最優(yōu)化課程設計黃金分割法及其算法實現(xiàn)3

1、機械優(yōu)化設計報告姓名：劉洋學號：院系：機械工程學院專業(yè)：機械設計及理論2012年12 月4 日機械優(yōu)化設計報告摘要最優(yōu)化理論和方法日益受到重視，已經(jīng)滲透到生產(chǎn)、管理、商業(yè)、軍事、決策等各個領域，而最優(yōu)化模型與方法廣泛應用于工業(yè)、農(nóng)業(yè)、交通運輸、商業(yè)、國防、建筑、同學、政府機關等各個部門及各個領域。伴隨著計算機技術的高速發(fā)展，最優(yōu)化理論與方法的迅速進步為解決實際最優(yōu)化問題的軟件也在飛速發(fā)展。其中， MATLAB軟件已經(jīng)成為最優(yōu)化領域應用最廣的軟件之一。有了 MATLAB 這個強大的計算平臺，既可以利用 MATLAB優(yōu)化工具箱（ OptimizationToolbox ）中的函數(shù)，又可以通過算法變

2、成實現(xiàn)相應的最優(yōu)化計算。關鍵詞：優(yōu)化、黃金分割法、最速下降法、MATLAB、算法AbstractOptimization theory and methods and more attention, have penetratedinto the production, management, business, military, decision-making and other fields, and optimization models and methods widely used in industry, agriculture, transportation, commerce

3、, defense, construction, students, government various departments and agencies and other fields. With the rapid development of computer technology,2機械優(yōu)化設計報告optimization theory and methods for the rapid progress of the optimization problem to solve practical software is also developing rapidly. Which

4、, MATLAB software has become the most optimization software is one of the most widely used. With this powerful computing platform MATLAB, either using MATLAB optimization toolbox (OptimizationToolbox) in the function, but also can achieve the appropriate algorithm to optimize into the calculation.Ke

5、ywords: Optimization、 Golden section method、steepest descent method、MATLAB 、algorithm3機械優(yōu)化設計報告目錄摘要2第一章緒論5第二章黃金分割法的基本思想與原理62.1黃金分割法的基本思路62.2算法流程圖72.3用 matlab 編寫源程序72.4黃金分割法應用舉例8第三章最速下降法的基本思想與原理93.1最速下降法的基本思路93.2算法流程圖113.3用 matlab 編寫源程序113.4最速下降法應用舉例13第四章懲罰函數(shù)法的基本思想與原理134.1懲罰函數(shù)法的基本思路134.2算法流程圖144.3用 ma

6、tlab 編寫源程序144.4最速下降法應用舉例16第五章總結17參考文獻184機械優(yōu)化設計報告第1章緒論在人類活動中，要辦好一件事（指規(guī)劃、設計等） ，都期望得到最滿意、最好的結果或效果。為了實現(xiàn)這種期望，必須有好的預測和決策方法。方法對頭，事半功倍，反之則事倍功半。優(yōu)化方法就是各類決策方法中普遍采用的一種方法。歷史上最早記載下來的最優(yōu)化問題可追溯到古希臘的歐幾里得 （ Euclid ，公元前300 年左右），他指出：在周長相同的一切矩形中，以正方形的面積為最大。十七、十八世紀微積分的建立給出了求函數(shù)極值的一些準則， 對最優(yōu)化的研究提供了某些理論基礎。然而，在以后的兩個世紀中，最優(yōu)化技術的進

7、展緩慢，主要考慮了有約束條件的最優(yōu)化問題，發(fā)展了一套變分方法。 六十年代以來，最優(yōu)化技術進入了蓬勃發(fā)展的時期， 主要是近代科學技術和生產(chǎn)的迅速發(fā)展， 提出了許多用經(jīng)典最優(yōu)化技術無法解決的最優(yōu)化問題。為了取得重大的解決與軍事效果，又必將解決這些問題， 這種客觀需要極大地推動了最優(yōu)化的研究與應用。 另一方面，近代科學，特別是數(shù)學、力學、技術和計算機科學的發(fā)展，以及專業(yè)理論、數(shù)學規(guī)劃和計算機的不斷發(fā)展，為最優(yōu)化技術提供了有效手段。 現(xiàn)在，最優(yōu)化技術這門較新的科學分支目前已深入到各個生產(chǎn)與科學領域，例如：化學工程、機械工程、建筑工程、運輸工程、生產(chǎn)控制、經(jīng)濟規(guī)劃和經(jīng)濟管理等，并取得了重大的經(jīng)濟效益與社

