(完整版)机械优化设计题目答案
1-1.简述优化设计问题数学模型的表达形式。 答：优化问题的数学模型是实际优化设计问题的数学抽象。在明确设计变量、约束条件、目标函数之后，优化设计问题就可以表示成一般数学形式。
求设计变量向量12Tnxxxx使()minfx且满足约束条件 ()0(1,2,)khxkl ()0(1,2,)jgxjm 利用可行域概念，可将数学模型的表达进一步简练。设同时满足()0(1,2,)jgxjm和()0(1,2,)khxkl的设计点集合为R，即R为优化问题的可行域，则优化问题的数学模型可简练地写成
求x使 min()xRfx 符号“”表示“从属于”。
在实际优化问题中，对目标函数一般有两种要求形式：目标函数极小化()minfx或目标函数极大化()maxfx。由于求()fx的极大化与求()fx的极小化等价，所以今后优化问题的数学表达一律采用目标函数极小
化形式。 1-2.简述优化设计问题的基本解法。（不要抄书，要归纳）
答：求解优化问题可以用解析解法，也可以用数值的近似解法。 解析解法就是把所研究的对象用数学方程（数学模型）描述出来，然后再用数学解析方法（如微分、变分方法等）求出有化解。 但是，在很多情况下，优化设计的数学描述比较复杂，因而不便于甚至不可能用解析方法求解；另外，有时对象本身的机理无法用数学方程描述，而只能通过大量试验数据用插值或拟合方法构造一个近似函数式，再来求其优化解，并通过试验来验证；或直接以数学原理为指导，从任取一点出发通过少量试验（探索性的计算），并根据试验计算结果的比较，逐步改进而求得优化解。这种方法是属于近似的、迭代性质的数值解法。 数值解法不仅可用于求复杂函数的优化解，也可以用于处理没有数学解析表达式的优化问题。因此，它是实际问题中常用的方法，很受重视。其中具体方法较多，并且目前还在发展。但是，应当指出，对于复杂问题，由于不能把所有参数都完全考虑并表达出来，只能是一个近似的最后的数学描述。由于它本来就是一种近似，那么，采用近似性质的数值方法对它们进行解算，也就谈不到对问题的精确性有什么影响了。 不管是解析解法，还是数值解法，都分别具有针对无约束条件和有约束条件的具体方法。 可以按照对函数倒数计算的要求，把数值方法分为需要计算函数的二阶导数、一阶导数和零阶导数（即只要计算函数值而不需计算其导数）的方法。 2-1.何谓函数的梯度？梯度对优化设计有何意义？ 答：二元函数f(x1,x2)在x0点处的方向导数的表达式可以改写成下面的形式
2cos1cos212cos21cos1xoxfxfxoxfxoxfxodf
令xoTxfxfxfxfxf21]21[)0(并称它为函数f（x1，x2）在x0点处的梯度。 假设2cos1cosd为D方向上的单位向量，则有dTxfxodf)0( 即函数f（x1，x2）在x0点处沿某一方向d的方向导数xodf等于函数在该点处的梯度)0(xf与d方向单位向量的内积。 梯度方向是函数值变化最快的方向，而梯度的模就是函数变化率的最大值。 梯度与切线方向d垂直，从而推得梯度方向为等值面的法线方向。梯度)0(xf方向为函数变化率最大方向，也就是最
速上升方向。负梯度-)0(xf方向为函数变化率最小方向，即最速下降方向。
2-2.求二元函数2122212122),(xxxxxxf在Tx]0,0[0处函数变化率最大的方向和数值。
解；由于函数变化率最大的方向就是梯度的方向，这里用单位向量p表示，函数变化率最大和数值时梯度的模)0(xf。求f（x1，x2）在x0点处的梯度方向和数值，计算如下：
120122214210xxx
xfx
f
xf 2221)0(xfxf
xf=5
5152512)0()0(xfxfp
2-3.试求目标函数2221212143,xxxxxxf在点X0=[1,0]T 处的最速下降方向，并求沿着该方向移动一个单位长度后新点的目标函数值。 解：求目标函数的偏导数
212211
24,46xxxfxxxf
则函数在X0=[1,0]T处的最速下降方向是
46
2446)(01212101210xxxxxxxx
xfx
f
XfP
这个方向上的单位向量是： 13]2,3[4)6(]4,6[T22TPPe
新点是
1321331
01eXX
新点的目标函数值 1321394)(1Xf
2-4.何谓凸集、凸函数、凸规划？（要求配图） 一个点集（或区域），如果连接其中任意两点x1、x2的线段都全部包含在该集合内，就称该点集为凸集，否则为非凸集。
函数f(x）为凸集定义域内的函数，若对任何的01及凸集域内的任意两点x1、x2，存在如下不等式：
称f（x）是定义在图集上的一个凸函数。
121211fxxfxx
对于约束优化问题 min()s.t. ()0 (1,2,,)jfxgxjm
