大学期末考试机械优化设计复习题Word格式文档下载.docx
- 文档编号:14628280
- 上传时间:2022-10-23
- 格式:DOCX
- 页数:14
- 大小:249.88KB
大学期末考试机械优化设计复习题Word格式文档下载.docx
《大学期末考试机械优化设计复习题Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《大学期末考试机械优化设计复习题Word格式文档下载.docx(14页珍藏版)》请在冰豆网上搜索。
1.优化设计问题的基本解法有解析法法和数值法
2.无约束优化问题取得极值的充分必要条件是一阶导数等于零和二阶导数大于零。
3.在进行一维搜索时,所要确定的搜索区间应为高低高的趋势。
4.多元函数求极值的阻尼牛顿法的迭代公式为:
二、名词解释
1.凸规划:
对于约束优化问题
若、都为凸函数,则称此问题为凸规划。
2.可行搜索方向:
是指当设计点沿该方向作微量移动时,目标函数值下降,且不会越出可行域。
3.设计空间:
n个设计变量为坐标所组成的实空间,它是所有设计方案的组合
4..可靠度:
5.收敛性:
是指某种迭代程序产生的序列收敛于
6.非劣解:
是指若有m个目标,当要求m-1个目标函数值不变坏时,找不到一个X,使得另一个目标函数值比,则将此为非劣解。
7.黄金分割法:
是指将一线段分成两段的方法,使整段长与较长段的长度比值等于较长段与较短段长度的比值。
8.可行域:
满足所有约束条件的设计点,它在设计空间中的活动范围称作可行域。
9.维修度略
三、简答题
1.什么是内点惩罚函数法?
什么是外点惩罚函数法?
他们适用的优化问题是什么?
在构造惩罚函数时,内点惩罚函数法和外点惩罚函数法的惩罚因子的选取有何不同?
1)内点惩罚函数法是将新目标函数定义于可行域内,序列迭代点在可行域内逐步逼近约束边界上的最优点。
内点法只能用来求解具有不等式约束的优化问题。
内点惩罚函数法的惩罚因子是由大到小,且趋近于0的数列。
相邻两次迭代的惩罚因子的关系为为惩罚因子的缩减系数,其为小于1的正数,通常取值范围在
2)外点惩罚函数法简称外点法,这种方法新目标函数定义在可行域之外,序列迭代点从可行域之外逐渐逼近约束边界上的最优点。
外点法可以用来求解含不等式和等式约束的优化问题。
外点惩罚函数法的惩罚因子,它是由小到大,且趋近于的数列。
惩罚因子按下式递增,式中为惩罚因子的递增系数,通常取
2.共轭梯度法中,共轭方向和梯度之间的关系是怎样的?
试画图说明。
.对于二次函数,,从点出发,沿G的某一共轭方向作一维搜索,到达点,则点处的搜索方向应满足,即终点与始点的梯度之差与的共轭方向正交。
3.为什么说共轭梯度法实质上是对最速下降法进行的一种改进?
.
答:
共轭梯度法是共轭方向法中的一种,在该方法中每一个共轭向量都依赖于迭代点处的负梯度构造出来的。
共轭梯度法的第一个搜索方向取负梯度方向,这是最速下降法。
其余各步的搜索方向是将负梯度偏转一个角度,也就是对负梯度进行修正。
所以共轭梯度法的实质是对最速下降法的一种改进。
4.写出故障树的基本符号及表示的因果关系。
5.算法的收敛准则由哪些?
试简单说明。
6.优化设计的数学模型一般有哪几部分组成?
简单说明。
7.简述随机方向法的基本思路
随机方向法的基本思路是在可行域内选择一个初始点,利用随机数的概率特性,产生若干个随机方向,并从中选择一个能使目标函数值下降最快的随机方向作为可行搜索方向。
从初始点出发,沿搜索方向以一定的步长进行搜索,得到新的值,新点应该满足一定的条件,至此完成第一次迭代。
然后将起始点移至,重复以上过程,经过若干次迭代计算后,最终取得约束最优解。
8.复合形法的基本思路是什么?
在可行域中选取K个设计点(n+1≤K≤2n)作为初始复合形的顶点。
比较各顶点目标函数值的大小,去掉目标函数值最大的顶点(称最坏点),以坏点以外其余各点的中心为映射中心,用坏点的映射点替换该点,构成新的复合形顶点。
反复迭代计算,使复合形不断向最优点移动和收缩,直至收缩到复合形的顶点与形心非常接近,且满足迭代精度要求为止。
9.在可行方向法中,产生可行方向的条件是什么?