8、會效益。機械優(yōu)化設計是最優(yōu)化技術在機械設計領域的移植和應用 , 其基本思想是根據(jù)機械設計的理論 , 方法和標準規(guī)范等建立一反映工程設計問題和符合數(shù)學規(guī)劃要求的數(shù)學模型 , 然后采用數(shù)學規(guī)劃方法和計算機計算技術自動找出設計問題的最優(yōu)方案， 求解優(yōu)化問題可以采用解析法，也可以采用數(shù)值法。由于數(shù)值法可用于求復雜函數(shù)的優(yōu)化解，也可以用于處理沒有數(shù)學解析表達式的優(yōu)化設計問題，因此它是實際問題中常用的解法，很受重視。5機械優(yōu)化設計報告第 2 章 黃金分割法的基本思想與原理2.1黃金分割法的基本原理與步驟一維搜索是解函數(shù)極小值的方法之一，其解法思想為沿某一已知方向求目標函數(shù)的極小值點。一維搜索的解法很多，這

9、里主要采用黃金分割法（ 0.618 法）。該方法用不變的區(qū)間縮短率 0.618 代替斐波那契法每次不同的縮短率， 從而可以看成是斐波那契法的近似，實現(xiàn)起來比較容易，也易于人們所接受。黃金分割法是用于一元函數(shù) f(x) 在給定初始區(qū)間 a,b 內(nèi)搜索極小點 xmin 的一種方法。它是優(yōu)化計算中的經(jīng)典算法，以算法簡單、收斂速度均勻、效果較好而著稱，是許多優(yōu)化算法的基礎， 但它只適用于一維區(qū)間上的凸函數(shù)， 即只在單峰區(qū)間內(nèi)才能進行一維尋優(yōu)，其收斂效率較低。其基本原理是： 依照“去劣存優(yōu)”原則、對稱原則、以及等比收縮原則來逐步縮小搜索區(qū)間。具體步驟是：在區(qū)間 a,b 內(nèi)取點： a1 ， a2 把a,b

10、 分為三段。如果 f(a1)>f(a2)，令 a=a1,a1=a2,a2=a+0.618*(b-a)；如果 f(a1)<f(a2)，令 b=a2，a2=a1,a1=b-0.618*(b-a)；如果 (b-a)/b和 (y1-y2)/y2都大于收斂精度 重新開始循環(huán)。因為 a,b為單峰區(qū)間，這樣每次可將搜索區(qū)間縮小0.618 倍，處理后的區(qū)間都將包含極小點的區(qū)間縮小， 然后在保留下來的區(qū)間上作同樣的處理， 如此迭代下去，將使搜索區(qū) a,b 逐步縮小，直到滿足預先給定的精度時，即獲得一維優(yōu)化問題的近似最優(yōu)解。插入點原理圖如下：6機械優(yōu)化設計報告2.2算法流程圖2.3用 matlab 編

11、寫源程序編寫程序，并且輸出每次的搜索區(qū)間。則源程序如下：golden 程序functionx,fval=golden1(f,a,b,eps)k=0;a1=a+0.382*(b-a);%插入點的值a2=a+0.618*(b-a);y1=f(a1);y2=f(a2);whileabs(b-a)>=eps%循環(huán)條件 ,eps 為收斂精度ify1>=y2 %比較插入點的函數(shù)值的大小a=a1;%縮短搜索區(qū)間a1=a2;y1=y2;7機械優(yōu)化設計報告a2=a+0.618*(b-a);y2=f(a2);elseb=a2;a2=a1;y2=y1;a1=b-0.618*(b-a);y1=f(a1);

