机械优化设计上机实践报告【精编版】
2011-陈飞-《机械优化设计》课程实践报告
合肥工业大学《机械优化设计》课程实践研究报告班级:机械设计制造及其自动化11-5班学号: 20110538 姓名:陈飞授课老师:王卫荣日期: 2014年 4月18日研究报告目录机械优化设计研究报告概述 (3)1、λ=0.618的证明、一维搜索程序 (3)1.1 证明0.618法 (3)1.2 用0.618法求函数最小值 (4)1.2.1 求f(x)=cosx最小值 (4)1.2.2 求f(x)=(x-2)2+3最小值 (6)2、单位矩阵程序 (8)3、连杆机构问题 (9)3.1 问题描述 (9)3.2 编写程序 (10)3.3利用Fortran编译器生成可执行程序 (11)3.4 输出结果及分析 (13)4、工程问题实例 (16)4.1工程问题描述 (16)4.2 数学模型的建立 (16)4.3 程序编制 (18)4.4 优化结果和最终设计参数 (19)5、课程实践心得体会 (21)机械优化设计研究报告概述优化设计是20世纪60年代初发展起来的一门新学科,它是将最优化原理和计算技术应用与设计领域,为工程设计提供一种重要的科学设计方法。
利用这种新的设计方法,人们就可以从众多的设计方案中找出最佳设计方案,从而大大提高设计质量和效率。
因此优化设计是现代设计理论和方法的一个重要领域,它已广泛应用于各个工业部门。
优化方法的应用领域很多,发展也很迅速。
近几年来发展起来的计算机辅助设计(CAD),在引入优化设计方法后,使得在设计过程中既能够不断选择设计参数并评选出最优设计方案,又可以加快设计速度,缩短设计周期。
在科学技术发展要求机械产品更新周期日益缩短的今天,把优化设计方法与计算机辅助设计结合起来,使设计过程完全自动化,已成为设计方法的一个重要发展趋势。
通过本学期的课程学习,我们已经掌握了一些常用的优化方法的原理和计算过程的理论知识。
本次实践是巩固学到的理论知识的绝佳方法,通过实践,学生可以将理论知识运用到具体问题当中,培养分析问题和解决问题的能力。
《机械优化设计》课程实践报告
合肥工业大学《机械优化设计》课程实践研究报告班级:学号:姓名:授课教师:日期: 2016年 11月 12 日目录1。
λ=0。
618的证明、一维搜索程序作业2。
单位矩阵程序作业3. 注释最佳再现给定运动规律连杆机构优化设计问题模型子程序4. 连杆机构问题+自行选择小型机械设计问题或其他工程优化问题(1)分析优化对象,根据设计问题的要求,选择设计变量,确立约束条件,建立目标函数,建立优化设计的数学模型并编制问题程序;(2)选择适当的优化方法,简述方法原理,进行优化计算;(3)进行结果分析,并加以说明。
5。
课程实践心得体会1。
λ=0.618的证明、一维搜索程序作业1.1证明:a α1 α2 ba α3 α1 α2黄金分割法要求插入点α1,α2的位置相对于区间[a,b]两端点具有对称性,即α1=b-λ(b-a)α2=b+λ(b-a)其中λ为待定常数.除了对称要求外,黄金分割法还要求在保留下来的区间内再插入一点,所形成的新三段与原来区间的三段具有相同的比例分布,故有1-λ=λ2取方程正数解,得≈0.618λ=√5−121.2一维搜索C语言程序:(以正弦函数y=sinx为例)#include〈stdio.h>#include<math.h>int main(){double a,b,c=0。
618,x[3],y[3],d;printf(”请输入区间[a,b]的值以及精度:\n”);scanf(”%lf,%lf,%lf”,&a,&b,&d);x[1]=b—c*(b—a);x[2]=a+c*(b—a);y[1]=sin(x[1]);y[2]=sin(x[2]);do{ if(y[1]>y[2]){ a=x[1];x[1]=x[2];y[1]=y[2];x[2]=a+c*(b—a);y[2]=sin(x[2]);}else{ b=x[2];x[2]=x[1];y[2]=y[1];x[1]=b—c*(b—a);y[1]=sin(x[1]);}}while(fabs((b-a)/b)>d);x[0]=(a+b)/2;y[0]=sin(x[0]);printf("极小点x*=%lf\n”,x[0]);printf("极小值y=%lf\n”,y[0]);}C语言程序运行结果:2. 单位矩阵程序作业2。
机械优化设计实验报告
机械优化设计实验报告机械优化设计实验报告引言机械优化设计是一门重要的工程学科,旨在通过优化设计方法,提高机械系统的性能和效率。
本实验旨在通过对某一机械系统的优化设计,探索并验证优化设计的有效性和可行性。
实验目的本实验的主要目的是通过对某一机械系统进行优化设计,提高其性能和效率。
具体而言,我们将通过改变材料、几何形状等参数,寻找最佳设计方案,并通过实验验证其优化效果。
实验方法1. 确定优化目标:首先,我们需要明确机械系统的优化目标,例如提高系统的强度、降低系统的重量等。
2. 确定设计变量:根据机械系统的特点,确定需要进行优化的设计变量,例如材料的选择、零件的几何形状等。
3. 建立数学模型:根据机械系统的结构和运行原理,建立数学模型,用于优化设计的计算和分析。
4. 优化设计:使用优化算法,例如遗传算法、粒子群算法等,对机械系统进行优化设计,得到最佳设计方案。
5. 实验验证:根据最佳设计方案,制作实际样品,并进行实验验证,比较实验结果与模型计算结果的一致性。