1.可行性条件
dk与起作用的约束函数在xk点的梯度∇g(Xk)的夹角大于或等于90°
:
[∇g(Xk)]Tdk≤0
*若迭代点Xk处于J个约束边界的相交处,应同时成立:
[∇g(Xk)]Tdk≤0(j=1,2,…J)
2.下降性条件
dk与目标函数在Xk点的梯度∇f(Xk)的夹角大于90°
[∇f(Xk)]Tdk<
0
综上所述,当Xk处于J个起作用的约束面上时,适用可行方向的数学条件是:
三、计算题
1.试用牛顿法求的最优解,设。
初始点为,则初始点处的函数值和梯度分别为
,沿梯度方向进行一维搜索,有
为一维搜索最佳步长,应满足极值必要条件
,
从而算出一维搜索最佳步长
则第一次迭代设计点位置和函数值
,从而完成第一次迭代。
按上面的过程依次进行下去,便可求得最优解。
2、试用黄金分割法求函数的极小点和极小值,设搜索区间(迭代一次即可)
解:
显然此时,搜索区间,首先插入两点,由式
计算相应插入点的函数值。
因为。
所以消去区间,得到新的搜索区间,即。
第一次迭代:
插入点,
相应插入点的函数值,
由于,故消去所以消去区间,得到新的搜索区间,则形成新的搜索区间。
至此完成第一次迭代,继续重复迭代过程,最终可得到极小点。
3.用牛顿法求目标函数+5的极小点,设。
由,则
,其逆矩阵为
因此可得:
,从而经过一次迭代即求得极小点,
优化设计期末考试
(二)
1优化问题的三要素:
设计变量,约束条件,目标函数。
2机械优设计数学规划法的核心:
一、建立搜索方向,二、计算最佳步长因子
3外推法确定搜索区间,函数值形成高-低-高区间
4数学规划法的迭代公式是,其核心是建立搜索方向,和计算最佳步长
5若n维空间中有两个非零向量d0,d1,满足(d0)TGd1=0,则d0、d1之间存在_共轭关系
6,与负梯度成锐角的方向为函数值下降方向,与梯度成直角的方向为函数值不变方向。
外点;
内点的判别
7那三种方法不要求海赛矩阵:
最速下降法共轭梯度法变尺度法
8、那种方法不需要要求一阶或二阶导数:
坐标轮换法
9、拉格朗日乘子法是升维法P37
10、惩罚函数法又分为外点惩罚函数法、内点惩罚函数法、混合惩罚函数法三种
11,.函数在点处的梯度为,海赛矩阵为
12.目标函数是一项设计所追求的指标的数学反映,因此对它最基本的要求是能用
来评价设计的优劣,,同时必须是设计变量的可计算函数。
13.建立优化设计数学模型的基本原则是确切反映工程实际问题,的基础上力求简洁。
14.约束条件的尺度变换常称规格化,这是为改善数学模型性态常用的一种方法。
15,.随机方向法所用的步长一般按加速步长法来确定,此法是指依次迭代的步长按一定的比例递增的方法。
16.最速下降法以负梯度方向作为搜索方向,因此最速下降法又称为梯度法,其收敛速度较慢。
17,.二元函数在某点处取得极值的充分条件是必要条件是该点处的海赛矩阵正定
18.拉格朗日乘子法的基本思想是通过增加变量将等式约束优化问题变成无
约束优化问题,这种方法又被称为升维法。
19,改变复合形形状的搜索方法主要有反射,扩张,收缩,压缩
20坐标轮换法的基本思想是把多变量的优化问题转化为单变量的优化问题
21.在选择约束条件时应特别注意避免出现相互矛盾的约束,,另外应当尽量减少不必要的约束。
22.目标函数是n维变量的函数,它的函数图像只能在n+1,空间中描述出来,为了在n维空间中反映目标函数的变化情况,常采用目标函数等值面的方法。
23协调曲线法是用来解决设计目标互相矛盾的多目标优化设计问题的。
24.机械优化设计的一般过程中,建立优化设计数学模型是首要和关键的一步,它是取得正确结果的前提。
二、解答题
1、试述两种一维搜索方法的原理,它们之间有何区别
搜索的原理是:
区间消去法原理
区别:
(1)、试探法:
给定的规定来确定插入点的位置,此点的位置确定仅仅按照区间的缩短如何加快,而不顾及函数值的分布关系,如黄金分割法
(2)、插值法:
没有函数表达式,可以根据这些点处的函数值,利用插值方法建立函数的某种近似表达式,近而求出函数的极小点,并用它作为原来函数的近似值。
这种方法称为插值法,又叫函数逼近法。
2、在变尺度法中,为使变尺度矩阵与近似,并具有容易计算的特点,必须附加哪些条件?
答:
(1)必须是对称正定的
(2)要求有简单的迭代形式(3)必须满足拟牛顿条件
3,总结:
无约束优化方法
●只算函数值方法
1,坐标轮换法:
小规模,收敛慢(无耦合问题快);
2,单形替换法:
中小规模,收敛较快,
3,格点法:
非凸问题;
4,MonteCarlo法:
非凸问题。
●计算一阶导数方法
1,梯度法:
中小规模,开始快;
2,共轭梯度法:
中大规模,收敛快,程序简单;
2,变尺度法:
中大规模,收敛快;
4,Powell方法:
中大规模,收敛快。
●计算二阶导数方法
1,Newton方法:
收敛快,计算难度大;
2,共轭方向法:
收敛快,计算难度大。
4.共轭梯度法中,共轭方向和梯度之间的关系是怎样的?
4.简述随机方向法的基本思路
然后将起始点
- 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:
- 大学 期末考试 机械 优化 设计 复习题