12、endk=k+1;end%停止迭代x=(a+b)/2;%取最后兩點的平均值作為極小點的數(shù)值近似解fval=f(x);fprintf('k=n'); %顯示迭代次數(shù)disp(k);end2.4黃金分割法應用舉例例 1根據(jù) 0.618 算法編寫程序，求函數(shù)f(t)t 210t 36在區(qū)間 0,10 上的極大值。解：程序為：>> z=(t) t2-10*t+36;x,fval=golden(z,0,10,10-6)運行結果： k=348機械優(yōu)化設計報告t =5.0000fval =11.0000說明最小值點為t *5 ，最小值為f (t * )11 ，迭代次數(shù)為34第 3

13、 章 最速下降法的基本思想與原理3.1最速下降法基本思路最速下降法的搜索法向是目標函數(shù)的負梯度方向，最速下降法從目標函數(shù)的負梯度方向一直前進，直到到達目標函數(shù)的最低點。( k)f X (k)f X ( k)Tf X ( k )f X (k )x1x2.xn當求目標函數(shù)的最小點時， 由于函數(shù)沿負梯度方向下降最快， 故在 X (k ) 點的探索方向應取該點的負梯度方向，即9機械優(yōu)化設計報告S( k)fXfX( k )( k )顯然， S( k)為單位向量。這樣第 k1 次迭代計算所得的新點為X (k 1)X (k)( k ) S(k)(k )f X ( k )X ( k)X (k )f負梯度僅給出

14、了最優(yōu)化方向，而沒有給出步長的大小， 所以可能有各種各樣的最(k )速下降的過程，它們依賴于的大小。f X (k )步長( k) 有兩種取法：一種方法是任意給定一個初始步長，使?jié)M足條件：f ( X ( k)(k) S( k) )f ( X (k ) )另外一種方法是沿負梯度方向做一維探索， 以求解一維最優(yōu)化問題的最優(yōu)步長 ，即對目標函數(shù)極小，以得到最優(yōu)步長：minf (X ( k)S( k) )f ( X (k) (k )S( k ) )0以此最優(yōu)步長作為由 X ( k)點出發(fā)沿該點的負梯度方向探索的步長(k ) 。這種方法的迭代計算的收斂性， 可用以下三式中的任一式或二式作為準則來進行判斷：

15、fX ( k )1f X ( k)fX (k1)fX (k)2X (k)X (k 1)3用最速下降法求無約束多維極值問題 min f (x), xRn 的算法步驟如下：（1） 取初始點 x(0)，精度0 ，令 k 0（2） 計算搜索方向 v(k )f (x( k) ) ，其中f ( x( k) ) 表示函數(shù) f ( x) 在點 x(k ) 處的梯度；（3） 若 v(k )，則停止計算；否則，從x( k ) 出發(fā)，沿 v( k) 進行一維搜索，即求 k ，使得 f (x(k )kv(k ) ) min f ( x( k)v(k ) ) 。此處的一維搜索可0以用黃金分割法等算法，當然也可以用MAT

16、LAB 的 f min bnd 函數(shù)；10機械優(yōu)化設計報告令 x( k 1)x(k )kv( k ) , kk1 ，轉步驟（ 2）。3.2算法流程圖（4）3.3用 matlab 編寫源程序編寫程序，并且輸出每次的搜索區(qū)間。則源程序如下：fsxsteep 程序functionx=fsxsteep(f,e,a,b)% fsxsteep 函數(shù)最速下降法% x=fsxsteep(f,e,a,b)為輸入函數(shù)f 為函數(shù) e 為允許誤差(a,b)為初始點 ;x1=a;x2=b;Q=fsxhesse(f,x1,x2);x0=x1 x2'fx1=diff(f,'x1');%對x1求偏導數(shù)

17、fx2=diff(f,'x2');%對x2求偏導數(shù)g=fx1 fx2'%梯度g1=subs(g);%把符號變量轉為數(shù)值11機械優(yōu)化設計報告d=-g1;while(abs(norm(g1)>=e)t=(-d)'*d/(-d)'*Q*d);t=(-d)'*d/(-d)'*Q*d);%求搜索方向x0=x0-t*g1;%搜索到的點v=x0;a=1 0*x0;b=0 1*x0;x1=a;x2=b;g1=subs(g);d=-g1;end;x=v;functionx=fsxhesse(f,a,b)% fsxhesse 函數(shù) 求函數(shù)的 hesse

