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[]
12T
n 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 ≤=L
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,)
j g x j m ≤=L 和
()0
(1,2,)k h x k l ==L 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 ()x R
f x ∈ 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
()min
f x →或目标函数极大化
()max f x →。由于求()f x 的极大化与求()f x -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
??
??????????????=??+??=??2cos 1cos 212cos 21cos 1θθθθxo x f x f xo x f xo x f xo d f ρ 令xo T x f x f x f x f
x f ??
????
????=????=?21]2
1[)0(并称它为函数f （x1，x2）在x0点处的梯度。
假设??
????=2cos 1cos θθd
ρ为D 方向上的单位向量，则有d T x f xo d f ?ρ)0(?=?? 即函数f （x1，x2）在x0点处沿某一方向d 的方向导数
xo
d f
???等于函数在该点处的梯度)0(x f ?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(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
212
2212122),(x x x x x x f +-+=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 ? 2-3.试求目标函数
()2
2
21212143,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。 解：求目标函数的偏导数
212
21124,46x x x f x x x f +-=??-=?? 则函数在X 0
=[1,0]T
处的最速下降方向是
??????-=??????-+-=??????
??????????-=-?=====462446)(0
121
2
10
12102121x x x x
x x x x x f x f X f P 这个方向上的单位向量是：
13
]2,3[4)6(]4,6[T 2
2T -=
+--==
P
P e 新点是
?????
???????-=+=132133101e X X 新点的目标函数值
13213
94
)(1-=
X f 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01α≤≤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。
()()()1212
11f
x x f x x αααα+-≤+-????
对于约束优化问题
min ()
s.t. ()0 (1,2,,)
j f x g x j m ≤=L
若
()j=j f x g x 、（） 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
[],a b 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[],a b 内适当插入
两点1α、2α，并计算其函数值。1α、2α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1α、2α的位置相对于区间
[],a b 两端点具有对称性，即
1()b b a αλ=--
2()a b a αλ=+- 其中，λ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[],a b 长度为1，如图a 所示，保留下来的区间[]2,a α长度为，区间缩短率为λ。为了保持相同的比例分
布，新插入点
3α应在(1)λλ-位置上，1α在原区间的1λ-位置应相当于在保留区间的2λ位置。故有
21λλ-= 210λλ+-=
取方程正数解，得
51
0.618λ-=
≈
若保留下来的区间为
[]1,b α，根据插入点的对称性，也能推得同样的λ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)λλλ=-
同样算得0.618λ
≈。
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
[],a b 及收敛精度ε，将λ赋以0.618。
（2）
按坐标点计算公式1
()b b a αλ=--、2()a b a αλ=+-计算1α和2α，并计算其对应的函数值
1()f α，2()f α。
（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ααα2)(2+=f ，当给定搜索区间55≤≤-α时，写出用黄金分割法求极小点*α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-)(a b -λ=-1.18 , a2=a+)(a b -λ=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-)(a b -λ=-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
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x 1=2，x 2=4，x 3=6， ε=10-4
。
1 2 3 4 x 1 2 4 4.55457 4.55457 x 2 4 4.55457 4.73656 4.72125 x 3 6 6 6 4.73656
迭代次数K= 4 ，极小点为 4.71236 ，最小值为 -1
13131x x y y c --=
，1
21
22x x y y c --=，3
21
23
x x c c c --=
)(213
131c c x x x p -+=
收敛的条件：
ε<-2
2y y y p
4-1.简述无约束优化方法中梯度法、共轭梯度法、鲍威尔法的主要区别。
答：梯度法是以负梯度方向作为搜索方向，使函数值下降最快，相邻两个迭代点上的函数相互垂直即是相邻两个搜索方向
相互垂直。这就是说在梯度法中，迭代点向函数极小点靠近的过程，走的是曲折的路线。这一次的搜索方向与前一次的搜索过程互相垂直，形成“之”字形的锯齿现象。从直观上可以看到，在远离极小点的位置，每次迭代可使函数值有较多的下降。可是在接近极小点的位置，由于锯齿现象使每次迭代行进的距离缩短，因而收敛速度减慢。这种情况似乎与“最速下降”的名称矛盾，其实不然，这是因为梯度是函数的局部性质。从局部上看，在一点附近函数的下降是最快的，但从整体上看则走了许多弯路，因此函数的下降并不算快。
共轭梯度法是共轭方向法中的一种，因为在该方法中每一个共轭的量都是依赖于迭代点处的负梯度而构造出来的，所以称作共轭梯度法。该方法的第一个搜索方向取作负梯度方向，这就是最速下降法。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。所以共轭梯度法实质上是对最速下降法进行的一种改进，故它又被称作旋转梯度法。
鲍威尔法是直接利用函数值来构造共轭方向的一种共轭方向法，这种方法是在研究其有正定矩阵G 的二次函数
1()2
T
T f x x Gx b x c =
++的极小化问题时形成的。其基本思想是在不用导数的前提下，在迭代中逐次构造G 的共轭方向。在该算法中，每一轮迭代都用连结始点和终点所产生出的搜索方向去替换原向量组中的第一个向量，而不管它的“好坏”，这是产生向量组线性相关的原因所在。因此在改进的算法中首先判断原向量组是否需要替换。如果需要替换，还要进一步判断原向量组中哪个向量最坏，然后再用新产生的向量替换这个最坏的向量，以保证逐次生成共轭方向。 4-2.如何确定无约束优化问题最速下降法的搜索方向？
答：优化设计是追求目标函数值最小，因此搜所方向d 取该点的负梯度方向-)(x f ?。使函数值在该点附近的范围下降
最快。按此规律不断走步，形成以下迭代的算法
)(1
k
x f k
k x k x
?-=+α（k=0，1,2，…）
由于最速下降法是以负梯度方向作为搜索方向，所以最速下降法有称为梯度法 为了使目标函数值沿搜索方向-)(k
x f
?能获得最大的下降值，其步长因子k
a
应取一维搜索的最佳步长。即有
)(min )(min
)(1α?=??
?????-=???????-=???
?
??+k x f a k
x f k x f k a k
x f k x f 根据一元函数极值的必要条件和多元复合函数求导公式得；
0)()1(=???????+?k x f T k x f 或写成01=???