若()j=jfxgx、（） 1,2,...,m 都是凸函数，则称此问题为凸规划。 3-1.简述一维搜索区间消去法原理。（要配图） 答：搜索区间（a，b）确定之后，采用区间逐步缩短搜索区间，从而找到极小点的数值近似解。假设搜索区间（a，b）内任取两点a1，b1 ，a1《b1，并计算函数值f（a1），f（b1）。将有下列三种可能情形； 1）f（a1）《f（b1）由于函数为单谷，所以极小点必在区间（a，b1）内 2）f（a1）》f（b1），同理，极小点应在区间（a1，b）内 3）f（a1）=f（b1），这是极小点应在（a1，b1）内
3-2.简述黄金分割法中0.618的来由，搜索过程及程序框图。 黄金分割法适用于,ab区间上的任何单谷函数求极小值问题。对函数除要求“单谷”外不作其他要求，甚至可以不连续。因此，这种方法的适应面相当广。黄金分割法也是建立在区间消去法原理基础上的试探方法，即在搜索区间,ab内适当插入两点1、2，并计算其函数值。1、2将区间分成三段。应用函数的单谷性质，通过函数值大小的比较，删去其中一段，使搜索区间得以缩短。然后再在保留下来的区间上作同样的处置，如此迭代下去，使搜索区间无限缩小，从而得到极小点的数值近似解。
黄金分割法要求插入点1、2的位置相对于区间,ab两端点具有对称性，即
1()bba
2()aba 其中，为待定常数。
图a 除对称要求外，黄金分割法还要求在保留下来的区间内再插入一点所形成的区间新三段，与原来区间的三段具有相同的比
例分布。设原区间,ab长度为1，如图a所示，保留下来的区间2,a长度为，区间缩短率为。为了保持相同的比例分
布，新插入点3应在(1)位置上，1在原区间的1位置应相当于在保留区间的2位置。故有 21
210
取方程正数解，得 510.6182 若保留下来的区间为1,b，根据插入点的对称性，也能推得同样的值。所谓“黄金分割”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，即 1::(1)
同样算得0.618。可见黄金分割法能使相邻两次搜索区间都具有相同的缩短率0.618，所以黄金分割法又被称作0.618法。
图 b 黄金分割法的搜索过程是： （1） 给出初始搜索区间,ab及收敛精度，将赋以0.618。
（2） 按坐标点计算公式1()bba、2()aba计算1和2，并计算其对应的函数值1()f，2()f。
（3） 根据区间消去法原理缩短搜索区间。为了能用原来的坐标点计算公式，需进行区间名称的代换，并在保留区间中计算一个新的试验点及其函数值。 （4） 检查区间是否缩短到足够小和函数值收敛到足够近，如果条件不满足则返回到步骤（2）。 （5） 如果条件满足，则取最后两试验点的平均值作为极小点的数值近似解。 （6） 黄金分割法的程序框图如图b所示。
3-3.对函数2)(2f，当给定搜索区间55时，写出用黄金分割法求极小点的前三次搜索过程。（要
列表） 解；此时的a=-5，b=5。首先插入两点a1和a2。可得 a1=b-)(ab=-1.18 , a2=a+)(ab=1.18 再计算相应插入点的函数值，得 y1=f（a1）=-0.9676，y2=f（a2）=3.7524 因为y2>y1，所以消去区间[a2,b]，则新的搜索区间[a,b]的端点a=-5不变，而端点b=a2=1.18 第一次迭代；此时插入点a1=b-)(ab=-2.639，a2=-1.181。相应插入点的函数值y1=f（a1）=1.686，y2=f（a2）=-0.967，由于y1>y2,故消去区间[a，a1],新的搜索区间为[-2.639,1.18]，如此继续迭代下去 列出前三次迭代结果 黄金分割法的搜索过程 迭代序号 a a1 a2 b Y1 比较 Y2 0 -5 -1.18 1.18 5 -0.9676 < 3.7524 1 -5 -2.639 -1.181 1.18 1.686 > -0.967 2 -2.639 -1.18 -0.279 1.18 -0.9676 < -0.48 3 -2.639 -1.737 -1.181 -0.279 -0.457 > -0.482
3-4.使用二次插值法求f(x)=sin(x)在区间[2,6]的极小点，写出计算步骤和迭代公式，给定初始点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
《机械优化设计》试卷及答案 新 全
《机械优化设计》复习题及答案一、选择题1、下面 方法需要求海赛矩阵。
A 、最速下降法B 、共轭梯度法C 、牛顿型法D 、DFP 法2、对于约束问题()()()()2212221122132min 44g 10g 30g 0f X x x x X x x X x X x =+-+=--≥=-≥=≥根据目标函数等值线和约束曲线，判断()1[1,1]T X =为 ，()251[,]22TX =为 。
A ．内点；内点B. 外点；外点C. 内点；外点D. 外点；内点3、内点惩罚函数法可用于求解__________优化问题。
A 无约束优化问题B 只含有不等式约束的优化问题C 只含有等式的优化问题D 含有不等式和等式约束的优化问题4、对于一维搜索，搜索区间为[a ，b]，中间插入两个点a 1、b 1，a 1<b 1，计算出f(a 1)<f(b 1)，则缩短后的搜索区间为___________。