实验结果经过优化设计和实验验证,我们得到了以下结果:1. 材料优化:通过对不同材料的比较,我们发现材料A具有更好的强度和耐久性,因此在最佳设计方案中选择了材料A。
2. 几何形状优化:通过对不同几何形状的比较,我们发现几何形状B具有更好的流体动力学性能,因此在最佳设计方案中采用了几何形状B。
3. 性能提升:通过与原设计方案进行对比,我们发现最佳设计方案在强度和效率方面都有显著提升,验证了优化设计的有效性。
讨论与分析通过本实验,我们可以得出以下结论:1. 机械优化设计可以显著提高机械系统的性能和效率,为工程设计提供了有力的支持。
2. 优化设计需要综合考虑多个因素,如材料、几何形状等,以达到最佳设计效果。
3. 优化设计的结果需要通过实验验证,以确保其可行性和有效性。
结论本实验通过对某一机械系统的优化设计,验证了机械优化设计的有效性和可行性。
通过改变材料、几何形状等参数,我们成功提高了机械系统的性能和效率。
机械优化设计实验报告
一、实验目的本次实验旨在通过计算机编程,加深对机械优化设计方法的理解,掌握常用的优化算法,并能够利用计算机解决实际问题。
二、实验内容1. 黄金分割法(1)实验原理黄金分割法是一种常用的优化算法,适用于一元函数的极值求解。
其基本原理是:在给定初始区间内,通过迭代计算,逐步缩小搜索区间,直到满足收敛条件。
(2)实验步骤① 设计实验程序,实现黄金分割法的基本算法。
② 编写函数,用于计算一元函数的值。
③ 设置初始区间和收敛精度。
④ 迭代计算,更新搜索区间。
⑤ 判断是否满足收敛条件,若满足则输出结果,否则继续迭代。
(3)实验结果通过编程实现黄金分割法,求解函数f(x) = x^3 - 6x^2 + 9x + 1在区间[0, 10]内的极小值。
实验结果显示,该函数在区间[0, 10]内的极小值为1,且收敛精度达到0.001。
2. 牛顿法(1)实验原理牛顿法是一种求解非线性方程组的优化算法,其基本原理是:利用函数的导数信息,逐步逼近函数的极值点。
(2)实验步骤① 设计实验程序,实现牛顿法的基本算法。
② 编写函数,用于计算一元函数及其导数。
③ 设置初始值和收敛精度。
④ 迭代计算,更新函数的近似值。
⑤ 判断是否满足收敛条件,若满足则输出结果,否则继续迭代。
(3)实验结果通过编程实现牛顿法,求解函数f(x) = x^3 - 6x^2 + 9x + 1在区间[0, 10]内的极小值。
实验结果显示,该函数在区间[0, 10]内的极小值为1,且收敛精度达到0.001。
3. 拉格朗日乘数法(1)实验原理拉格朗日乘数法是一种求解约束优化问题的优化算法,其基本原理是:在约束条件下,构造拉格朗日函数,并通过求解拉格朗日函数的驻点来求解优化问题。
(2)实验步骤① 设计实验程序,实现拉格朗日乘数法的基本算法。
② 编写函数,用于计算目标函数、约束函数及其导数。
③ 设置初始值和收敛精度。
④ 迭代计算,更新拉格朗日乘数和约束变量的近似值。
机械优化设计上机实践报告
机械优化设计上机实践报告本次机械优化设计上机实践报告是由学生在机械专业课程的学习中所完成的一项任务,旨在通过实践操作提高学生的机械设计和优化能力。
本次实践任务分为两个部分,第一部分是机械零件的设计,第二部分是该零件的优化设计。
一、机械零件设计在机械零件设计的部分,我们需要使用软件来实现。
首先,我们需要通过建立一个零部件的三维模型,然后通过在模型上进行绘制,来完成机械零件的设计。
在实践过程中,我们学习了许多机械零件设计的基本操作。
比如,怎样用不同的工具来创建不同的几何形状的零件。
同时我们还学习了常用的切削工具和块状建模工具。
这些工具让我们能够在短时间内完成复杂的机械零件的建模操作。
我们也学会了如何使用装配工具,通过将不同的零部件组合成装配体,从而使业主更直观地看到最终的产品形态。
二、机械优化设计经过机械零件设计的部分后,我们就开始了机械零件的优化设计。
因为在设计过程中,我们不仅需要考虑性能问题,还要考虑到材料成本和制造工艺等实际因素。
机械优化设计就是在保证零部件符合需要的功能的前提下,通过对材料和几何形状的优化,提高了零部件的机械性能和制造效率。
在实践过程中,我们首先需要了解机械零件的功能和作用,然后参考相关的设计标准和规范,确定重点优化对象。
我们还需要收集和分析机械零件在使用中的各种受力情况,然后确定机械零件的性能参数和指标,然后对机械零件的机械性能和材料利用率进行计算和分析。
经过机械优化设计的部分后,我们已经对完成的机械零件进行了大量的优化操作。
我们优化了零部件的材料选取、几何形状、工艺流程等方面,使机械零件的机械性能得到进一步提升,同时也降低了制造成本,实现了性价比的优化。
总结通过本次机械优化设计研讨实践,我们更好地理解和掌握了机械零件的设计和优化方法。
我们学会了如何使用专业设计软件,更好地了解了机械零件的实际构造和特性。
我们也学会了机械优化设计的思维方式,明确了优化设计需要考虑的各方面因素,能够更好地满足机械零件使用的实际要求。
机械优化设计上机报告
机械优化设计上机实践报告班级:机械(茅以升)101姓名:学号: 1004010510成绩:指导教师: 张迎辉日期: 2013.11.201 《一维搜索方法》上机实践报告1、写出所选择的一维搜索算法的基本过程、原理(可附流程图说明)。
(一)进退法 1. 算法原理进退法是用来确定搜索区间(包含极小值点的区间)的算法,其理论依据是:()f x 为单谷函数(只有一个极值点),且[,]a b 为其极小值点的一个搜索区间,对于任意12,[,]x x a b ∈,如果()()12f x f x <,则2[,]a x 为极小值的搜索区间,如果()()12f x f x >,则1[,]x b 为极小值的搜索区间。