? ??+k d T k d 由此可知，在最速下降法中，相邻两个迭代点上的函数梯度相互垂直。而搜索方向就是负梯度方向，因此相邻的两个搜索
方向相互垂直。这就是说在最速下降法中，迭代点向函数极小点靠近的过程。
4-3. 给定初始值x 0=[-7,11]T
，使用牛顿法求函数2212121)2()2(),(x x x x x f -+-=的极小值点和极小值。 解： 梯度函数、海赛矩阵分别为
??
????---+-=?)2(4)2(2)2(2),(2121121x x x x x x x f （2分）
[]
????
?
?????=???
????--=?-41414121
,8444),(1
2
212f x x f （4分） 假设初始值x 0=[-7,11]
T
则,11676)(0??
????-=?x f （1分）
[]
?
?
????=???-=-12)(01
201x x x f f
（2分）
则,00)(1??
????=?x f （1分）
x 1
满足极值的必要条件，海赛矩阵是正定的，所以是极小点
1)(,11*1*-=??
?
???==x x x f 。 （2分）
4-4.以二元函数),(21x x f 为例说明单形替换法的基本原理。
答：如图所示在平面上取不在同一直线上的三个点x1，x2，x3，以它们为顶点组成一单纯形。 计算各顶点函数值，设f （x1）>f （x2）>f （x3），这说明x3点最好，x1点最差。
为了寻找极小点，一般来说。应向最差点的反对称方向进行搜索，即通过x1并穿过x2x3的中点x4的方向上进行搜索。在此方向上取点x5
使 x5=x4+α
（x4-x1）
x5称作x1点相对于x4点的反射点，计算反射点的函数值f （X5），可能出现以下几种情形； 1）f （x5）2）f （x3）f(x1)，反射点比最差点还差，说明收缩应该多一些。将新点收缩在x1x4之间 5) f(x)>f(x1)，说明x1x4方向上所有点都比最差点还要差，不能沿此方向进行搜索。
5-1.简述约束优化方法的分类。（简述约束优化问题的直接解法、间接解法的原理、特点及主要方法。）
答: 直接解法通常适用于仅含不等式约束的问题，它的基本思路是在m 个不等式约束条件所确定的可行域内选择一个初
始点0
x ，然后决定可行搜索方向d ，且以适当的步长α
沿d 方向进行搜索，得到一个使目标函数值下降的可行的新点1
x ，
即完成一个迭代。再以新点为起点，重复上述搜索过程，满足收敛条件后，迭代终止。所谓可行搜索方向是指，当设计点沿该
方向作微量移动时，目标函数值将下降，且不会越出可行域。产生可行搜索方向的方法将由直接解法中的各种算法决定。
直接解法的原理简单，方法实用。其特点是：1）由于整个求解过程在可行域内进行，因此迭代计算不论何时终点，都可以获得一个比初始点好的设计点。2）若目标函数为凸函数，可行域为凸集，则可保证获得全域最优解。否则，因存在多个局部最优解，当选择的初始点不相同时，可能搜索到不同的局部最优解。为此，常在可行域内选择几个差别较大的初始点分别进行计算，以便从求得多个局部最优解中选择最好的最优解。3）要求可行域为有界的非空集，即在有界可行域内存在满足全部约束条件的点，且目标函数有定义。
直接解法有：随机方向法、复合形法、可行方向法、广义简约梯度法等。
间接解法有不同的求解策略，其中一种解法的基本思路是将约束优化问题中的约束函数进行特殊的加权处理后，和目标函数结合起来，构成一个新的目标函数，即将原约束优化问题转化成一个或一系列的无约束优化问题。再对新的目标函数进行无约束优化计算，从而间接地搜索到原约束问题的最优解。
间接解法是目前在机械优化设计中得到广泛应用的一种有效方法。其特点是：1）由于无约束优化方法的研究日趋成熟，已经研究出不少有效的无约束最优化方法和程序，使得间接解法有了可靠的基础。目前，这类算法的计算效率和数值稳定性也都有了较大提高。2）可以有效地处理具有等式约束的约束优化问题。3）间接算法存在的主要问题是，选取加权因子比较困难，加权因子选取不当，不但影响收敛速度和计算精度，甚至会导致计算失败。
间接解法有惩罚函数法和增广乘子法。 5-2.用内点法求下列问题的最优解：
312)(2112
221≤-=?+-+=x g t
s x x x x f m in
（提示：可构造惩罚函数 []∑=-=2
1
)(ln )(),(u u x g r x f r x φ，然后用解析法求解。
）
[解] 构造内点惩罚函数：
[]∑=--+-+=-=2
1
)()(),(u u x r x x x x g r x f r x )3ln(12ln 212
221φ
令惩罚函数对x 的极值等于零：
0)3/()(22
2221=??