18、 矩陣；% 本程序僅是簡單的求二次函數(shù)的 hesse 矩陣??；% x=fsxhesse(f) 為輸入函數(shù) f 為二次函數(shù) x1,x2 為自變量；%x1=a;x2=b;fx=diff(f,'x1');%求 f 對 x1偏導數(shù)fy=diff(f,'x2');%求 f 對 x2偏導數(shù)fxx=diff(fx,'x1');%求二階偏導數(shù)對x1再對 x1fxy=diff(fx,'x2');%求二階偏導數(shù)對x1再對 x2fyx=diff(fy,'x1');%求二階偏導數(shù)對x2再對 x1fyy=diff(fy,'x2

19、9;);%求二階偏導數(shù)對x2再對 x2fxx=subs(fxx);%將符號變量轉化為數(shù)值fxy=subs(fxy);fyx=subs(fyx);fyy=subs(fyy);x=fxx,fxy;fyx,fyy;%求 hesse 矩陣12機械優(yōu)化設計報告3.4最速下降法應用舉例例根據(jù)算法編寫程序，求函數(shù)f(x)4( x1 5) 2( x2 6) 2在初始點 8,9 上的極小值。解：程序為：>> syms x1 x2; X=x1,x2; fx=(4*X(1)-5)2+(X(2)-6)2;x=fsxsteep(fx,0.001,8,9)運行結果：x =56第 4 章 懲罰函數(shù)法的基本思想與

20、原理4.1懲罰函數(shù)法基本思路懲罰函數(shù)法是應用廣泛 , 非常有效的間接解法，又稱為序列無約束極小化方法 (SUMT法 ) 。該方法通過將原約束優(yōu)化問題中的等式和不等式約束函數(shù)加權處理后與原目標函數(shù)結合 , 得到新的目標函數(shù) ( 懲罰函數(shù) ) 。原問題轉化為新的無約束優(yōu)化問題 , 求解該新的無約束優(yōu)化問題 , 間接得到原約束優(yōu)化問題的最優(yōu)解。程序步驟：選擇適當?shù)某跏剂P因子M (0 ) 、初始點 X (0) 、收斂精度和罰因子系數(shù) c。在本程序中分別取令迭代步數(shù)k=0。( k)*( k)采用牛頓法求無約束問題min( X , M) 的極值點 X (M) 。13機械優(yōu)化設計報告*(M( k ) X(M

21、( k 1) |f X * ( M ( k ) ) f X * (M ( k 1) )| X及 |f X * (M( k 1) )則停止迭代計算，輸出最優(yōu)點 X *X * (M ( k) ) ；否則，轉入步驟。取 M ( k 1)cM ( k ) ， X ( 0)X * (M (k) ) ， k=k+1，轉入步驟繼續(xù)迭代。14機械優(yōu)化設計報告4.2算法流程圖15機械優(yōu)化設計報告k=k+1X (0)X * (M ( k) )M ( k 1)cM ( k)N給定 X (0 ) 、 M (0 ) 、c、k=0i=0求(X ( i ) ) 與i=i+1Hessian 矩陣H ( X (i ) )X (

22、i 1)X (i ) H ( X (i ) ) 1( X (i ) )|( X (i ) ) |NY牛頓法求 min( X , M ( k) ) 的極X *(M ( k) )X (i )值點X* (M( k) )| X * (M ( k ) )X (M (k 1) ) |f X * ( M ( k ) )f X * ( M ( k 1 ) )|f X *( M ( k 1) )Y輸出 X * 和f ( X * )結束16機械優(yōu)化設計報告4.3用 matlab 編寫程序clcsyms x1 x2 M;%M為罰因子。m(1)=1;c=8;%c為遞增系數(shù)。賦初值。a(1)=20;b(1)=20;f=