因此,在给定初始点0x ,及初始搜索步长h 的情况下,首先以初始步长向前搜索一步,计算()0f x h +。
(1) 如果()()00f x f x h <+则可知搜索区间为0[,]x x h +,其中x 待求,为确定x ,后退一步计算0()f x h λ-,λ为缩小系数,且01λ<<,直接找到合适的*λ,使得()*00()f x h f x λ->,从而确定搜索区间*00[,]x h x h λ-+。
(2) 如果()()00f x f x h >+则可知搜索区间为0[,]x x ,其中x 待求,为确定x ,前进一步计算0()f x h λ+,λ为放大系数,且1λ>,知道找到合适的*λ,使得()*00()f x h f x h λ+<+,从而确定搜索区间*00[,]x x h λ+。
2. 算法步骤用进退法求一维无约束问题min (),f x x R ∈的搜索区间(包含极小值点的区间)的基本算法步骤如下:(1) 给定初始点(0)x ,初始步长0h ,令0h h =,(1)(0)x x =,0k =; (2) 令(4)(1)x x h =+,置1k k =+;(3) 若()()(4)(1)f x f x <,则转步骤(4),否则转步骤(5);(4) 令(2)(1)(1)(4),x x x x ==,()()(2)(1)f x f x =,()()(1)(4)f x f x =,令2h h =,转步骤(2); (5) 若1k =,则转步骤(6)否则转步骤(7);(6) 令h h =-,(2)(4)x x =,()()(2)(4)f x f x =,转步骤(2);(7) 令(3)(2)(2)(1)(1)(4),,x x x x x x ===,停止计算,极小值点包含于区间(1)(3)(3)(1)[,][,]x x x x 或(二)黄金分割法1、黄金分割法基本思路:黄金分割法适用于[a ,b]区间上的任何单股函数求极小值问题,对函数除要求“单谷”外不做其他要求,甚至可以不连续。
机械实习报告
机械实习报告【精品】机械实习报告3篇机械实习报告篇1一、实习目的1.通过现场参观,了解某一产品的即席制造生产过程。
2.熟悉主要典型零件(机座,机体,曲轴,凸轮轴,齿轮等或减速机箱体,转动轴,齿轮等)的机械加工工艺过程,了解拟定机械加工工艺过程的一般原则及进行工艺分析的方法。
3.了解典型零部件的装配工艺。
4.了解一般刀、夹、量具的结构及使用方法。
5.参观工厂计量室与车间检验,了解公差与测量技术在生产中的应用。
6.参观工厂的先进设备及特种加工,以扩大学生的专业知识面以及对新工艺、新技术的了解。
二、实习内容与要求1.机械制造的生产过程:了解该厂的主要机械设备的正个生产过程情况及生产中的主要工艺文件(如机械加工过程卡片、机械加工工序卡片等)。
2.典型零件工艺1)箱体零件的加工:了解某机械设备机座、机体的机械加工方法,并纪录其工艺过程。
分析箱体零件加工平面与孔系的主要加工方法。
2)轴类零件的加工:了解轴类及其机械加工工艺并记录其工艺过程。
了解某道工序的具体加工工艺(技术要求,刀、夹、量具,切削液等)。
3)齿轮加工:了解一至两种齿轮的机械加工工艺,并记录其工艺过程,分析滚齿、插齿加工的运动及特点。
结合工厂的参观,简述磨齿、等的齿轮精加工方法。
3.了解刀、夹、量具的结构及使用方法,常用机床型号及其特点。
4.装配工艺:1)了解机械设备的结构特点及其装配工艺;2)了解机械设备装配后的最终检验项目和检验方法;3)了解主要零部件在加工车间的检验情况,论述公差与技术测量在现场应用的实例。
三、实习地点山东莱阳信发机械制造有限公司公司简介:山东莱阳信发机械制造有限公司地处胶东半岛腹地莱阳市区军民路中段,分别距青岛、烟台两个开放城市(机场、港口)IOO公里,距蓝烟铁路6公里,莱潍高速公路10公里,烟青一级公路2公里,其交通条件便利,自然条件和区位优势得天独厚,电力、水力资源丰富。
公司成立于1998年,是以生产汽车发动机零件为主的民营企业,是目前国内生产规模最大的内燃机飞轮专业生产企业之一,公司厂区占地13多万平方米,注册资金1294.9万元,下设铸造厂、机械厂、动配厂、工业园区,拥有员工300多人。
机械优化设计上机实践报告书
机械优化设计上机实践报告班级:机械(茅以升)101姓名:学号: 1004010510成绩:指导教师: 张迎辉日期: 2013.11.201 《一维搜索方法》上机实践报告1、写出所选择的一维搜索算法的基本过程、原理(可附流程图说明)。
(一)进退法1.算法原理进退法是用来确定搜索区间(包含极小值点的区间)的算法,其理论依据是:()f x 为单谷函数(只有一个极值点),且[,]a b 为其极小值点的一个搜索区间,对于任意12,[,]x x a b ∈,如果()()12f x f x <,则2[,]a x 为极小值的搜索区间,如果()()12f x f x >,则1[,]x b 为极小值的搜索区间。
因此,在给定初始点0x ,及初始搜索步长h 的情况下,首先以初始步长向前搜索一步,计算()0f x h +。
(1) 如果()()00f x f x h <+则可知搜索区间为0[,]x x h +,其中x 待求,为确定x ,后退一步计算0()f x h λ-,λ为缩小系数,且01λ<<,直接找到合适的*λ,使得()*00()f x h f x λ->,从而确定搜索区间*00[,]x h x h λ-+。