????----=x r x x dx d φ 得：
4
83661
21r
x x +±=
=
舍去负根后，得4
83662
r x ++=
当 []T
x x r
31302=→→该问题的最优解为，时，。
机械优化设计实例(人字架优化)讲课教案
人字架的优化设计 一、问题描述 如图1所示的人字架由两个钢管组成，其顶点受外力2F=3×105N 。已知人字架跨度2B=152 cm,钢管壁厚T=0.25cm,钢管材料的弹性模量E=2.15 10? MPa ，材料密度p=7．8×103 kg ／m ，许用压应力δy =420 MPa 。求钢管压应力δ不超过许用压应力 δy 和失稳临界应力 δc 的条件下，人字架的高h 和钢管平均直径D 使钢管总质量m 为最小。 二、分析 设计变量：平均直径D 、高度h 三、数学建模 所设计的空心传动轴应满足以下条件： （1） 强度约束条件 即 δ≤?? ????y δ 经整理得 ( ) []y hTD h B F δπ≤+2 122 （2） 稳定性约束条件： []c δδ≤ ( ) ( ) ( ) 2 22 222 122 8h B D T E hTD h B F ++≤+ππ （3）取值范围：
12010≤≤D 1000200≤≤h 则目标函数为：()22 13 57760010 5224.122min x x x f +?=- 约束条件为：0420577600106)(2 12 2 41≤-+?=x Tx x X g π () 057760025.63272.259078577600106)(2 2 212 12 2 42≤++-+?= X x x x Tx x g π010)(13≤-=x X g 0120)(14≤-=x X g 0200)(25≤-=x X g 01000)(26≤-=x X g 四、优化方法、编程及结果分析 1优化方法 综合上述分析可得优化数学模型为：()T x x X 21,=；)(min x f ；()0..≤x g t s i 。 考察该模型，它是一个具有2个设计变量，6个约束条件的有约束非线性的单目标最优化问题，属于小型优化设计，故采用SUMT 惩罚函数内点法求解。 2方法原理 内点惩罚函数法简称内点法，这种方法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。 对于只具有不等式约束的优化问题
实验优化设计考试答案
第一题 考察温度对烧碱产品得率的影响，选了四种不同温度进行试验，在同一温度下进行了5次试验（三数据见下表）。希望在显着性水平为。 1.SSE的公式 2.SSA的公式 3.将表格粘贴进Excel，然后进行数据分析，勾选标于第一行，显示在下面 P=，远小于，所以是显着的 “方差分析” “响应C1C2C3C4” “选单因素未重叠” 4.打开Minitab，复制表格， “统计” 点击“比较”勾选第一个，确定 结果:工作表3 单因子方差分析:60度,65度,70度,75度 来源自由度SSMSFP 因子误差合计 S==%R-Sq（调整）=% 平均值（基于合并标准差）的单组95%置信区间 水平N平均值标准差------+---------+---------+---------+--- 60度度度度合并标准差= Tukey95%同时置信区间 所有配对比较 单组置信水平=% 60度减自: 下限中心上限------+---------+---------+---------+--- 65度度度度减自: 下限中心上限------+---------+---------+---------+--- 70度度度减自: 下限中心上限------+---------+---------+---------+--- 75度获得结果，区间相交包含的不明显，反之明显 第二题 为研究线路板焊点拉拔力与烘烤温度、烘烤时间和焊剂量之间关系。从生产过程中收集20批数据，见下表: 1.将表格粘贴进Minitab，然后“统计”“回归”“回归”“响应，变量”“图形，四 合一” 2.P小于，显着 4.残差分析 第三题 钢片在镀锌前需要用酸洗方法除锈， 为提高除锈效率，缩短酸洗时间，需 要寻找好的工艺参数。现在试验中考 察如下因子与水平：
机械优化设计——复合形方法及源程序
机械优化设计——复合形方法及源程序 (一) 题目：用复合形法求约束优化问题 ()()()2221645min -+-=x x x f ；0642 2211≤--=x x g ；01013≤-=x g 的最优解。 基本思路：在可行域中构造一个具有K 个顶点的初始复合形。对该复合形各顶点的目标函数值进行比较，找到目标函数值最大的顶点（即最坏点），然后按一定的法则求出目标函数值有所下降的可行的新点，并用此点代替最坏点，构成新的复合形，复合形的形状每改变一次，就向最优点移动一步，直至逼近最优点。 (二) 复合形法的计算步骤 1）选择复合形的顶点数k ，一般取n k n 21≤≤+，在可行域内构成具有k 个顶点的初始复合形。 2）计算复合形个顶点的目标函数值，比较其大小，找出最好点x L 、最坏点x H 、及此坏点x G .. 3）计算除去最坏点x H 以外的（k-1）个顶点的中心x C 。判别x C 是否可行，若x C 为可行点，则转步骤4）；若x C 为非可行点，则重新确定设计变量的下限和上限值，即令C L x b x a ==,，然后转步骤1），重新构造初始复合形。 4）按式()H C C R x x x x -+=α计算反射点x Ｒ，必要时改变反射系数α的值，直至反射成功，即满足式()()()()H R R j x f x f m j x g
机械优化设计案例分析
优化设计案例分析 优化设计是在给定的设计指标和限制条件下,运用最优化原理和方法,在电子计算机上进行自动调优计算,从而选定出最优设计参数,使设计指标达到最优值。该最优设计参数就是一个最优设计方案。所谓设计指标,就机械设计而言,一般是指重量轻、能耗小、刚性大、成本低等;所谓限制条件,是指强度要求、刚度要求、尺寸范围要求等。 设计变量选择 一个设计方案可以用一组基本参数的数值来表示，这些基本参数可以是构件尺寸等几何量，也可以是质量等物理量，还可以是应力、变形等表示工作性能的导出量。在设计过程中进行选择并最终必须确定的各项独立的基本参数，称作设计变量，又叫做优化参数。在充分了解设计要求的基础上，根据各设计参数对目标函数的影响程度分析其主次，尽量减少设计变量的数目，以简化优化设计问题。注意各设计变量应相互独立，避免耦合情况的发生，否则会使目标函数出现“山脊”或“沟谷”，给优化带来困难。 目标函数与约束的确定 对于一般机械，可按重量最轻或体积最小建立目标函数；对应力集中现象突出的构件，以应力集中系数最小为目标；对精密仪器，应按其精度最高或误差最小的要求建立目标函数。约束条件是就工程设计本身而提出的对设计变量取值范围的限制条件，目前尚无一套完整的评价方法来检验哪些约束是必须，哪些约束是可忽略的，通常是凭经验取舍，不可避免会带来模型和现实系统的不相吻合。在最优化设计问题中，可以只有一个目标函数，称为单目标函数。当在同一设计中要提出多个目标函数时，这种问题称为多目标函数的最优化问题。在一般的机械最优化设计中，多目标函数的情况较多。目标函数愈多，设计的综合效果愈好，但问题的求解亦愈复杂。对于复杂的问题，要建立能反映客观工程实际的、完善的数学模型往往会遇到很多困难，有时甚至比求解更为复杂。这时要抓住关键因素，适当忽略不重要的成分，使问题合理简化，以易于列出数学模型，这样不仅可节省时间，有时也会改善优化结果。 数学模型确立 数学模型越精确，设计变量越多，维数越大，建模越复杂，优化进程越慢；但数学模型忽略过多元素，则难以确切凸现结构的特殊之处。故要结合工程实际和优化设计经验，把握与研究目标相关程度大的因素，尽可能的建立确切、简洁的数学模型。然后通过基于统计理论的检验方法———t 检验/F 检验/ X2检验/ 拟合优度检验等，分析模型的置信区间，对模型有效性进行评价，提高模型的准确度。 下面以机票销售策略案例进行说明 某航空公司每天有三个航班服务于A, B, C, H四个城市,其中城市H是可供转机使用的, 三个航班的出发地-目的地分别为AH, HB, HC,可搭乘旅客的最大数量分别为120人, 100人, 110人, 机票的价格分头等舱和经济舱两类. 经过市场调查,公司销售部得到了每天旅客的相关信息, 见表1. 该公司应该在每条航线上分别分配多少头等舱和经济舱的机票?