A [a 1，b 1]B [ b 1，b]C [a1，b]D [a，b1]5、_________不是优化设计问题数学模型的基本要素。
A设计变量B约束条件C目标函数D 最佳步长6、变尺度法的迭代公式为x k+1=x k-αk H k▽f(x k)，下列不属于H k必须满足的条件的是________。
A. H k之间有简单的迭代形式B.拟牛顿条件C.与海塞矩阵正交D.对称正定7、函数)(Xf在某点的梯度方向为函数在该点的。
A、最速上升方向B、上升方向C、最速下降方向D、下降方向8、下面四种无约束优化方法中，__________在构成搜索方向时没有使用到目标函数的一阶或二阶导数。
A 梯度法B 牛顿法C 变尺度法D 坐标轮换法9、设)f在R上为凸函数的(X(Xf为定义在凸集R上且具有连续二阶导数的函数，则)充分必要条件是海塞矩阵G(X)在R上处处。
A 正定B 半正定C 负定D 半负定10、下列关于最常用的一维搜索试探方法——黄金分割法的叙述，错误的是，。
《机械优化设计》复习题-答案
机械优化设计复习题解答一、填空题1、用最速下降法求fX=100x 2- x 12 2+1- x 1 2的最优解时,设X 0＝,T ,第一步迭代的搜索方向为 -47,-50T ;2、机械优化设计采用数学规划法,其核心一是寻找搜索方向,二是计算最优步长;3、当优化问题是凸规划的情况下,任何局部最优解就是全域最优解;4、应用进退法来确定搜索区间时,最后得到的三点,即为搜索区间的始点、中间点和终点,它们的函数值形成 高－低－高 趋势;5、包含n 个设计变量的优化问题,称为 n 维优化问题;6、函数C X B HX X T T++21的梯度为HX+B ; 7、设G 为n×n 对称正定矩阵,若n 维空间中有两个非零向量d 0,d 1,满足d 0T Gd 1=0,则d 0、d 1之间存在共轭关系;8、 设计变量 、 目标函数 、 约束条件 是优化设计问题数学模型的基本要素;9、对于无约束二元函数),(21x x f ,若在),(x 20100x x 点处取得极小值,其必要条件是,充分条件是正定 ;10、 库恩-塔克 条件可以叙述为在极值点处目标函数的梯度为起作用的各约束函数梯度的非负线性组合; 11、用黄金分割法求一元函数3610)(2+-=x x x f 的极小点,初始搜索区间]10,10[],[-=b a ,经第一次区间消去后得到的新区间为 10 ; 12、优化设计问题的数学模型的基本要素有设计变量、 目标函数 、 约束条件;13、牛顿法的搜索方向d k= ,其计算量大 ,且要求初始点在极小点 附近 位置; 14、将函数fX=x 12+x 22-x 1x 2-10x 1-4x 2+60表示成C X B HX X T T++21的形式 ;15、存在矩阵H,向量 d 1,向量 d 2,当满足d 1T Hd 2=0,向量 d 1和向量 d 2是关于H 共轭; 16、采用外点法求解约束优化问题时,将约束优化问题转化为外点形式时引入的惩罚因子r 数列,具有单调递增特点;17、采用数学规划法求解多元函数极值点时,根据迭代公式需要进行一维搜索,即求最优步长;1k k H g --18、与负梯度成锐角的方向为函数值下降的方向,与梯度成直角的方向为函数值变化为零的方向;19、对于一维搜索,搜索区间为[]b a ,,中间插入两个点()()111111,,,b f a f b a b a <<计算出,则缩短后的搜索区间为11b a20、由于确定搜索方向和最佳步长的方法不一致,派生出不同的无约束优化问题数值求解方法;1、导出等式约束极值条件时,将等式约束问题转换为无约束问题的方法有消元法和拉格朗日法;2、优化问题中的二元函数等值线,从外层向内层函数值逐渐变小;3、优化设计中,可行设计点位可行域内内的设计点;4、方向导数定义为函数在某点处沿某一方向的变化率5、在n 维空间中互相共轭的非零向量个数最多有n 个;6、外点惩罚函数法的迭代过程可在可行域外进行,惩罚项的作用是随便迭代点逼近边界或等式约束曲面; 二、选择题1、下面C 方法需要求海赛矩阵; A 、最速下降法 B 、共轭梯度法 C 、牛顿型法 D 、DFP 法2、对于约束问题根据目标函数等值线和约束曲线,判断()1[1,1]T X =为 ,()251[,]22TX =为 ;D A ．内点；内点 B. 外点；外点 C. 内点；外点 D. 外点；内点3、内点惩罚函数法可用于求解B 优化问题; A 无约束优化问题B 只含有不等式约束的优化问题C 只含有等式的优化问题D 含有不等式和等式约束的优化问题4、对于一维搜索,搜索区间为a,b,中间插入两个点a1、b1,a1<b1,计算出fa1<fb1,则缩短后的搜索区间为D;A a1,b1B b1,bC a1,bD a,b15、D不是优化设计问题数学模型的基本要素;A设计变量B约束条件C目标函数D 最佳步长6、变尺度法的迭代公式为x k+1=x k-αk H k▽fx k,下列不属于H k必须满足的条件的是C ;A. Hk之间有简单的迭代形式B.