(2) 如果()()00f x f x h >+则可知搜索区间为0[,]x x ,其中x 待求,为确定x ,前进一步计算0()f x h λ+,λ为放大系数,且1λ>,知道找到合适的*λ,使得()*00()f x h f x h λ+<+,从而确定搜索区间*00[,]x x h λ+。
2. 算法步骤用进退法求一维无约束问题min (),f x x R ∈的搜索区间(包含极小值点的区间)的基本算法步骤如下:(1) 给定初始点(0)x ,初始步长0h ,令0h h =,(1)(0)x x =,0k =; (2) 令(4)(1)x x h =+,置1k k =+;(3) 若()()(4)(1)f x f x <,则转步骤(4),否则转步骤(5);(4) 令(2)(1)(1)(4),x x x x ==,()()(2)(1)f x f x =,()()(1)(4)f x f x =,令2h h =,转步骤(2); (5) 若1k =,则转步骤(6)否则转步骤(7);(6) 令h h =-,(2)(4)x x =,()()(2)(4)f x f x =,转步骤(2);(7) 令(3)(2)(2)(1)(1)(4),,x x x x x x ===,停止计算,极小值点包含于区间(1)(3)(3)(1)或x x x x[,][,](二)黄金分割法1、黄金分割法基本思路:黄金分割法适用于[a,b]区间上的任何单股函数求极小值问题,对函数除要求“单谷”外不做其他要求,甚至可以不连续。
(完整word版)机械优化设计实验报告(word文档良心出品)
《机械优化设计》实验报告目录1.进退法确定初始区间 (3)1.1 进退法基本思路 (3)1.2 进退法程序框图 (3)1.3 题目 (3)1.4 源程序代码及运行结果 (3)2.黄金分割法 (4)2.2黄金分割法流程图 (4)2.3 题目 (5)2.4 源程序代码及结果 (5)3.牛顿型法 (5)3.1牛顿型法基本思路 (6)3.2 阻尼牛顿法的流程图 (6)3.3 题目 (6)3.4 源程序代码及结果 (6)4.鲍威尔法 (7)4.1 鲍威尔法基本思路 (7)4.2 鲍威尔法流程图 (7)4.3 题目 (8)4.4 源程序代码及结果 (8)5. 复合形法 (15)5.1 复合行法基本思想 (15)5.3 源程序代码及结果 (15)6. 外点惩罚函数法 (23)6.1解题思路: (23)6.2 流程框图 (23)6.3 题目 (23)6.4 源程序代码及结果 (23)7.机械设计实际问题分析 (29)7.2计算过程如下 (29)7.3 源程序编写 (30)8.报告总结 (32)1.进退法确定初始区间1.1 进退法基本思路:按照一定的规则试算若干个点,比较其函数值的大小,直至找到函数值按“高-低-高”变化的单峰区间。
1.2 进退法程序框图1.3 题目:用进退法求解函数()2710=-+的搜索区间f x x x1.4 源程序代码及运行结果#include <stdio.h>#include <math.h>main(){float h,h0,y1,y2,y3,a1=0,a2,a3,fa2,fa3;scanf("h0=%f,y1=%f",&h0,&y1);h=h0;a2=h;y2=a2*a2-7*a2+10;if (y2>y1){h=-h;a3=a1;y3=y1;loop:a1=a2;y1=y2;a2=a3;y2=y3;}a3=a2+2*h;y3=a3*a3-7*a3+10;if (y3<y2){goto loop;}elseprintf("a1=%f,a2=%f,a3=%f,y1=%f,y2=%f,y3=%f\n",a1,a2,a3,y1,y2,y3);} 搜索区间为0 62.黄金分割法2.1黄金分割法基本思路:通过不断的缩短单峰区间的长度来搜索极小点的一种有效方法。
《机械优化设计》课程实践报告
《机械优化设计》课程实践报告(课程实践报告封⾯模版)合肥⼯业⼤学《机械优化设计》课程实践研究报告班级:机设10 -04学号: 20100495姓名:李健授课⽼师:王卫荣⽇期: 2012年⽉⽇⽬录⼀主要内容1、⼀维搜索程序作业A.λ = 0.618的证明 (1)B.编写⽤0.618法求函数极⼩值的程序 (2)2、单位矩阵程序作业 (4)3、其他⼯程优化问题 (9)4连杆机构问题 (12)⼆实践⼼得体会 (15)⼀: 主要内容1. ⼀维搜索程序作业:A.λ = 0.618的证明 (y2 > y1)证明:0.618法要求插⼊点α1、α 2 的位置相对于区间 [a,b] 两端点具有对称性,即已知a1=a2 , 要求α11=α22由于α1=b-λ(b-a)α2=a+λ(b-a)若使α11=α22则有:b1-λ(b1-a1)=a2+λ(b2-a2)= a1+λ2(b1-a1)因此: b1- a1=(λ2+λ)( b1- a1)( b1- a1)(λ2+λ-1)=0因为: b1= a1所以: λ2+λ-1=0则有: 取⽅程正数解得若保留下来的区间为 [α1,b] ,根据插⼊点的对称性,也能推得同样的λ的值。