机械优化设计试卷期末考试及答案(补充版)
.. 第一、填空题 1.组成优化设计数学模型的三要素是 设计变量 、 目标函数 、 约束条件 。 2.函数()22121212,45f x x x x x x =+-+在024X ??=????点处的梯度为120-?? ? ??? ，海赛矩阵 为2442-?? ? ?-?? 3.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 。 4.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 。 5.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。 6.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。 7.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 。 8.二元函数在某点处取得极值的充分条件是()00f X ?=必要条件是该点处的海赛矩阵正定 9.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。 10改变复合形形状的搜索方法主要有反射，扩，收缩，压缩 11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 12．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 。 13．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。 14.数学规划法的迭代公式是 1 k k k k X X d α+=+ ，其核心是 建立搜索方向， 和 计算最佳步长 15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。 16.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。
机械优化设计复习总结.doc
1. 优化设计问题的求解方法:解析解法和数值近似解法。解析解法是指优化对象用数学方程（数学模型）描述，用 数学 解析方法的求解方法。解析法的局限性：数学描述复杂，不便于或不可能用解析方法求解。数值解法：优 化对象无法用数学方程描述，只能通过大量的试验数据或拟合方法构造近似函数式，求其优化解；以数学原理 为指导，通过试验逐步改进得到优化解。数值解法可用于复杂函数的优化解，也可用于没有数学解析表达式的 优化问题。但不能把所有设计参数都完全考虑并表达，只是一个近似的数学描述。数值解法的基本思路：先确 定极小点所在的搜索区间，然后根据区间消去原理不断缩小此区间，从而获得极小点的数值近似解。 2. 优化的数学模型包含的三个基本要素：设计变量、约束条件（等式约束和不等式约束）、目标函数（一般使得目 标 函数达到极小值）。 3. 机械优化设计中，两类设计方法：优化准则法和数学规划法。 优化准则法：x ;+, = c k x k （为一对角矩阵） 数学规划法：X k+x =x k a k d k {a k \d k 分别为适当步长\某一搜索方向一一数学规划法的核心） 4. 机械优化设计问题一般是非线性规划问题，实质上是多元非线性函数的极小化问题。重点知识点：等式约束优 化问 题的极值问题和不等式约束优化问题的极值条件。 5. 对于二元以上的函数，方向导数为某一方向的偏导数。 函数沿某一方向的方向导数等于函数在该点处的梯度与这一方向单位向量的内积。梯度方向是函数值变化最快的方 向（最速上升方向），建议用单位向暈表示，而梯度的模是函数变化率的最大值。 6. 多元函数的泰勒展开。 7. 极值条件是指目标函数取得极小值吋极值点应满足的条件。某点取得极值，在此点函数的一阶导数为零，极值 点的 必要条件：极值点必在驻点处取得。用函数的二阶倒数来检验驻点是否为极值点。二阶倒数大于冬，取得 极小值。二阶导数等于零时，判断开始不为零的导数阶数如果是偶次，则为极值点，奇次则为拐点。二元函数 在某点取得极值的充分条件是在该点岀的海赛矩阵正定。极值点反映函数在某点附近的局部性质。 8. 凸集、凸函数、凸规划。凸规划问题的任何局部最优解也就是全局最优点。凸集是指一个点集或一个区域内， 连接 英中任意两点的线段上的所有元素都包含在该集合内。性质：凸集乘上某实数、两凸集相加、两凸集的交 集仍是凸集。凸函数：连接凸集定义域内任意两点的线段上，函数值总小于或等于用任意两点函数值做线性内 插所得的值。数学表达:/[^+（l-a ）x 2]机械优化设计方法论文
浅析机械优化设计方法基本理论 【摘要】在机械优化设计的实践中，机械优化设计是一种非常重要的现代设计方法，能从众多的设计方案中找出最佳方案，从而大大提高设计的效率和质量。每一种优化方法都是针对某一种问题而产生的，都有各自的特点和各自的应用领城。在综合大量文献的基础上，总结机械优化设计的特点，着重分析常用的机械优化设计方法，包括无约束优化设计方法、约束优化设计方法、基因遗传算方法等并提出评判的主 要性能指标。 【关键词】机械；优化设计；方法特点；评价指标 一、机械优化概述 机械优化设计是适应生产现代化要求发展起来的一门科学，它包括机械优化设计、机械零部件优化设计、机械结构参数和形状的优化设计等诸多内容。该领域的研究和应用进展非常迅速，并且取得了可观的经济效益，在科技发达国家已将优化设计列为科技人员的基本职业训练项目。随着科技的发展，现代化机械优化设计方法主要以数学规划为核心，以计算机为工具，向着多变量、多目标、高效率、高精度方向发展。]1[ 优化设计方法的分类优化设计的类别很多，从不同的角度出发，可以做出各种不同的分类。按目标函数的多少，可分为单目标优化设计方法和多目标优化设计方法按维数，可分为一维优化设计方法和多维优化设计方法按约束情况，可分为无约束优化设计方法和约束优化设计方法按寻优途径，可分为数值法、解析法、图解法、实验法和情况研究法按优化设计问题能否用数学模型表达，可分为能用数学模型表达的优化设计问题其寻优途径为数学方法，如数学规划法、最优控制法等。 1.1 设计变量 设计变量是指在设计过程中进行选择并最终必须确定的各项独立参数，在优化过程中，这些参数就是自变量，一旦设计变量全部确定，设计方案也就完全确定了。设计变量的数目确定优化设计的维数，设计变量数目越多，设计空间的维数越大。优化设计工作越复杂，同时效益也越显著，因此在选择设计变量时。必须兼顾优化效果的显著性和优化过程的复杂性。
09-10机械优化设计试卷期末考试及答案
第一、填空题 1.组成优化设计数学模型的三要素是 设计变量 、 目标函数 、 约束条件 。 2.函数()2 2 121 212,45f x x x x x x =+-+在024X ??=????点处的梯度为120-?? ???? ，海赛矩阵 为2442-????-?? 3.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 。 4.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 。 5.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。 6.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。 7.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 。 8.二元函数在某点处取得极值的充分条件是()00f X ?=必要条件是该点处的海赛矩阵正定 9.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。 10改变复合形形状的搜索方法主要有反射，扩张，收缩，压缩 11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 12．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 。 13．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。 14.数学规划法的迭代公式是 1k k k k X X d α+=+ ，其核心是 建立搜索方向， 和 计算最佳步长 15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。
机械优化设计三个案例