拟牛顿条件C.与海塞矩阵正交D.对称正定7、函数)(Xf在某点的梯度方向为函数在该点的A;A、最速上升方向B、上升方向C、最速下降方向D、下降方向8、下面四种无约束优化方法中,D在构成搜索方向时没有使用到目标函数的一阶或二阶导数;A 梯度法B 牛顿法C 变尺度法D 坐标轮换法9、设)(Xf为定义在凸集R上且具有连续二阶导数的函数,则)(Xf在R上为凸函数的充分必要条件是海塞矩阵GX在R上处处B;A 正定B 半正定C 负定D 半负定10、下列关于最常用的一维搜索试探方法——黄金分割法的叙述,错误的是D,假设要求在区间a,b插入两点α1、α2,且α1<α2;A、其缩短率为B、α1=b-λb-aC、α1=a+λb-aD、在该方法中缩短搜索区间采用的是外推法;11、与梯度成锐角的方向为函数值A方向,与负梯度成锐角的方向为函数值B方向,与梯度成直角的方向为函数值 C方向;A、上升B、下降C、不变D、为零12、二维目标函数的无约束极小点就是 B;A、等值线族的一个共同中心B、梯度为0的点C、全局最优解D、海塞矩阵正定的点13、最速下降法相邻两搜索方向d k和d k+1必为 B 向量;A 相切B 正交C 成锐角D 共轭14、下列关于内点惩罚函数法的叙述,错误的是A;A 可用来求解含不等式约束和等式约束的最优化问题;B 惩罚因子是不断递减的正值C初始点应选择一个离约束边界较远的点;D 初始点必须在可行域内三、问答题看讲义1、试述两种一维搜索方法的原理,它们之间有何区答：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、惩罚函数法求解约束优化问题的基本原理是什么答,基本原理是将优化问题的不等式和等式约束函数经过加权转化后,和原目标函数结合形成新的目标函数——惩罚函数求解该新目标函数的无约束极值,以期得到原问题的约束最优解3、试述数值解法求最佳步长因子的基本思路;答主要用数值解法,利用计算机通过反复迭代计算求得最佳步长因子的近似值4、试述求解无约束优化问题的最速下降法与牛顿型方法的优缺点;答：最速下降法此法优点是直接、简单,头几步下降速度快;缺点是收敛速度慢,越到后面收敛越慢;牛顿法优点是收敛比较快,对二次函数具有二次收敛性;缺点是每次迭代需要求海塞矩阵及其逆矩阵,维数高时及数量比较大;5、写出用数学规划法求解优化设计问题的数值迭代公式,并说明公式中各变量的意义,并说明迭代公式的意义;6、什么是共轭方向满足什么关系共轭与正交是什么关系四、解答题1、试用梯度法求目标函数fX=+ x1x2-2x1的最优解,设初始点x0=-2,4T,选代精度ε=迭代一步;解：首先计算目标函数的梯度函数,计算当前迭代点的梯度向量值梯度法的搜索方向为, 因此在迭代点x0的搜索方向为12,－6T 在此方向上新的迭代点为：===把新的迭代点带入目标函数,目标函数将成为一个关于单变量的函数令,可以求出当前搜索方向上的最优步长新的迭代点为当前梯度向量的长度, 因此继续进行迭代; 第一迭代步完成;2、试用牛顿法求f X =x1-22+x1-2x22的最优解,设初始点x0=2,1T;解1：注：题目出题不当,初始点已经是最优点,解2是修改题目后解法;牛顿法的搜索方向为,因此首先求出当前迭代点x0的梯度向量、海色矩阵及其逆矩阵不用搜索,当前点就是最优点;解2：上述解法不是典型的牛顿方法,原因在于题目的初始点选择不当;以下修改求解题目的初始点,以体现牛顿方法的典型步骤;以非最优点x0=1,2T作为初始点,重新采用牛顿法计算牛顿法的搜索方向为,因此首先求出当前迭代点x0的梯度向量、以及海色矩阵及其逆矩阵梯度函数：初始点梯度向量：海色矩阵：海色矩阵逆矩阵：当前步的搜索方向为：＝新的迭代点位于当前的搜索方向上：==＝＝把新的迭代点带入目标函数,目标函数将成为一个关于单变量的函数令,可以求出当前搜索方向上的最优步长新的迭代点为当前梯度向量的长度, 因此继续进行迭代;第二迭代步：因此不用继续计算,第一步迭代已经到达最优点;这正是牛顿法的二次收敛性;对正定二次函数,牛顿法一步即可求出最优点;3、设有函数 fX=x12+2x22-2x1x2-4x1,试利用极值条件求其极值点和极值;解：首先利用极值必要条件找出可能的极值点：令＝求得,是可能的极值点;再利用充分条件正定或负定确认极值点;因此正定, 是极小点,极值为fX=-84、求目标函数f X =x12+x1x2+2x22 +4x1+6x2+10的极值和极值点;解法同上5、试证明函数 f X =2x12+5x22 +x32+2x3x2+2x3x1-6x2+3在点1,1,-2T处具有极小值;解：必要条件：将点1,1,-2T带入上式,可得充分条件＝40正定;因此函数在点1,1,-2T处具有极小值6、给定约束优化问题min fX=x1-32+x2-22. g1X=－x12－x22＋5≥0g 2X=－x1－2x2＋4≥0g 