23、(x1-2)2+(x2-1)2+M*(x12-x2)2+(x1+x2-2)2);%外點罰函數(shù)f0(1)=500;%求偏導、 Hessian 元素fx1=diff(f,'x1');fx2=diff(f,'x2');17機械優(yōu)化設計報告fx1x1=diff(fx1,'x1');fx1x2=diff(fx1,'x2');fx2x1=diff(fx2,'x1');fx2x2=diff(fx2,'x2');%外點法 M迭代循環(huán)for k=1:100x1=a(k);x2=b(k);M=m(k);%牛頓法求最優(yōu)值

24、for n=1:100f1=subs(fx1); %求解梯度值和 Hessian 矩陣f2=subs(fx2);f11=subs(fx1x1);f12=subs(fx1x2);f21=subs(fx2x1);f22=subs(fx2x2);if(double(sqrt(f12+f22)<=1e-6)%最優(yōu)值收斂條件a(k+1)=double(x1);b(k+1)=double(x2);f0(k+1)=double(subs(f);break;elseX=x1 x2'-inv(f11 f12;f21 f22)*f1 f2'x1=X(1,1);x2=X(2,1);endend

25、if(double(sqrt(a(k+1)-a(k)2+(b(k+1)-b(k)2)<=1e-6)&&(double(abs(f0(k+1)-f0(k)/f0(k)<=1e-6)%罰因子迭代收斂條件%輸出最優(yōu)點坐標，罰因子迭代次數(shù)，最優(yōu)值a(k+1)b(k+1)kf0(k+1)break;elsem(k+1)=c*m(k);endend18機械優(yōu)化設計報告4.4懲罰函數(shù)法應用舉例例根據(jù)算法編寫程序，求函數(shù)minf(x)( x12) 2( x 2 1) 2g1 ( x )x12x20g 2 ( x)x1x220在初始點3,3 上的極小值。解：運行結果：ans =1.0

26、000ans =1.0000k =18ans =1.0000第五章 總結剛開始覺得學習優(yōu)化設計有很大的困難，但是隨著對課本內(nèi)容的學習跟老師的講解，發(fā)現(xiàn)并不是像自己在學初想的那樣困難，特別是在老師介紹了一些與機械優(yōu)化設計相關的計算機語言和計算機軟件后，真正體會到科學優(yōu)化設計的強大19機械優(yōu)化設計報告跟簡潔明了，與傳統(tǒng)優(yōu)化設計方法相比較，大大提高了設計效率和質(zhì)量。傳統(tǒng)設計方法常在調(diào)查分析的基礎上， 參照同類產(chǎn)品通過估算， 經(jīng)驗類比或試驗來確定初始設計方案， 如不能滿足指標要求， 則進行反復分析計算性能檢驗參數(shù)修改， 到滿足設計指標要求為止。 整個傳統(tǒng)設計過程就是人工湊試和定性分析比較的過程，是被動

27、地重復分析產(chǎn)品性能，不是主動設計產(chǎn)品參數(shù)。 按照傳統(tǒng)設計方法做出的設計方案，有改進余地，但不是最佳設計方案。而現(xiàn)代化設計工作是借助電子計算機， ，應用一些精確度較高的力學數(shù)值分析方法，優(yōu)化軟件進行分析計算， 找最優(yōu)設計方案， 實現(xiàn)理論設計代替經(jīng)驗設計，用精確計算代替近似計算，用優(yōu)化設計代替一般的安全壽命可行性設計。在進行程序求解的過程中，因為是初學 Matlab 軟件，對很多問題的關鍵點不能夠掌握，非線性約束如何書寫，上、下限如何選擇，函數(shù)格式如何書寫，變量未定義等等或大或小的問題， 但是在一步步排除錯誤、 重新編寫程序的過程中，漸漸的對 Mtalab 熟悉起來，懂得了一些優(yōu)化方法的簡單計算過

