方法,5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,1.坐标轮换法,坐标轮换法的算法思想:
将一个n维无约束优化问题转化为依次沿着相应的n个坐标轴方向的一维优化问题。
5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,1.坐标轮换法,第一轮,第二轮,第三轮,5机械最优化设计5.3无约束优化方法,算例4:
试用坐标轮换法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
解:
(1)第一轮次迭代,收敛判断?
初始迭代点,搜索方向组,5机械最优化设计5.3无约束优化方法,算例4:
试用坐标轮换法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
解:
(2)第二轮次迭代,收敛判断?
初始迭代点,搜索方向组,5机械最优化设计5.3无约束优化方法,算例5:
试用坐标轮换法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
解:
(3)第三轮次迭代,收敛判断?
初始迭代点,搜索方向组,5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,1.坐标轮换法,坐标轮换法的算法特点,优点:
概念清楚、简单易行。
缺点:
迭代路径较长,计算效率低下,特别是维数较高或目标函数形态不好时,收敛速度很慢。
共轭方向法,5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,2.共轭方向法,共轭方向的概念,对于某一n阶实对称正定矩阵A,若有一组非零向量S(0),S
(1),S(n)满足:
则称这组向量关于矩阵A共轭。
当A为单位矩阵时,则有:
此时向量S(i)(i=1,2,n)相互正交。
5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,2.共轭方向法,共轭方向的形成,平行搜索法,5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,2.共轭方向法,基本共轭方向法的算法思想,对于n维函数,首先采用坐标轮换法进行第一轮迭代,以第一轮迭代的最末一个极小点和初始点相连构成一个新的方向S
(1);以此新的方向为最末一个方向,去掉第一个方向,得到第二轮迭代的n个搜索方向,经过第二轮迭代后构造新的方向S
(2);仿此进行下去,经过n轮迭代就产生了n个互相共轭的方向S
(1),S
(2),S(n)。
5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,2.共轭方向法,基本共轭方向法的算法思想,第一轮搜索方向组:
第二轮搜索方向组:
5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,2.共轭方向法,采用基本共轭方向法对下目标函数进行优化计算。
5机械最优化设计5.3无约束优化方法,算例5:
试用基本共轭方向法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
解:
(1)第一轮次迭代,收敛判断?
初始迭代点,搜索方向组,构造新方向,5机械最优化设计5.3无约束优化方法,算例5:
试用基本共轭方向法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
解:
(2)第二轮次迭代,收敛判断?
初始迭代点,搜索方向组,构造新方向,5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,2.共轭方向法,基本共轭方向法的算法特点,对于n维正定二次函数,经过n轮次循环便可收敛到极小点。
即共轭方向法具有有限次收敛的性质,收敛速度比坐标轮换法有很大改进。
每次迭代所产生的新方向可能出现线性相关或近似线性相关,使搜索退化到一个较低维的空间中进行,从而导致计算不能收敛而无法求得真正的极小点。
修正Powell法,5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,3.修正Powell法,第K+1环搜索时:
不一定用新方向替换上一环的搜索方向,而是对构造的新方向S(k)进行判断,检验它是否与上一环搜索基本方向组包含的n个向量线性相关或接近相关;,是否更换,第K+1环搜索时:
不一定替换上一环搜索方向组中的第一个方向,而是替换函数值下降最多的那个方向。
如何更换,修正Powell法的算法思想,5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,3.修正Powell法,第K环搜索起点的函数值,第K环搜索终点的函数值,第K环搜索起点沿新方向S(k)关于搜索终点的影射点的函数值,第K环搜索函数值最大下降量,相应的方向为该环搜索方向组中的第m个向量。
Powell判别准则,5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,3.修正Powell法,第一种情况:
不使用新方向,沿用上一轮方向组。
第二种情况:
使用新方向,替换上一轮函数值下降最多的方向。
沿新方向S(k)进行一维搜索求得的最优点。
初始迭代点的选取,5机械最优化设计5.3无约束优化方法,算例6:
试用修正Powell法求解下述目标函数的最优解。
取初始点,,迭代精度为0.1。
解:
(1)第一轮次迭代,计算,初始迭代点,搜索方向组,构造新方向,求映射点,Powell判据,下轮搜索方向组,下轮初始迭代点,5机械最优化设计5.3无约束优化方法,解:
成立,成立,搜索方向组,初始迭代点,收敛判断?
5机械最优化设计5.3无约束优化方法,解:
(2)第二轮次迭代,构造新方向,求映射点,计算,Powell判据,下轮搜索方向组,下轮初始迭代点,5机械最优化设计5.3无约束优化方法,解:
成立,成立,收敛判断?
5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,3.修正Powell法,修正Powell法的算法特点,相对于共轭方向法,不再具有二次收敛性,但可靠性和稳定性有很大改善,而收敛速度减慢不多;相对于变尺度法,计算速度慢些,但不必计算函数的导数,对于工程优化问题很重要。
5机械最优化设计5.3无约束优化方法,5.3.3不需要梯度信息的多维优化方法,坐标轮换法,基本共轭方向法(基本Powell法),修正Powell法,5机械最优化设计5.3无约束优化方法,一维搜索方法,多维优化方法,间接法,梯度法,Newton法,变尺度法,直接法,坐标轮换法,共轭方向法,Powell法,7次,1次,3次,10次,6次,6次,5机械最优化设计5.3无约束优化方法,多维无约束优化方法,第五章机械最优化设计,5.1最优化设计的基本概念5.2优化方法的数学基础5.3无约束优化方法5.4约束优化方法,
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- P4 优化 设计