其0.618法的程序框图如下:B.编写⽤0.618法求函数极⼩值的程序例:(1)a=0 ,b=2π,f(x)=cox(x)(2)a=0 ,b=10, f(x)=(x-2)2+3(1)#include#includevoid main(void){int i;float a1,a2,aa,y1,y2,ymin,e;float a=0,b=2*3.14159,n=0.618;a1=b-n*(b-a);a2=a+n*(b-a);print(“输⼊精度:”);scanf(“%f”,&e);for(i=0;i=10000;i=i++){y1=cos(a1);y2=cos(a2);if(y1{a=a1;a1=a2;a2=a+n*(b-a);}If(y1b=a2;a2=a1;a1=b-n*(b-a);}if(fabs(b-a)/b{aa=(a+b)/2;ymin=cos(aa);printf(“x=%7.4f\tf(x)=%7.4f\n”),aa,ymin); break;}}}运⾏结果:(2)#include#includevoid main(void){int i;float a1,a2,aa,y1,y2,ymin,e; float a=0,b=10,n=0.618;a1=b-n*(b-a);a2=a+n*(b-a);print(“输⼊精度:”);scanf(“%f”,&e);for(i=0;i=10000;i=i++){y1=(a1-2)*(a1-2)+3; y2=(a2-2)*(a2-2)+3; if(y1>=y2){a=a1;a1=a2;a2=a+n*(b-a);}If(y1b=a2;a2=a1;a1=b-n*(b-a);}if(fabs(b-a)/b{aa=(a+b)/2;ymin=(aa-2)*(aa-2)+3;printf(“x=%6.3f\tf(x)=%6.3f\n”),aa,ymin); break;}}}运⾏结果:2.单位矩阵程序作业编写⽣成单位矩阵的程序程序⽂本#includevoid main(void){int a[100][100];int N,i,j;printf("请输⼊所要输出矩阵的阶数(最多100阶):"); scanf("%d",&N);printf("输出的矩阵阶数为%d\n",N);printf(" N "); /*****制作表头*****/ for(i=0;iprintf("%3d",i+1);printf("\n");for(i=0;iprintf("---"); /*****分割线*****/ printf("\n");for(i=0;i<100;i++) /*****数组赋值*****/ for(j=0;j<100;j++) {if(i==j)a[i][j]=1;elsea[i][j]=0;}for(i=0;iprintf("%2d:",i+1); /*****纵列序号*****/for(j=0;j{printf("%3d",a[i][j]);}printf("\n");}}结果显⽰从键盘输⼊9,显⽰9阶单位矩阵,结果如下3. 其他⼯程优化问题有⼀箱形盖板,已知长度L=600mm ,宽度b=60mm ,厚度t s =0.5mm 承受最⼤单位载荷q=60N/cm ,设箱形盖板的材料为铝合⾦,其弹性模量MPa E 4107?=,泊松⽐3.0=µ,许⽤弯曲应⼒[]MPa 70=σ,许⽤剪应⼒[]MPa 45=τ,要求在满⾜强度、刚度和稳定性条件下,设计重量最轻的结构⽅案。
机械设计专业实习报告
机械设计专业实习报告机械设计专业实习报告(通用8篇)难忘的实习生活已经告一段落了,想必都收获了成长和成绩,需要好好地写一封实习报告总结一下。
很好奇实习报告是怎么写的吧,下面是本店铺整理的机械设计专业实习报告,欢迎大家借鉴与参考,希望对大家有所帮助。
机械设计专业实习报告 1一、实习目的本次实习是面向生产实际,通过走向社会和生产第一线,了解一般机械零件的加工过程、工艺方法、加工手段;我想实习现场的一些设备和加工方法也许会用到我们从前学到的一些基本理论,我会认真地去理解和思考,按老师提供的一些知识点和要求内容去发现问题和寻找答案,认真学习工人师傅的爱岗敬业精神。
通过这次生产实习,使我有机会接触和了解机械制造行业的一些实际知识,通过实习,也使我对了解各类机机械加工设备的特点和使用,为后续课程的学习打下基础。
此次实习我们要达到以下几点:1.通过现场参观与调研,了解某一产品的机械制造生产过程;2.熟悉主要典型零件(机床箱体、传动轴、主轴、柴油机机座、机体、曲轴、凸轮轴、活塞、齿轮等)的机械加工工艺过程,了解拟定机械加工工艺过程的一般原则及进行工艺分析的方法;3.了解机床典型零部件的装配工艺;4.了解机床、柴油机的结构特点及装配工艺;5.了解一般刀、夹、量具的结构及使用方法;6.参观工厂计量室与车间检验室,了解公差与测量技术在生产中的应用;7.参观工厂的先进设备及特种加工,以扩大学生的专业知识面以及对新工艺、新技术的了解二、实习内容根据实习单位的具体情况,结合实习企业的具体工艺和设备制定实习具体内容和方案。
可考虑选择下述几个方面的内容:1.机械制造的生产过程:了解工厂的主要产品的整个生产过程情况及生产中的主要工艺文件(如机械加工过程卡片、机械加工工序卡片等)2.箱体零件的加工:了解某型号机床箱体、箱盖(或柴油机机座、机体、活塞)的机械加工方法,并记录其工艺过程。
分析箱体零件加工平面与孔系的主要加工方法。
3.轴类零件的加工:了解机床主轴、传动轴(或柴油机曲轴和凸轮轴)及其机械加工工艺并记录其工艺过程。
机械优化设计上机报告
机械优化设计上机实践报告班级:机械(茅以升)101姓名 :学号 : 1004010510成绩 :指导教师 : 迎辉日期 : 2013.11.201 《一维搜索方法》上机实践报告1、写出所选择的一维搜索算法的基本过程、原理(可附流程图说明)。