28、程和原理，省去了繁瑣復雜的優(yōu)化計算過程。在學完課程之后，反思自己在學習過程中的得失，深深體會到，不論在人生的哪個階段，都要對自己負責，做任何事都要耐心，細致，“千里之行，始于足下” ，學會在物欲橫流的社會大潮中，堅持踏踏實實走好人生的每一步。感謝所有老師和同學們！參考文獻1 孫靖民，梁迎春機械優(yōu)化設計 . 機械工業(yè)出版社， 20062 張德豐 MATLAB 語言高級編程， 201020機械優(yōu)化設計報告21機械優(yōu)化設計報告- 高氯酸對阿膠進行濕法消化后,用導數(shù)火焰原子吸收光譜技術測定阿膠中的銅、“中 藥三大寶, 人參、鹿 茸和阿膠?！卑⒛z的藥用已有 兩千多年的悠久歷史歷代宮馬作峰論疲勞源于肝臟J

29、.廣西中醫(yī)藥 ,20 08,31(1):31.史麗萍馬東明 ,解麗芳等力竭性運動對小鼠肝臟超微結構及肝糖原、肌糖元含量的影響J.遼寧中醫(yī)雜志王輝武吳行明鄧開蓉內(nèi)經(jīng)“肝者罷極之本”的臨床價值J.成都中醫(yī)藥大學學報,1997,31. 凌家杰肝與運動性疲勞關系淺談 J.湖南中醫(yī)學院學報2003，（ ）：1.謝敏豪等 訓練結合用中藥補劑強力寶對小鼠游泳耐力與肌肉和肝 Gn,LDH和MDH的影響 J中 國運動醫(yī)學雜楊維益陳家旭王天芳等運動性疲勞與中醫(yī)肝臟的關系J .北京 中醫(yī)藥大學學報.19 96,19(1):8.2.1中藥復方 2.2 單味藥33阿膠和復方阿膠漿常世和等參寶片對機體機能影響的 J.中國

30、運動醫(yī)學雜志，991 ，10（and Natritionof exerciseand training(Abstract)6 楊維益等中藥復方“體復康”對運 動性疲勞大鼠血乳酸、p一內(nèi)啡膚、亮氨酸及強啡膚l-13影響的實驗研。仙靈口服液可提高機體運動能力，加速運動后血乳酸的消除。F3口服液能調(diào)整PCO2 孫曉波等 鹿茸精強壯作用的 J .中藥藥理與臨床，1987，（）： 11.于慶海等高山紅景天抗不良刺激的藥理J中藥藥理與臨床，1995，（促進作用；提示阿膠能提高機體免疫功能。另外阿膠具阿膠具有很好的止血作用，常用來治療陰虛火旺、血脈受傷造成的出血。比如，阿膠能治療缺鐵性貧血，再生障礙性貧血等

31、貧血癥狀，阿膠對血小板減少，白細阿膠是一類明膠蛋白，經(jīng)水解分離得到多種氨基酸，阿膠具有很多的藥理作用和阿膠又稱驢皮膠,為馬科動物驢的皮去毛后熬制而成的膠塊。中藥界有句口頭禪阿膠中的營養(yǎng)成分比較多，主要有蛋白質(zhì)、多肽、氨基本以運動性疲勞相關癥狀明顯的籃球運動員為對象，以谷丙轉氨酶、谷表明，阿膠還用 于治療妊娠期胎動不安，先兆流產(chǎn)習慣 性流產(chǎn)等。對于月經(jīng) 病步了解運動員服用阿膠以后，不但能夠使男女運動員的谷草轉氨酶含量水平、谷丙轉參促進人體對糖原和三磷酸腺苷等能源物質(zhì)的合理利用, 并使劇烈運動時產(chǎn)生的乳草經(jīng)將其列為上品。本草綱目載阿膠“療吐血衄血血淋尿血,腸風下痢 ,女草轉氨酶、谷酰轉肽酶、總膽紅