3X= x1≥0g 4X=x2≥0验证在点TX]2[，１=Kuhn-Tucker条件成立; 解：首先,找出在点TX]2[，１=起作用约束：g1X ＝0g2X ＝0g3X ＝2g4X ＝1因此起作用约束为g1X、g2X;然后,计算目标函数、起作用约束函数的梯度,检查目标函数梯度是否可以表示为起作用约束函数梯度的非负线性组合;＝＝,求解线性组合系数得到均大于0因此在点T X ]2[，１=Kuhn-Tucker 条件成立 7、设非线性规划问题用K-T 条件验证[]TX 0,1*=为其约束最优点;解法同上8、已知目标函数为fX= x 1+x 2,受约束于：g 1X=-x 12+x 2≥0 g 2X=x 1≥0 写出内点罚函数; 解：内点罚函数的一般公式为其中： r 1>r 2 >r 3… >r k … >0 是一个递减的正值数列 r k ＝Cr k-1, 0＜C ＜1 因此 罚函数为：9、已知目标函数为fX= x 1-12+x 2+22受约束于：g 1X=-x 2-x 1-1≥0g 2X=2-x 1-x 2≥0 g 3X=x 1≥0 g 4X=x 2≥0试写出内点罚函数; 解法同上10、如图,有一块边长为6m 的正方形铝板,四角截去相等的边长为x 的方块并折转,造一个无盖的箱子,问如何截法x 取何值才能获得最大容器的箱子;试写出这一优化问题的数学模型以及用MATLAB 软件求解的程序;11、某厂生产一个容积为8000cm 3的平底无盖的圆柱形容器,要求设计此容器消耗原材料最少,试写出这一优化问题的数学模型以及用MATLAB 软件求解的程序;12、一根长l 的铅丝截成两段,一段弯成圆圈,另一段弯折成方形,问应以怎样的比例截断铅丝,才能使圆和方形的面积之和为最大,试写出这一优化设计问题的数学模型以及用MATLAB 软件求解的程序;13、求表面积为300m 2的体积最大的圆柱体体积;试写出这一优化设计问题的数学模型以及用MATLAB 软件求解的程序; 14、薄铁板宽20cm,折成梯形槽,求梯形侧边多长及底角多大,才会使槽的断面积最大;写出这一优化设计问题的数学模型,并用matlab软件的优化工具箱求解写出M文件和求解命令;15、已知梯形截面管道的参数是：底边长度为c,高度为h,面积A=64516mm2,斜边与底边的夹角为θ,见图1;管道内液体的流速与管道截面的周长s的倒数成比例关系s只包括底边和两侧边,不计顶边;试按照使液体流速最大确定该管道的参数;写出这一优化设计问题的数学模型;并用matlab软件的优化工具箱求解写出M文件和求解命令;16、某电线电缆车间生产力缆和话缆两种产品;力缆每米需用材料9kg,3个工时,消耗电能4kW·h,可得利润60元；话缆每米需用材料4kg,10个工时,消耗电能5kW·h,可得利润120元;若每天材料可供应360kg,有300个工时消耗电能200kW·h可利用;如要获得最大利润,每天应生产力缆、话缆各多少米写出该优化问题的数学模型以及用MATLAB软件求解的程序;。
机械优化设计复习题及答案
机械优化设计复习题一.单项选择题1．一个多元函数()F X 在X *附近偏导数连续，则该点位极小值点的充要条件为（ ）A ．()*0F X ∇= B. ()*0F X ∇=,()*H X 为正定 C ．()*0H X = D. ()*0F X ∇=,()*H X 为负定2.为克服复合形法容易产生退化的缺点，对于n 维问题来说，复合形的顶点数K 应（ ）A ． 1K n ≤+ B. 2K n ≥ C. 12n K n +≤≤ D. 21n K n ≤≤- 3．目标函数F （x ）=4x 21+5x 22，具有等式约束，其等式约束条件为h(x)=2x 1+3x 2-6=0,则目标函数的极小值为（ ）A ．1B ． 19.05C ．0.25D ．0.14.对于目标函数F(X)=ax+b 受约束于g(X)=c+x ≤0的最优化设计问题，用外点罚函数法求解时，其惩罚函数表达式Φ(X,M (k))为( )。
A. ax+b+M (k){min ［0,c+x ］}2，M (k)为递增正数序列B. ax+b+M (k){min ［0,c+x ］}2，M (k)为递减正数序列C. ax+b+M (k){max ［c+x,0］}2，M (k)为递增正数序列hnD. ax+b+M (k){max ［c+x,0］}2，M (k)为递减正数序列1.B2.C3.B4.B5.A6.B7.D8.B9.A 10C.11.B 12.C 13A 14.B 15.B 16 D 17.D 18.A 19.B.20.D 21.A 22.D 23.C 24.B 25.D 26.D 27.A 28.B 29.B 30.B5.黄金分割法中，每次缩短后的新区间长度与原区间长度的比值始终是一个常数，此常数是（ ）。
A.0.382 B.0.186 C.0.618 D.0.8166.F(X)在区间［x 1,x 3］上为单峰函数，x 2为区间中一点，x 4为利用二次插值法公式求得的近似极值点。