(一)进退法 1. 算法原理进退法是用来确定搜索区间(包含极小值点的区间)的算法,其理论依据是:()f x 为单谷函数(只有一个极值点),且[,]a b 为其极小值点的一个搜索区间,对于任意12,[,]x x a b ∈,如果()()12f x f x <,则2[,]a x 为极小值的搜索区间,如果()()12f x f x >,则1[,]x b 为极小值的搜索区间。
因此,在给定初始点0x ,及初始搜索步长h 的情况下,首先以初始步长向前搜索一步,计算()0f x h +。
(1) 如果()()00f x f x h <+则可知搜索区间为0[,]x x h +%,其中x %待求,为确定x %,后退一步计算0()f x h λ-,λ为缩小系数,且01λ<<,直接找到合适的*λ,使得()*00()f x h f x λ->,从而确定搜索区间*00[,]x h x h λ-+。
(2) 如果()()00f x f x h >+则可知搜索区间为0[,]x x %,其中x %待求,为确定x %,前进一步计算0()f x h λ+,λ为放大系数,且1λ>,知道找到合适的*λ,使得()*00()f x h f x h λ+<+,从而确定搜索区间*00[,]x x h λ+。
2. 算法步骤用进退法求一维无约束问题min (),f x x R ∈的搜索区间(包含极小值点的区间)的基本算法步骤如下:(1) 给定初始点(0)x ,初始步长0h ,令0h h =,(1)(0)x x =,0k =; (2) 令(4)(1)x x h =+,置1k k =+;(3) 若()()(4)(1)f x f x <,则转步骤(4),否则转步骤(5);(4) 令(2)(1)(1)(4),x x x x ==,()()(2)(1)f x f x =,()()(1)(4)f x f x =,令2h h =,转步骤(2); (5) 若1k =,则转步骤(6)否则转步骤(7);(6) 令h h =-,(2)(4)x x =,()()(2)(4)f x f x =,转步骤(2);(7) 令(3)(2)(2)(1)(1)(4),,x x x x x x ===,停止计算,极小值点包含于区间(1)(3)(3)(1)[,][,]x x x x 或(二)黄金分割法1、黄金分割法基本思路:黄金分割法适用于[a ,b]区间上的任何单股函数求极小值问题,对函数除要求“单谷”外不做其他要求,甚至可以不连续。
机械优化设计上机实践报告
机械优化设计上机实践报告1. 引言机械优化设计是利用计算机辅助设计与优化方法,对机械结构进行改进和优化,以提高机械设计的性能和效率。
本实践报告基于团队在机械优化设计课程中的上机实践,探讨了机械优化设计的基本原理、方法和实践过程,并对优化后的设计进行了验证和评估。
2. 方法与流程2.1 问题定义本实践中,我们选择了一个简化的机械结构问题:求解一根长度为L的钢杆在两个支点上的最大挠度。
这个问题可以抽象为一个优化问题:寻找一个合适的杆件横截面形状,使得钢杆的挠度最小。
2.2 初始设计我们首先需要设计一个初始杆件形状作为优化的起点。
根据经验和初步分析,我们选择了一个圆形横截面作为初始设计。
通过计算机辅助设计软件绘制出了该初始设计的三维模型,并进行了有限元分析,得到了初始设计的挠度。
2.3 优化算法为了寻找更优的杆件形状,我们采用了一种遗传算法作为优化方法。
遗传算法模拟了自然界中的进化过程,通过选择、交叉和变异等操作对初始设计进行优化。
具体的算法流程如下:1.初始化种群:随机生成一定数量的个体作为种群。
2.评估适应度:利用有限元分析对每个个体进行挠度计算,并评估其适应度。
3.选择操作:根据适应度选择一部分个体作为父代,用于繁殖下一代。
4.交叉操作:对选中的父代进行交叉操作,产生新的个体。
5.变异操作:对新产生的个体进行变异操作,引入新的基因。
6.更新种群:用新产生的个体替换原有种群中的部分个体。
7.终止条件判断:如果满足终止条件,则结束优化过程;否则返回第2步。
2.4 优化结果与分析经过多轮迭代,我们得到了优化后的设计结果。
通过有限元分析对优化后的设计进行挠度计算,发现挠度明显减小。
此外,我们还对优化前后的设计进行了对比测试,结果显示优化后的设计在挠度方面有明显的改进。
3. 结果与讨论本次机械优化设计实践取得了良好的效果。
通过遗传算法优化,我们成功改进了钢杆的横截面形状,使得其挠度显著减小。
这表明机械优化设计在提高机械结构性能方面具有很大的潜力。
【精选】机械类的实习报告三篇
【精选】机械类的实习报告三篇(经典版)编制人:__________________审核人:__________________审批人:__________________编制单位:__________________编制时间:____年____月____日序言下载提示:该文档是本店铺精心编制而成的,希望大家下载后,能够帮助大家解决实际问题。