机械优化设计案例1 1. 题目 对一对单级圆柱齿轮减速器，以体积最小为目标进行优化设计。 2.已知条件 已知数输入功p=58kw ，输入转速n 1=1000r/min ，齿数比u=5，齿轮的许用应力[δ]H =550Mpa ，许用弯曲应力[δ]F =400Mpa 。 3.建立优化模型 3.1问题分析及设计变量的确定 由已知条件得求在满足零件刚度和强度条件下，使减速器体积最小的各项设计参数。由于齿轮和轴的尺寸（即壳体内的零件）是决定减速器体积的依据，故可按它们的体积之和最小的原则建立目标函数。 单机圆柱齿轮减速器的齿轮和轴的体积可近似的表示为： ] 3228)6.110(05.005.2)10(8.0[25.087)(25.0))((25.0)(25.0)(25.02221222122212222122121222 212221202 22222222121z z z z z z z z z z z g g z z d d l d d m u m z b bd m u m z b b d b u z m b d b z m d d d d l c d d D c b d d b d d b v +++---+---+-=++++- ----+-=πππππππ 式中符号意义由结构图给出，其计算公式为 b c d m u m z d d d m u m z D m z d m z d z z g g 2.0) 6.110(25.0,6.110,21022122211=--==-=== 由上式知，齿数比给定之后，体积取决于b 、z 1 、m 、l 、d z1 和d z2 六个参数，则设计变量可取为 T z z T d d l m z b x x x x x x x ][][21165 4321 == 3.2目标函数为 min )32286.18.092.0858575.4(785398.0)(26252624252463163212 51261231232123221→++++-+-+-+=x x x x x x x x x x x x x x x x x x x x x x x x x x f 3.3约束条件的建立 1）为避免发生根切，应有min z z ≥17=，得
机械优化设计试卷期末考试及答案教程文件
机械优化设计试卷期末考试及答案
第一、填空题 1.组成优化设计数学模型的三要素是 设计变量 、 目标函数 、 约束条件 。 2.函数()2 2 121 212,45f x x x x x x =+-+在024X ?? =???? 点处的梯度为120-??????，海赛矩阵 为2442-????-?? 3.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 。 4.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 。 5.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。 6.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。 7.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 。 8.二元函数在某点处取得极值的充分条件是()00f X ?=必要条件是该点处的海赛矩阵正定 9.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。 10改变复合形形状的搜索方法主要有反射，扩张，收缩，压缩 11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 12．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 。 13．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。
机械优化设计期末考试试卷
2.函数 f (x 1, x 2 ) = x 12 + x 22 - 4x 1x 2 + 5 在 X 0 = ? ? 点处的梯度为 ? ? ，海赛矩阵 为 ? ? 机械优化设计期末复习题 一、填空题 1.组成优化设计数学模型的三要素是 设计变量 、 目标函数 、 约束条件 。 ?2? ?-12? ?4? ? 0 ? ? 2 ?-4 -4? 2 ? 3.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 。 4.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 。 5.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。 6.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。 7.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 。 8.二元函数在某点处取得极值的必要条件是 ?f (X 0 ) = 0 , 充分条件是该 点处的海赛矩阵正定 9.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。 10 改变复合形形状的搜索方法主要有反射，扩张，收缩，压缩 11 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 12．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 。 13．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
机械优化设计方法基本理论
机械优化设计方法基本理论 一、机械优化概述 机械优化设计是适应生产现代化要求发展起来的一门科学，它包括机械优化设计、机械零部件优化设计、机械结构参数和形状的优化设计等诸多内容。该领域的研究和应用进展非常迅速，并且取得了可观的经济效益，在科技发达国家已将优化设计列为科技人员的基本职业训练项目。随着科技的发展，现代化机械优化设计方法主要以数学规划为核心，以计算机为工具，向着多变量、多目标、高效率、高精度方向发展。]1[ 优化设计方法的分类优化设计的类别很多，从不同的角度出发，可以做出各种不同的分类。按目标函数的多少，可分为单目标优化设计方法和多目标优化设计方法按维数，可分为一维优化设计方法和多维优化设计方法按约束情况，可分为无约束优化设计方法和约束优化设计方法按寻优途径，可分为数值法、解析法、图解法、实验法和情况研究法按优化设计问题能否用数学模型表达，可分为能用数学模型表达的优化设计问题其寻优途径为数学方法，如数学规划法、最优控制法等 1.1 设计变量 设计变量是指在设计过程中进行选择并最终必须确定的各项独立参数，在优化过程中，这些参数就是自变量，一旦设计变量全部确定，设计方案也就完全确定了。设计变量的数目确定优化设计的维数，设计变量数目越多，设计空间的维数越大。优化设计工作越复杂，同时效益也越显著，因此在选择设计变量时。必须兼顾优化效果的显著性和优化过程的复杂性。 1.2 约束条件 约束条件是设计变量间或设计变量本身应该遵循的限制条件，按表达方式可分为等式约束和不等式约束。按性质分为性能约束和边界约束，按作用可分为起作用约束和不起作用约束。针对优化设计设计数学模型要素的不同情况，可将优化设计方法分类如下。约束条件的形式有显约束和隐约束两种，前者是对某个或某组设计变量的直接限制，后者则是对某个或某组变量的间接限制。等式约束对设计变量的约束严格，起着降低设计变量自由度的作用。优化设计的过程就是在设计变量的允许范围内，找出一组优化的设计变量值，使得目标函数达到最优值。
机械优化设计期末考试试卷讲解学习
机械优化设计期末复习题 一、填空题 1.组成优化设计数学模型的三要素是 设计变量 、 目标函数 、 约束条件 。 2.函数()22121212,45f x x x x x x =+-+在024X ?? =????点处的梯度为120-?? ???? ，海赛矩阵为 2442-?? ??-?? 3.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 。 4.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 。 5.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。 6.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。 7.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 。 8.二元函数在某点处取得极值的必要条件是()00f X ?= , 充分条件是该点处的海赛矩阵正定 9.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。 10改变复合形形状的搜索方法主要有反射，扩张，收缩，压缩 11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 12．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 。 13．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。 14.数学规划法的迭代公式是 1k k k k X X d α+=+ ，其核心是 建立搜索方向， 和 计算最佳步长 。 15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。 16.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、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 44 g 10 g 30 g 0 f 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 ， ()2 51[,]22 T X =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
