精選文檔《機(jī)械優(yōu)化設(shè)計(jì)》習(xí)題及答案1

〖精選文檔〗《機(jī)械優(yōu)化設(shè)計(jì)》習(xí)題及答案1〖精選文檔〗《機(jī)械優(yōu)化設(shè)計(jì)》習(xí)題及答案1則函數(shù)在X0=[1,0]T處的最速下降方向是這個(gè)方向上的單位向量是：新點(diǎn)是新點(diǎn)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(gè)點(diǎn)集（或區(qū)域），如果連接其中任意兩點(diǎn)x1、x2的線段都全部包含在該集合內(nèi)，就稱該點(diǎn)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(diǎn)x1、x2，存在如下不等式：稱f（x）是定義在圖集上的一個(gè)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）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(diǎn)的數(shù)值近似解。假設(shè)搜索區(qū)間（a，b）內(nèi)任取兩點(diǎn)a1，b1，a1《b1，并計(jì)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(diǎn)必在區(qū)間（a，b1）內(nèi)2）f（a1）》f（b1），同理，極小點(diǎn)應(yīng)在區(qū)間（a1，b）內(nèi)3）f（a1）=f（b1），這是極小點(diǎn)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(shí)，寫出用黃金分割法求極小點(diǎn)的前三次搜索過程。（要列表）黃金分割法的搜索過程序號aa1a2bY1比較Y20-5-1.181.185-0.9676<3.75241-5-2.639-1.181？1.686>-0.9672？-1.18-0.2791.18-0.9676<-0.483-2.639-1.737-1.181？-0.457>-0.4823-4.使用二次插值法求f(x)=sin(x)在區(qū)間[2,6]的極小點(diǎn)，寫出計(jì)算步驟和迭代公式，給定初始點(diǎn)x1=2，x2=4，x3=6，ε=10-4。解：1234x1244.554574.55457x244.554574.736564.72125x36664.73656y10.909297-0.756802-0.987572-0.987572y2-0.756802-0.987572-0.999708-0.999961y3-0.279415-0.279415-0.279415-0.999708xp4.554574.736564.721254.71236yp-0.987572-0.999708-0.999961-1迭代次數(shù)K=4，極小點(diǎn)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(gè)迭代點(diǎn)上的函數(shù)相互垂直即是相鄰兩個(gè)搜索方向相互垂直。這就是說在梯度法中，迭代點(diǎn)向函數(shù)極小點(diǎn)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(diǎn)的位置，每次迭代可使函數(shù)值有較多的下降。可是在接近極小點(diǎn)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(shí)不然，這是因?yàn)樘荻仁呛瘮?shù)的局部性質(zhì)。從局部上看，在一點(diǎn)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?yàn)樵谠摲椒ㄖ忻恳粋€(gè)共軛的量都是依賴于迭代點(diǎn)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(gè)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(gè)角度，也就是對負(fù)梯度進(jìn)行修正。所以共軛梯度法實(shí)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(shí)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(diǎn)和終點(diǎn)所產(chǎn)生出的搜索方向去替換原向量組中的第一個(gè)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(gè)向量最壞，然后再用新產(chǎn)生的向量替換這個(gè)最壞的向量，以保證逐次生成共軛方向。4-2.如何確定無約束優(yōu)化問題最速下降法的搜索方向？答：優(yōu)化設(shè)計(jì)是追求目標(biāo)函數(shù)值最小，因此搜所方向d取該點(diǎn)的負(fù)梯度方向-。使函數(shù)值在該點(diǎn)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)懗捎纱丝芍?，在最速下降法中，相鄰兩個(gè)迭代點(diǎn)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(gè)搜索方向相互垂直。這就是說在最速下降法中，迭代點(diǎn)向函數(shù)極小點(diǎn)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(diǎn)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(diǎn)。（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(gè)點(diǎn)x1，x2，x3，以它們?yōu)轫旤c(diǎn)組成一單純形。計(jì)算各頂點(diǎn)函數(shù)值，設(shè)f（x1）>f（x2）>f（x3），這說明x3點(diǎn)最好，x1點(diǎn)最差。為了尋找極小點(diǎn)，一般來說。應(yīng)向最差點(diǎn)的反對稱方向進(jìn)行搜索，即通過x1并穿過x2x3的中點(diǎn)x4的方向上進(jìn)行搜索。在此方向上取點(diǎn)x5使x5=x4+（x4-x1）x5稱作x1點(diǎn)相對于x4點(diǎn)的反射點(diǎn)，計(jì)算反射點(diǎn)的函數(shù)值f（X5），可能出現(xiàn)以下幾種情形；1）f（x5）<f（x3）即反射點(diǎn)比最好點(diǎn)好要好，說明搜索方向正確，可以往前邁一步，也就是擴(kuò)張。2）f（x3）<f（x5）<f（x2）即反射點(diǎn)比最好點(diǎn)差，比次差點(diǎn)好，說明反射可行，一反射點(diǎn)代替最差點(diǎn)構(gòu)成新單純形3）f（x2）<f（x5）<f(x1)，即反射點(diǎn)比次差點(diǎn)差，比最差點(diǎn)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(diǎn)比最差點(diǎn)還差，說明收縮應(yīng)該多一些。將新點(diǎn)收縮在x1x4之間5)f(x)>f(x1)，說明x1x4方向上所有點(diǎn)都比最差點(diǎn)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(diǎn)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(gè)不等式約束條件所確定的可行域內(nèi)選擇一個(gè)初始點(diǎn)，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(gè)使目標(biāo)函數(shù)值下降的可行的新點(diǎn)，即完成一個(gè)迭代。再以新點(diǎn)為起點(diǎn)，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(jì)點(diǎn)沿該方向作微量移動(dòng)時(shí)，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(shí)用。其特點(diǎn)是：1）由于整個(gè)求解過程在可行域內(nèi)進(jìn)行，因此迭代計(jì)算不論何時(shí)終點(diǎn)，都可以獲得一個(gè)比初始點(diǎn)好的設(shè)計(jì)點(diǎn)。2）若目標(biāo)函數(shù)為凸函數(shù)，可行域?yàn)橥辜?，則可保證獲得全域最優(yōu)解。否則，因存在多個(gè)局部最優(yōu)解，當(dāng)選擇的初始點(diǎn)不相同時(shí)，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(gè)差別較大的初始點(diǎn)分別進(jìn)行計(jì)算，以便從求得多個(gè)局部最優(yōu)解中選擇最好的最優(yōu)解。3）要求可行域?yàn)橛薪绲姆强占?，即在有界可行域?nèi)存在滿足全部約束條件的點(diǎn)，且目標(biāo)函數(shù)有定義。直接解法有：隨機(jī)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(gè)新的目標(biāo)函數(shù)，即將原約束優(yōu)化問題轉(zhuǎn)化成一個(gè)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(jì)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(jī)械優(yōu)化設(shè)計(jì)中得到廣泛應(yīng)用的一種有效方法。其特點(diǎn)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(jì)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