32、素、白蛋白和白蛋紅細胞，白細胞和血小板的作用。到影響。的變化,主要表現(xiàn)為部分肝細胞破裂 ,內(nèi)容物進入竇狀隙 ,未受損的肝細胞糖原明的核心問 題之一也是運動訓練學所要克服的核心問題之一, 疲勞是機體的一的滋補類藥品；因始產(chǎn)于聊城東阿，故名阿膠，距今已有兩千多年的生產(chǎn)歷史；最早低分子肽含量分別是5%45、10.9 7%13.18%?；艄馊A采用標準水解法和氨基低運動后血清尿素氮含量；加速體內(nèi)尿素氮及血乳酸的清除速率韌帶和肌腱的伸縮牽拉骨對運動性疲勞的多集中于中樞疲勞與外周肌肉疲勞，而較少涉及肝臟實質(zhì)器而略于補立法，以健脾保肝、補中益氣組方的確是防治運動性疲勞的一條新思新。故發(fā)揮和延緩運動性疲勞的產(chǎn)生

33、都能起積極而有效的作用。總之體力和腦力的產(chǎn)生均復的適應能力。復方阿膠漿是由阿膠、紅參、黨參、熟地、山楂等藥 組成,主入肝、脾兩經(jīng)。方肝，人動血運于經(jīng)”的論述。明確 指出運動能力與肝和血密切相關。這種“藏血、主筋，為“羆極之本”，有儲藏營血與調(diào)節(jié)血量的作用是提供運動所肝主疏泄，調(diào)暢氣機，對氣血津液的生成、輸布和代謝有著重要意義。就運動生高山紅景天在疲勞情況下能提高機體持續(xù)工作的時間，維持血壓、心率的正常水高小鼠肝糖原的儲備量；降低運動后血清尿素氮含量；加速體內(nèi)尿素氮及血乳酸的骼肌產(chǎn)生運動。素問六?節(jié)藏象論曰：“肝者罷極之本魂之居也, 其華在爪其個特別復雜的生理生化方得以運生”，說明和血虛者，如服

34、用阿膠補益，也具有良好的效 果。臨床上充分發(fā)揮阿 膠的養(yǎng)血、補 血、恢復正常，促進酸堿平衡的恢復，減少堿性物質(zhì)的消耗。機體的血量增加以便增加通氣 血流比值。肝內(nèi)所貯存的血液就 會更多的向機體全身肌腱和韌帶等器官的力量。筋和筋膜向內(nèi)連著五臟六腑，肝將脾輸送來的精微之氣浸、涉水等勞動或運動都稱 為“勞”,而競技體育由于其具有大運動量、高強度的加。劍,便無 蹤無影。阿嬌日日夜夜在獅論有“肝藏血”的觀點，另外，在素問?五臟生成論里，也有“人臥血歸于景天圣露、補腎益元方、體復康、仙靈口服液及F3 口服液等。復方阿膠漿能顯著提究 J北京中醫(yī)藥大學學報，19 97，20（ ）： 37-40.具有多種代謝功能

35、。血清谷草轉氨酶、谷丙轉氨酶升高在一定程度上反映了肝細胞的亢不抑就會能協(xié)調(diào)精神、情趣和意志使情緒穩(wěn)定 思維敏捷對運動技術水平的充分抗運動性疲勞的單味藥主要有鹿茸、高山紅景天、人虛證,通過補充和調(diào)節(jié)人體血液的貯備量而發(fā)揮抗疲勞的作用。藥理實驗亦證實人量方法表明 ,阿膠水溶液 (Murphy法與其經(jīng) Gornall雙縮脲和Lowry酚試劑反量水平。 從而證實阿膠能提高運動員的抗運動性疲勞的能力 。二是通過對阿膠抗運動聊城大學碩士學位論文聊城大學碩 士學位論文聊城大學碩士學位論文謀慮，此即“肝者將軍之 官，謀慮出焉 ”，也說是說肝和某些高級神經(jīng)功能有關。（）年的第屆國際運動生物化學會議將疲勞崩中帶下,胎前產(chǎn)后諸疾?！爆F(xiàn)代表明,阿膠含明膠認識運 動性疲勞對肝臟的影響及判 定指標、肝臟與運動性疲勞消除等方面的 關若過度疲勞損傷了肝臟那么肌腱和韌帶必將非常疲乏而不能收持自如運動就會受賽場是證明運動健兒的運動能力及其為國爭光的最好場所。運動員靠什么去奪取傷。升高骨髓造血細胞、白細胞、紅細胞和血紅蛋白，促進骨髓造