机械优化设计复习总结
10. 1. 优化设计问题的求解方法：解析解法和数值近似解法。解析解法是指优化对象用数学方程（数学模型）描述，用数学解析 方法的求解方法。解析法的局限性：数学描述复杂，不便于或不可能用解析方法求解。数值解法：优化对象无法用数学 方程描述，只能通过大量的试验数据或拟合方法构造近似函数式，求其优化解；以数学原理为指导，通过试验逐步改进 得到优化解。数值解法可用于复 杂函数的优化解，也可用于没有数学解析表达式的优化问题。但不能把所有设计参数都 完全考虑并表达，只是一个近似的数学描述。数值解法的基本思路：先确定极小点所在的搜索区间，然后根据区间消去 原理不断缩小此区间，从而获得极小点的数值近似解。 2. 优化的数学模型包含的三个基本要素：设计变量、约束条件（等式约束和不等式约束）、目标函数（一般使得目标函 数达到极小值）。 3. 机械优化设计中， 两类设计方法：优化准则法和数学规划法。 k 1 k k 优化准则法：X c X （为一对角矩阵） k 1 数学规划法：X k 1 k k k X k d （ k d 分别为适当步长某一搜索方向一一数学规划法的核心） 4. 机械优化设计问题一般是非线性规划问题， 实质上是多元非线性函数的极小化问题。 的极值问题和不等式约束优化问题的极值条件。 5. 对于二元以上的函数，方向导数为某一方向的偏导数。 重点知识点：等式约束优化问题 f | X o *kCOS i d i 1 X i 函数沿某一方向的方向导数等于函数在该点处的梯度与这一方向单位向量的内积。 速上升方向），建议用 单位向量 表示，而梯度的模是函数变化率的最大值。 6. 梯度方向是函数值变化最快的方向 （最 7. 8. 9. 多元函数的泰勒展开。 f X f x 0 T f X o -X T G X o 2 f X o f X i f X 2 X , X 2 1 2 X1 X 2 2f 2f 为X 2 2 f X 1 X 2 X 1 2 f X 2 -- 2 X 2 海赛矩阵: x o 2 f ~2 X 1 2 f 2 f X l X 2 X 1 X 2 2 f 2 X 2 （对称方 阵） 极值条件是指目标函数取得极小值时极值点应满足的条件。 某点取得极值, 要条件：极值点必在驻点处取得。用函数的二阶倒数来检验驻点是否为极值点。 导数等于零时，判断开始不为零的导数阶数如果是偶次，则为极值点， 在此点函数的一阶导数为零， 极值点的必 二阶倒数大于零，取得极小值 。二阶 奇次 则为拐点。二元函数在某点取得极值的充 分条件是在该点岀的海赛矩阵正定。 极值点反映函数在某点附近的局部性质 凸集、凸函数、凸规划。 凸规划问题的任何局部最优解也就是全局最优点 中任意两点 的线段上的所有元素都包含在该集合内。 凸函数：连接凸集定义域内任意两点的线段上， 。凸集是指一个点集或一个区域内，连接其 性质： 凸集乘上某实数、两凸集相加、两凸集的交集仍是凸集。 函数值总小于或等于用任意两点函数值做线性内插所得的值。 数学表 达：f ax, 1 a x 2 f X i f X 2 0 1，若两式均去掉等号，则 f X 称作严格凸函数。凸 函数同样满足倍乘， 加法和倍乘加仍为凸函数的三条基本性质。 优化问题。 等式约束优化问题的极值条件。两种处理方法：消元法和拉格朗日乘子法。也分别称作降维法和升维法。消元法 等式约束条件的一个变量表示成另一个变量的函数。减少了变量的个数。拉格朗日乘子法是通过增加变量 约束优化问题变成无约束优化问题，增加了变量的个数。 不等式约束优化问题的极值条件。不等式约束的多元函数极值的必要条件为库恩塔克条件。库恩塔克条件： 凸规划针对目标函数和约束条件均为凸函数是的约束 :将 将等式
机械优化设计方法概述
机械优化设计方法概述 摘要 机械优化设计是最优化技术在机械设计领域的移植和应用,其基本思想是根据机械设计的理论,方法和标准规范等建立一反映工程设计问题和符合数学规划要求的数学模型,然后采用数学规划方法和计算机计算技术自动找出设计问题的最优方案。作为一门新兴学科，它建立在数学规划理论和计算机程序设计基础上，通过计算机的数值计算,能从众多的设计方案中寻到尽可能完善的或最适宜的设计方案，使期望的经济指标达到最优，它可以成功地解决解析等其它方法难以解决的复杂问题。优化设计为工程设计提供了一种重要的科学设计方法。因而采用这种设计方法能大大提高设计效率和设计质量。本文论述了优化设计方法的发展背景、流程，并对无约束优化及约束优化不同优化设计方法的发展情况、原理、具体方法、特点及应用范围进行了叙述。 关键词：机械优化设计；约束；特点；选取原则 Mechanical optimization design is optimized technology in the field of mechanical design and application of transplantation, its basic idea is based on mechanical design theory, methods and standards to establish a reflect problems in engineering design and meet the requirements of the mathematical programming model, and then applying the mathematical programming method and computer technology to find out the design problem of the optimal scheme of automatic. As a new subject, which is based on the theory of mathematical programming and computer program design basis, by numerical calculation, from the large number of design so as to improve or the most suitable design, so that the desired economic index optimal, it can successfully solve the analysis and other methods are difficult to deal with complex problem. Optimization design and provides an important scientific design method. So using this design method can greatly improve the design efficiency and design quality. This paper discusses the optimized design method of the background, development process, and to the unconstrained and constrained optimization of different optimal design method for the development, principle, methods, characteristics and scope of application are described. Key words: mechanical design optimization; constraint; characteristics; selection principle.