《机械优化设计》复习题-答案讲解
《机械优化设计》复习题解答一、填空题1、用最速下降法求f(X)=100(x 2- x 12) 2+(1- x 1) 2的最优解时，设X （0）＝[-0.5,0.5]T ，第一步迭代的搜索方向为 [-47,-50]T 。
2、机械优化设计采用数学规划法，其核心一是寻找搜索方向，二是计算最优步长。
3、当优化问题是凸规划的情况下，任何局部最优解就是全域最优解。
4、应用进退法来确定搜索区间时，最后得到的三点，即为搜索区间的始点、中间点和终点，它们的函数值形成 高－低－高 趋势。
5、包含n 个设计变量的优化问题，称为 n 维优化问题。
6、函数 C X B HX X T T ++21的梯度为HX+B 。
7、设G 为n×n 对称正定矩阵，若n 维空间中有两个非零向量d 0，d 1，满足(d 0)T Gd 1=0，则d 0、d 1之间存在共轭关系。
8、 设计变量 、 目标函数 、 约束条件 是优化设计问题数学模型的基本要素。
9、对于无约束二元函数),(21x x f ，若在),(x 20100x x 点处取得极小值，其必要条件是 错误!未找到引用源。
，充分条件是 错误!未找到引用源。
(错误!未找到引用源。
正定 。
10、 库恩-塔克 条件可以叙述为在极值点处目标函数的梯度为起作用的各约束函数梯度的非负线性组合。
11、用黄金分割法求一元函数3610)(2+-=x x x f 的极小点，初始搜索区间]10,10[],[-=b a ，经第一次区间消去后得到的新区间为 [-2.36 10] 。
12、优化设计问题的数学模型的基本要素有设计变量、 目标函数 、 约束条件。
13、牛顿法的搜索方向d k= ，其计算量大 ，且要求初始点在极小点 附近 位置。
14、将函数f(X)=x 12+x 22-x 1x 2-10x 1-4x 2+60表示成C X B HX X T T ++21的形式 错误!未找到引用源。
。
15、存在矩阵H ，向量 d 1，向量 d 2，当满足d 1T Hd 2=0，向量 d 1和向量 d 2是关于H 共轭。
机械优化设计课后习题答案
2-8 解：
试判断函数 f (X) 2x12 x22 2x1x2 x1 1 的凸性。
f ( X ) f ( X ) 4 x1 2 x2 1 ， 2 x2 2 x1 x1 x2
2 f (X ) 2 f (X ) 2 f (X ) 2 f (X ) 5， 2， 2， 2 2 x1x2 x2 x1 x12 x2 5 2 海赛矩阵H ( X ) 2 2
6
a 各阶主子式： a11 2 0，11 a 21
a12 a 22
2 1 0 1 2
H(X)是正定的， 所以， f (X) 为凸函数。
2-10 现已获得优化问题
min s.t.
f ( X) 4 x1 x2 2 12 g1 ( X) x12 x2 2 25 0 g 2 ( X) x12 x2 2 10 x1 10 x2 34 0 g3 ( X) ( x1 3) 2 ( x2 1) 2 0 g 4 ( X) x1 0 g5 ( X) x2 0
求：
2、 3、 4 时的四条等值线，并在图上 (1) 以一定的比例尺画出当目标函数依次为 f ( X) 1、
画出可行区的范围。 (2) 找出图上的无约束最优解 X1 和对应的函数值 f ( X1 ) ， 约束最优解 X 2 和 f ( X2 ) ； (3) 若加入一个等式约束条件：
h(X) x1 x2 0
x2
x3 ]T [d
D2
n]T 使弹簧重量
最轻， 同时满足下列限制条件： 弹簧圈数 n 3 ， 簧丝直径 d 0.5 ， 弹簧中径 10 D2 50 。 试建立该优化问题的数学模型。 注：弹簧的应力与变形计算公式如下 3 8Fn D2 8FD2 D2 1 ks , k 1 , c ( 旋绕比）， s d3 2c d Gd 4 解： （1）确定设计变量；
机械优化设计复习题及答案
机械优化设计复习题一.单项选择题1．一个多元函数()F X在X* 附近偏导数连续，则该点位极小值点的充要条件为（）A．()*0F X∇= B. ()*0F X∇=,()*H X为正定C．()*0H X= D. ()*0F X∇=,()*H X为负定2.为克服复合形法容易产生退化的缺点，对于n维问题来说，复合形的顶点数K应（）A．1K n≤+ B. 2K n≥ C. 12n K n+≤≤ D. 21n K n≤≤-3．目标函数F（x）=4x21+5x22，具有等式约束，其等式约束条件为h(x)=2x1+3x2-6=0,则目标函数的极小值为（）A．1 B． 19.05 C．0.25 D．0.14.对于目标函数F(X)=ax+b受约束于g(X)=c+x≤0的最优化设计问题，用外点罚函数法求解时，其惩罚函数表达式Φ(X,M(k))为( )。