文档下载后可定制修改,请根据实际需要进行调整和使用,谢谢!并且,本店铺为大家提供各种类型的经典范文,如总结计划、党团报告、合同协议、策划方案、演讲致辞、规章制度、条据文书、教学资料、作文大全、其他范文等等,想了解不同范文格式和写法,敬请关注!Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!Moreover, our store provides various types of classic sample essays, such as summary plans, party and youth league reports, contract agreements, planning plans, speeches, rules and regulations, doctrinal documents, teaching materials, complete essays, and other sample essays. If you would like to learn about different sample formats and writing methods, please stay tuned!【精选】机械类的实习报告三篇【精选】机械类的实习报告三篇在人们越来越注重自身素养的今天,报告与我们愈发关系密切,我们在写报告的时候要避免篇幅过长。
机械优化设计实验报告
《机械优化设计》实验报告目录1.进退法确定初始区间 (3)1.1 进退法基本思路 (3)1.2 进退法程序框图 (3)1.3 题目 (4)1.4 源程序代码及运行结果 (4)2.黄金分割法 (5)2.2黄金分割法流程图 (5)2.3 题目 (5)2.4 源程序代码及结果 (5)3.牛顿型法 (6)3.1牛顿型法基本思路 (6)3.2 阻尼牛顿法的流程图 (6)3.3 题目 (7)3.4 源程序代码及结果 (7)4.鲍威尔法 (8)4.1 鲍威尔法基本思路 (8)4.2 鲍威尔法流程图 (8)4.3 题目 (9)4.4 源程序代码及结果 (9)5. 复合形法 (16)5.1 复合行法基本思想 (16)5.3 源程序代码及结果 (16)6. 外点惩罚函数法 (24)6.1解题思路: (24)6.2 流程框图 (24)6.3 题目 (24)6.4 源程序代码及结果 (24)7.机械设计实际问题分析 (30)7.2计算过程如下 (30)7.3 源程序编写 (32)8.报告总结 (33)1.进退法确定初始区间1.1 进退法基本思路:按照一定的规则试算若干个点,比较其函数值的大小,直至找到函数值按“高-低-高”变化的单峰区间。
1.2 进退法程序框图1.3 题目:用进退法求解函数()2710=-+的搜索区间f x x x1.4 源程序代码及运行结果#include <stdio.h>#include <math.h>main(){float h,h0,y1,y2,y3,a1=0,a2,a3,fa2,fa3;scanf("h0=%f,y1=%f",&h0,&y1);h=h0;a2=h;y2=a2*a2-7*a2+10;if (y2>y1){h=-h;a3=a1;y3=y1;loop:a1=a2;y1=y2;a2=a3;y2=y3;}a3=a2+2*h;y3=a3*a3-7*a3+10;if (y3<y2){goto loop;}elseprintf("a1=%f,a2=%f,a3=%f,y1=%f,y2=%f,y3=%f\n",a1,a2,a3,y1,y2,y3);} 搜索区间为0 62.黄金分割法2.1黄金分割法基本思路:通过不断的缩短单峰区间的长度来搜索极小点的一种有效方法。
机械优化设计报告
机械优化设计上机实验报告班级:05021004人员:马春曹旭南咪咪吕进龙李鸿飞王建华日期:2013年5月一 进退法1.1算法的原理进退法是用来确定搜索区间(包含极小值点的区间)的算法,其理论依据是:()f x 为单谷函数(只有一个极值点),且[,]a b 为其极小值点的一个搜索区间,对于任意12,[,]x x a b ∈,如果()()12f x f x <,则2[,]a x 为极小值的搜索区间,如果()()12f x f x >,则1[,]x b 为极小值的搜索区间。
因此,在给定初始点0x ,及初始搜索步长h 的情况下,首先以初始步长向前搜索一步,计算()0f x h +。
(1) 如果()()00f x f x h <+则可知搜索区间为0[,]x x h +,其中x 待求,为确定x ,后退一步计算0()f x h λ-,λ为缩小系数,且01λ<<,直接找到合适的*λ,使得()*00()f x h f x λ->,从而确定搜索区间*00[,]x h x h λ-+。
(2) 如果()()00f x f x h >+则可知搜索区间为0[,]x x ,其中x 待求,为确定x ,前进一步计算0()f x h λ+,λ为放大系数,且1λ>,知道找到合适的*λ,使得()*00()f x h f x h λ+<+,从而确定搜索区间*00[,]x x h λ+。
进退法流程图:1.2算法特点从初始点开始一出事步长向前试探,如果函数值上升,则步长变号,机改变试探方向。
如果函数值下降,则维持原来的试探方向,并将步长加倍。
区间的始点、中间点一次沿试探方向移动一步。
此过程以自己进行到函数值再次上升位置,既可找到搜索区间的终点。
最后大额到的三个点纪委搜索区间的始点、中间点和终点,形成函数值得“高-低-高”趋势,1.3算法的改进及建议由于解析过程中没有精度的要求,所以解析的精度比较差,只能确定一个比较理想的最优解区间,仅仅能够作为求职最优解的参考,所以希望通过进一步的完善来实现精度的提高并且能够求得较为满意的最优解。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
机械优化设计上机实践报告【精编版】机械优化设计上机实践报告班级:机械(茅以升)101姓名:学号: 1004010510成绩:指导教师: 张迎辉日期: 2013.11.201 《一维搜索方法》上机实践报告1、写出所选择的一维搜索算法的基本过程、原理(可附流程图说明)。