机械优化设计实例讲解学习
机械优化设计实例 压杆的最优化设计 压杆是一根足够细长的直杆，以学号为p值，自定义有设计变量的 尺寸限制值，求在p一定时d1、d2和l分别取何值时管状压杆的体积或重 量最小？（内外直径分别为d1、d2）两端承向轴向压力，并会因轴向压力 达到临界值时而突然弯曲，失去稳定性，所以，设计时，应使压应力不 超过材料的弹性极限，还必须使轴向压力小于压杆的临界载荷。 解：根据欧拉压杆公式，两端铰支的压杆，其临界载荷为：I——材料的惯性矩，EI为抗弯刚度 1、设计变量 现以管状压杆的内径d1、外径d2和长度l作为设计变量 2、目标函数 以其体积或重量作为目标函数 3、约束条件 以压杆不产生屈服和不破坏轴向稳定性，以及尺寸限制为约束条件，在外力为p的情况下建立优化模型： 1） 2）
3） 罚函数： 传递扭矩的等截面轴的优化设计解：1、设计变量： 2、目标函数
以轴的重量最轻作为目标函数： 3、约束条件： 1）要求扭矩应力小于许用扭转应力，即： 式中：——轴所传递的最大扭矩 ——抗扭截面系数。对实心轴 2）要求扭转变形小于许用变形。即： 扭转角： 式中：G——材料的剪切弹性模数 Jp——极惯性矩，对实心轴： 3）结构尺寸要求的约束条件： 若轴中间还要承受一个集中载荷，则约束条件中要考虑：根据弯矩联合作用得出的强度与扭转约束条件、弯曲刚度的约束条件、对于较重要的和转速较高可能引起疲劳损坏的轴，应采用疲劳强度校核的安全系数法，增加一项疲劳强度不低于许用值的约束条件。
二级齿轮减速器的传动比分配 二级齿轮减速器，总传动比i=4，求在中心距A最小下如何 分配传动比？设齿轮分度圆直径依次为d1、d2、d3、d4。第一、二 级减速比分别为i1、i2。假设d1=d3,则： 七辊矫直实验 罚函数法是一种对实际计算和理论研究都非常有价值的优化方法，广泛用来求解约束问题。其原理是将优化问题中的不等式约束和等式约束加权转换后，和原目标函数结合成新的目标函数，求解该新目标函数的无约束极小值，以期得到原问题的约束最优解。考虑到本优化程序要处理的是一个兼而有之的问题，故采用混合罚函数法。 一）、优化过程 （1）、设计变量 以试件通过各矫直辊时所受到的弯矩为设计变量： （2）、目标函数
(完整版)机械优化设计试卷期末考试及答案
第一、填空题 1.组成优化设计的数学模型的三要素是 设计变量 、目标函数 和 约束条件 。 2.可靠性定量要求的制定，即对定量描述产品可靠性的 参数的选择 及其 指标的确定 。 3.多数产品的故障率随时间的变化规律，都要经过浴盆曲线的 早期故障阶段 、 偶然故障阶段 和 耗损故障阶段 。 4.各种产品的可靠度函数曲线随时间的增加都呈 下降趋势 。 5.建立优化设计数学模型的基本原则是在准确反映 工程实际问题 的基础上力求简洁 。 6.系统的可靠性模型主要包括 串联模型 、 并联模型 、 混联模型 、 储备模型 、 复杂系统模型 等可靠性模型。 7. 函数f(x 1,x 2)=2x 12 +3x 22-4x 1x 2+7在X 0=[2 3]T 点处的梯度为 ，Hession 矩阵为 。 （2.）函数()22121212,45f x x x x x x =+-+在024X ??=????点处的梯度为120-?? ????，海赛矩阵为2442-???? -?? 8.传统机械设计是 确定设计 ；机械可靠性设计则为 概率设计 。 9.串联系统的可靠度将因其组成单元数的增加而 降低 ，且其值要比可靠 度 最低 的那个单元的可靠度还低。 10.与电子产品相比，机械产品的失效主要是 耗损型失效 。 11. 机械可靠性设计 揭示了概率设计的本质。 12. 二元函数在某点处取得极值的充分条件是()00f X ?=必要条件是该点处的海赛矩阵正定。 13.对数正态分布常用于零件的 寿命疲劳强度 等情况。 14.加工尺寸、各种误差、材料的强度、磨损寿命都近似服从 正态分布 。 15.数学规划法的迭代公式是 1k k k k X X d α+=+ ，其核心是 建立搜索方向， 模型求解 两方面的内容。 17.无约束优化问题的关键是 确定搜索方向 。 18.多目标优化问题只有当求得的解是 非劣解 时才有意义，而绝对最优解存在的可能性很小。 19.可靠性设计中的设计变量应具有统计特征，因而认为设计手册中给出的数据
机械优化设计课程教学大纲
《机械优化设计》课程教学大纲 一．课程基本信息 开课单位：机械工程学院 英文名称：Mechanical Optimize Design 学时：总计48学时，其中理论授课36学时，实验（含上机）12学时 学分：3.0学分 面向对象：机械设计制造及其自动化，机械电子工程等本科专业 先修课程：高等数学，线性代数，计算机程序设计，工程力学，机械原理，机械设计 教材：《机械优化设计》，孙靖民主编，机械工业出版社，2012年第 5版 主要教学参考书目或资料： 1.《机械优化设计》，陈立周主编，上海科技出版社，1982年 2.《机械优化设计基础》，高健主编，机械工业出版社，2000年 3.其它教学参考数目在课程教学工作实施前另行确定 二．教学目的和任务 优化设计是60年代以来发展起来的一门新学科，它是将最优化方法和计算机技术结合、应用于设计领域而产生的一种现代设计方法。利用优化设计方法可以从众多的设计方案中寻找最佳方案，加快设计过程，缩短设计周期，从而大大提高设计效率和质量。优化设计方法目前已经在机械工程、结构工程、控制工程、交通工程和经济管理等领域得到广泛应用。在机械设计中采用最优化方法，可以加速产品的研发过程，提高产品质量，降低成本，从而达到增加经济效益的目的。学生通过学习《机械优化设计》课程，可以掌握优化设计的基本原理和方法，熟悉建立最优化问题数学模型的基本过程，初步具备对工程中的优化设计问题进行建模、编程和计算的应用能力，为以后从事有关的工程技术工作和科学研究工作打下一定的基础。 三．教学目标与要求 本门课程通过授课、计算机编程等教学环节，使学生了解优化设计的基本思想，优化设计在机械中的作用及其发展概况。初步掌握建立数学模型的方法，掌握优化方法和使用MATLAB优化工具箱能力。并具备一定的将机械工程问题转化为最优化问题并求解的应用能力 四．教学内容、学时分配及其基本要求 第一章优化设计概述（2学时） （一）教学内容 1、课程的性质、优化的含义；优化方法的发展与应用；机械优化设计的内容及目的；机械优化设计的一般过程 2、机械优化设计的基本概念和基本术语；优化设计的数学模型；优化问题的几何描述；优化设计的基本方法 （二）基本要求