A. ax+b+M(k){min［0,c+x］}2，M(k)为递增正数序列B. ax+b+M(k){min［0,c+x］}2，M(k)为递减正数序列C. ax+b+M(k){max［c+x,0］}2，M(k)为递增正数序列hnD. ax+b+M (k){max ［c+x,0］}2，M (k)为递减正数序列1.B2.C3.B4.B5.A6.B7.D8.B9.A 10C.11.B 12.C 13A 14.B 15.B 16 D 17.D 18.A0.186 C6.F(X)在区间［x 1,x 3］上为单峰函数，x 2为区间中一点，x 4为利用二次插值法公式求得的近似极值点。
如x 4-x 2>0,且F(x 4)>F(x 2)，那么为求F(X)的极小值，x 4点在下一次搜索区间内将作为( )。
A.x 1 B.x 3 C.x 2D.x 47.已知二元二次型函数F(X)=AX X 21T ，其中A=⎥⎦⎤⎢⎣⎡4221，则该二次型是( )的。
A.正定 B.负定 C.不定 D.半正定 8.内点罚函数法的罚因子为（ ）。
《机械优化设计》习题及答案1word版本
机械优化设计习题及参考答案1-1.简述优化设计问题数学模型的表达形式。
答：优化问题的数学模型是实际优化设计问题的数学抽象。
在明确设计变量、约束条件、目标函数之后，优化设计问题就可以表示成一般数学形式。
求设计变量向量[]12Tn x x x x =L 使 ()min f x → 且满足约束条件()0(1,2,)k h x k l ==L ()0(1,2,)j g x j m ≤=L2-1.何谓函数的梯度？梯度对优化设计有何意义？答：二元函数f(x 1,x 2)在x 0点处的方向导数的表达式可以改写成下面的形式：⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡∂∂∂∂=∂∂+∂∂=∂∂2cos 1cos 212cos 21cos 1θθθθxo x f x f xo x f xo x f xo d fρ令xo Tx f x f x f x fx f ⎥⎦⎤⎢⎣⎡∂∂∂∂=∂∂∂∂=∇21]21[)0(， 则称它为函数f （x 1，x 2）在x 0点处的梯度。
（1）梯度方向是函数值变化最快方向，梯度模是函数变化率的最大值。
（2）梯度与切线方向d 垂直，从而推得梯度方向为等值面的法线方向。
梯度)0(x f ∇方向为函数变化率最大方向，也就是最速上升方向。
负梯度-)0(x f ∇方向为函数变化率最小方向，即最速下降方向。
2-2.求二元函数f （x 1，x 2）=2x 12+x 22-2x 1+x 2在T x ]0,0[0=处函数变化率最大的方向和数值。
解：由于函数变化率最大的方向就是梯度的方向，这里用单位向量p表示，函数变化率最大和数值时梯度的模)0(x f ∇。
求f （x1，x2）在x0点处的梯度方向和数值，计算如下：()⎥⎦⎤⎢⎣⎡-=⎥⎦⎤⎢⎣⎡+-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡∂∂∂∂=∇120122214210x x x x f x f x f 2221)0(⎪⎭⎫ ⎝⎛∂∂+⎪⎭⎫ ⎝⎛∂∂=∇x f x f x f =5⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡-=⎥⎦⎤⎢⎣⎡-=∇∇=5152512)0()0(x f x f p ϖ2-3.试求目标函数()2221212143,x x x x x x f +-=在点X 0=[1,0]T 处的最速下降方向，并求沿着该方向移动一个单位长度后新点的目标函数值。
机械优化设计选择题有答案
一、单项选择题1. 在有限元中，系统之间只能通过（ A ）来传递内力。
A ．结点B ．网格C ．表面D ．边缘2．通过对有限元的态体分析，目的是要建立一个（ C ）来揭示结点外载荷与结点位移的关系，从而用来求解结点位移。
A ．变换矩阵B ．非线性方程组C ．线性方程组D ．目标函数3．从系统工程的观点分析，设计系统是一个由时间维、（ A ）和方法维组成的三维系统。
A ．逻辑维B ．位移维C ．技术维D ．质量维4. （ B ）称为产品三次设计的第三次设计。
A ．环境设计B ．容差设计C ．工艺设计D ．可靠性设计5．人们将设计的对象系统看成是“黑箱”，集中分析比较系统中的能量、物料和（ D ）三个基本要素的输入输出关系。
A ．时间B ．质量C ．成本D ．信息6．创造技法中的“635法”指针对一个设计问题，召集6人与会，要求每人在卡片上出3个设计方案，（ B ）为一单元，卡片相互交流。
A ．5个问题B ．5分钟时间C ．5个步骤D ．5个标准7．（ D ）更适合表达优化问题的数值迭代搜索求解过程。
A ．曲线或曲面B ．曲线或等值面C ．曲面或等值线D ．等值线或等值面8．机械最优化设计问题多属于（ C ）优化问题。
A. 约束线性B. 无约束线性C. 约束非线性D. 无约束非线性9．当设计变量数目（ B ）时，该设计问题称为中型优化问题。