浅谈机械优化设计方法
浅谈机械优化设计方法 发表时间：2019-08-29T14:17:25.640Z 来源：《基层建设》2019年第16期作者：钟文 [导读] 摘要：伴随着我国的经济发展越来越快，无疑给可优化性能设计带来巨大的挑战。 深圳市海目星激光智能装备股份有限公司 518110 摘要：伴随着我国的经济发展越来越快，无疑给可优化性能设计带来巨大的挑战。机械优化设计是近几年来发展起来的一门新的学科，在二十世纪中旬的时候开始，优化技术和计算机技术的兴起，在每个设计领域中被应用，为工程设计提供了重要的科学的设计方法。因此，对机械设计的优化方法加以分析，吸取精华，紧跟时代步伐，与国际同步，才能增强制造业在我国市场中的竞争压力。 关键词：机械；优化设计；方法特点 引言 当今是一个信息化的社会，科技发展速度非常快，人们对多功能产品不仅有强烈的需求，也需要产品必须具备相应的功能，可靠性优化设计由此应运而生，已经取得了飞速发展和广泛应用，即以时间、费用和性能为基础，将产品能得以可靠使用作为优先考虑的设计准则，进行设计和生产可靠的性能要求。因此，可靠性设计是诸多学科和技术的交融而新兴的一种技术。 1 机械优化的概述 机械优化是顺应时代发展而不断延伸出来的一种现代化的生产而发展兴起的。它是建立在数学规划的理论和计算通过有效的实验数据和科学的评价体系来从众多的设计方案中寻找到能够尽可能的完善和适宜的设计方案，在这机械优化的这个机械方面的研究和应用的发展速度都是非常的快速，并且在快速发展的过程中取得了非常显著的效果。 2 机械设计优化方法的分类及特点 2.1 无约束优化设计法 无约束优化设计是没有约束函数的优化设计。无约束可以分为两类，一类是利用目标函数的一阶或二阶导数的无约束优化方法；另一类是只利用目标函数值的无约束优化方法。 2.2 约束优化设计法 优化设计问题大多数是约束的优化问题，根据处理约束条件方法的不同可分为直接法和间接法。直接法常见的方法有复合形法、约束坐标轮换法和网络法等。其内涵是构造一个迭代过程，使每次的迭代点都在可行域中，同时逐步降低目标函数值，直到求得最优解。间接法常见的有惩罚函数法、增广乘子法。它是将约束优化问题转化成无约束优化问题，再通过无约束优化方法来求解，或者非线性优化问题转化成线性规划问题来处理。 2.3 遗传算法 遗传算法是一种非确定性的拟自然算法，它仿造自然界生物进化的规律，对一个随机产生的群体进行繁殖演变和自然选择，适者生存，不适者淘汰，如此循环往复，使群体素质和群体中个体的素质不断演化，最终收敛于全局最优解。最近几年中遗传算法在机械工程领域也开展了多方面的应用，主要表现在：机械结构优化设计；可靠性分析；故障诊断；参数辨识；机械方案设计。遗传算法尽管已解决了许多难题，但还存在许多问题，如算法本身的参数优化问题、如何避免过早收敛、如何改进操作手段或引入新的操作来提高算法的效率、遗传算法与其它优化算法的结合问题等。 2.4 蚁群算法 蚁群算法是受自然界中真实蚁群的集体行为的启发而提出的一种基于群体的模拟进化算法。蚁群算法对系统优化问题的数学模型没有很高的要求，只要可以显式表达即可，避免了导数等数学信息，使得优化过程更加简单，遍历性更好，适合非线性问题的求解。 2.5 模拟退火算法 模拟退火算法是一个全局最优算法，以优化问题的求解与物理系统退火过程的相似性为基础，适当的控制温度的下降过程实现模拟退火，从而达到求解全局优化问题的目的。模拟退火算法是一种通用的优化算法，用以求解不同的非线性问题；对不可微甚至不连续的函数优化，能以较大概率求得全局优化解；并且能处理不同类型的优化设计变量（离散的、连续的和混合型的）；不需要任何的辅助信息，对目标函数和约束函数没有任何要求。 3机械优化设计过程中的设计方式 众所周知，在机械方面的设计都是非常的复杂困难的，要对机械进行优化设计面临的挑战也是非常大的，但是由于机械领域中优化形式十分的广泛，相关的研究人员根据优化运算的形式进行划分，主要分为准则优化，其次是线性规划，最后是非线性规划三种。其中准则优化是一种传统的优化方式，这种方式没有通过机械优化设计的数学理论方式进行优化，而是通过物理学方面的分析得出相应的结果，这样的方式得出的结论往往是具备一定的主观性的，但是这样的传统的优化设计方式具有的优点就是可以直观的看到优化的概念，并且这种优化设计的方式相对来说也是比较简单的，并且能够充分的发挥出目标函数的最大功效，并且非常的符合传统的工程需要，但是同样具有一定的缺点，就是在效率上始终优点偏低。 线性规划就是依据数学的基础进行优化的方式，同样线性规划是机械优化设计中最重要的设计方式，但是线性规划的优化设计方式在通过数学的理论上进行设计存在着很多的缺陷，就是在针对多函数的时候就不能充分的发挥出功效，还有就是在计算的过程中，十分的复杂，结算量非常的大，导致了在效率上有很大的缺陷，所以通常情况下，线性规则的优化设计方式都没有被采用。那么非线性规划的优化设计方式是整个生产和生活中应用最广泛的优化方式，并且能够有效的推进机械优化设计的发展，并且可以利用数学模式的计算将非线性规划分为两种，一种是没有约束的直接设计方式，就是在利用机械优化设计方案中以及存在的数据和再生的数据最为基础来进行合理的分析，进而得到最佳的效果，还有一种就是没有约束但是比较间接的方法，这种方式就是前者的方式的数学模式计算改变成了数学原理作为基础，通过利用函数的特性进行计算，从而得到最优的方式，这种方式在整个的机械优化设计中是非常重要的组成部分。 4机械设计优化方法的选择 根据优化设计问题的特点（如约束问题），选择适当的优化方法是非常关键的，因为同一个问题可以有多种方法，而有的方法可能会导致优化设计的结果不符合要求。选择优化方法有四个基本原则：效率要高、可靠性要高、采用成熟的计算程序、稳定性要好。另外选择适当的优化方法还需要个人经验，深入分析优化模型的约束条件、约束函数及目标函数，根据复杂性、准确性等条件对它们进行正确的选