A. n ＜10B. n ＝10～50C. n ＜50D. n ＞5010．梯度方向是函数具有（ D ）的方向。
A. 最速下降B. 最速上升C. 最小变化D. 最大变化率。
11．若矩阵A 的各阶顺序主子式均大于零，则该矩阵为（ A ）矩阵A. 正定B. 正定二次型C. 负定D. 负定二次型12．多维无约束优化有多种方法，（ D ）不属于其中的方法。
A. 直接法B. 间接法C. 模式法D. 积分法13．为了确定函数单峰区间内的极小点，可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大小，直到找到相邻三点的函数值按（ A ）变化的单峰区间为止。
机械优化设计试题及答案
机械优化设计试题及答案案场各岗位服务流程销售大厅服务岗：1、销售大厅服务岗岗位职责：1)为来访客户提供全程的休息区域及饮品;2)保持销售区域台面整洁;3)及时补足销售大厅物资,如糖果或杂志等;4)收集客户意见、建议及现场问题点；2、销售大厅服务岗工作及服务流程阶段工作及服务流程班前阶段1）自检仪容仪表以饱满的精神面貌进入工作区域2）检查使用工具及销售大厅物资情况，异常情况及时登记并报告上级。
班中工作程序服务流程行为规范迎接指引递阅资料上饮品（糕点）添加茶水工作要求1）眼神关注客人，当客人距3米距离时，应主动跨出自己的位置迎宾，然后侯客迎询问客户送客户注意事项15度鞠躬微笑问候：“您好！欢迎光临！”2）在客人前方1-2米距离领位，指引请客人向休息区，在客人入座后问客人对座位是否满意：“您好！请问坐这儿可以吗？”得到同意后为客人拉椅入座“好的，请入座！”3）若客人无置业顾问陪同，可询问：请问您有专属的置业顾问吗？，为客人取阅项目资料，并礼貌的告知请客人稍等，置业顾问会很快过来介绍，同时请置业顾问关注该客人；4）问候的起始语应为“先生-小姐-女士早上好，这里是XX销售中心，这边请”5）问候时间段为8:30-11:30 早上好11:30-14:30 中午好 14:30-18:00下午好6）关注客人物品，如物品较多，则主动询问是否需要帮助（如拾到物品须两名人员在场方能打开，提示客人注意贵重物品）；7）在满座位的情况下，须先向客人致歉，在请其到沙盘区进行观摩稍作等待；阶段工作及服务流程班中工作程序工作要求注意事项饮料（糕点服务）1）在所有饮料（糕点）服务中必须使用托盘；2）所有饮料服务均已“对不起，打扰一下，请问您需要什么饮品”为起始；3）服务方向：从客人的右面服务；4）当客人的饮料杯中只剩三分之一时，必须询问客人是否需要再添一杯，在二次服务中特别注意瓶口绝对不可以与客人使用的杯子接触；5）在客人再次需要饮料时必须更换杯子；下班程序1）检查使用的工具及销售案场物资情况，异常情况及时记录并报告上级领导；2）填写物资领用申请表并整理客户意见；3）参加班后总结会；4）积极配合销售人员的接待工作，如果下班时间已经到，必须待客人离开后下班；1.3.3.3吧台服务岗1.3.3.3.1吧台服务岗岗位职责1）为来访的客人提供全程的休息及饮品服务；2）保持吧台区域的整洁；3)饮品使用的器皿必须消毒；4）及时补充吧台物资；5）收集客户意见、建议及问题点；1.3.3.3.2吧台服务岗工作及流程阶段工作及服务流程班前阶段1）自检仪容仪表以饱满的精神面貌进入工作区域2）检查使用工具及销售大厅物资情况，异常情况及时登记并报告上级。
《机械优化设计》试卷及答案
，其计算量 大 ，且要求初始点在极小点 逼近 位
14 、 将 函 数 f(X)=x12+x22-x1x2-10x1-4x2+60 表 示 成 1 X T HX BT X C 的 形 2
式
。
15、存在矩阵 H，向量 d1，向量 d2，当满足 (d1)TGd2=0 是关于 H 共轭。
，向量 d1 和向量 d2
四、解答题 1、试用梯度法求目标函数 f(X)=1.5x12+0.5x22- x1x2-2x1 的最优解，设初始点 x(0)=[-2，4]T, 选代精度ε=0.02（迭代一步）。
2、试用牛顿法求 f( X )=(x1-2)2+(x1-2x2)2 的最优解，设初始点 x(0)=[2,1]T。 3、设有函数 f(X)=x12+2x22-2x1x2-4x1，试利用极值条件求其极值点和极值。 4、求目标函数 f( X )=x12+x1x2+2x22 +4x1+6x2+10 的极值和极值点。
min f X x12 x22 4x2 4 g1 X x1 x22 1 0 g2 X 3 x1 0 g3 X x2 0
根 据 目 标 函 数 等 值 线 和 约 束 曲 线 ， 判 断 X 1 [1,1]T 为
为
。
， X 2 [ 5 , 1 ]T 22
A．内点；内点
11 、 用 黄 金 分 割 法 求 一 元 函 数 f (x) x 2 10x 36 的 极 小 点 ， 初 始 搜 索 区 间
[a,b] [10,10] ，经第一次区间消去后得到的新区间为 [-2.36,2.36]
。
12、优化设计问题的数学模型的基本要素有设计变量 、约束条件 目标函数