(一)进退法1. 算法原理进退法是用来确定搜索区间(包含极小值点的区间)的算法,其理论依据是:()f x 为单谷函数(只有一个极值点),且[,]a b 为其极小值点的一个搜索区间,对于任意12,[,]x x a b ∈,如果()()12f x f x <,则2[,]a x 为极小值的搜索区间,如果()()12f x f x >,则1[,]x b 为极小值的搜索区间。
因此,在给定初始点0x ,及初始搜索步长h 的情况下,首先以初始步长向前搜索一步,计算()0f x h +。
(1) 如果()()00f x f x h <+则可知搜索区间为0[,]xx h +%,其中x %待求,为确定x %,后退一步计算0()f x h λ-,λ为缩小系数,且01λ<<,直接找到合适的*λ,使得()*00()f x h f x λ->,从而确定搜索区间*00[,]x h x h λ-+。
(2) 如果()()00f x f x h >+则可知搜索区间为0[,]x x %,其中x %待求,为确定x %,前进一步计算0()f x h λ+,λ为放大系数,且1λ>,知道找到合适的*λ,使得()*00()f x h f x h λ+<+,从而确定搜索区间*00[,]x x h λ+。
2. 算法步骤用进退法求一维无约束问题min (),f x x R ∈的搜索区间(包含极小值点的区间)的基本算法步骤如下:(1) 给定初始点(0)x ,初始步长0h ,令0h h =,(1)(0)x x =,0k =;(2) 令(4)(1)x x h =+,置1k k =+;(3) 若()()(4)(1)f x f x <,则转步骤(4),否则转步骤(5);(4) 令(2)(1)(1)(4),x x x x ==,()()(2)(1)f x f x =,()()(1)(4)f x f x =,令2h h =,转步骤(2);(5) 若1k =,则转步骤(6)否则转步骤(7);(6) 令h h =-,(2)(4)x x =,()()(2)(4)f x f x =,转步骤(2);(7) 令(3)(2)(2)(1)(1)(4),,x x x x x x ===,停止计算,极小值点包含于区间(1)(3)(3)(1)[,][,]x x x x 或(二)黄金分割法1、黄金分割法基本思路:黄金分割法适用于[a ,b]区间上的任何单股函数求极小值问题,对函数除要求“单谷”外不做其他要求,甚至可以不连续。
因此,这种方法的适应面非常广。
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a1,a2,并计算其函数值。
a1,a2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,是搜索区间得以缩小。
然后再在保留下来的区间上作同样的处理,如此迭代下去,是搜索区间无限缩小,从而得到极小点的数值近似解。
2 黄金分割法的基本原理一维搜索是解函数极小值的方法之一,其解法思想为沿某一已知方向求目标函数的极小值点。
一维搜索的解法很多,这里主要采用黄金分割法(0.618法)。
该方法用不变的区间缩短率0.618代替斐波那契法每次不同的缩短率,从而可以看成是斐波那契法的近似,实现起来比较容易,也易于人们所接受。
图1黄金分割法是用于一元函数f(x)在给定初始区间[a,b]内搜索极小点α*的一种方法。
它是优化计算中的经典算法,以算法简单、收敛速度均匀、效果较好而著称,是许多优化算法的基础,但它只适用于一维区间上的凸函数[6],即只在单峰区间内才能进行一维寻优,其收敛效率较低。
其基本原理是:依照“去劣存优”原则、对称原则、以及等比收缩原则来逐步缩小搜索区间[7]。
具体步骤是:在区间[a,b]内取点:a1 ,a2 把[a,b]分为三段。
如果f(a1)>f(a2),令a=a1,a1=a2,a2=a+r*(b-a);如果f(a1)<f(a2) ,令b=a2,a2=a1,a1=b-r*(b-a),如果|(b-a)/b|和|(y1-y2)/y2|都大于收敛精度ε重新开始。
因为[a,b]为单峰区间,这样每次可将搜索区间缩小0.618倍或0.382倍,处理后的区间都将包含极小点的区间缩小,然后在保留下来的区间上作同样的处理,如此迭代下去,将使搜索区[a,b]逐步缩小,直到满足预先给定的精度时,即获得一维优化问题的近似最优解。
黄金分割法原理如图1所示,3 程序流程如下:4 实验所编程序框图算例1:min f(x)= x*x+2*x(1)C++程序如下:#include <math.h>#include <stdio.h>#define f(x) x*x+2*xdouble calc(double *a,double *b,double e,int *n) { double x1,x2,s;if(fabs(*b-*a)<=e)s=f((*b+*a)/2);else{ x1=*b-0.618*(*b-*a);x2=*a+0.618*(*b-*a);if(f(x1)>f(x2))*a=x1;else*b=x2;*n=*n+1;s=calc(a,b,e,n);}return s;}main(){ double s,a,b,e;int n=0;scanf("%lf %lf %lf",&a,&b,&e);s=calc(&a,&b,e,&n);printf("a=%lf,b=%lf,s=%lf,n=%d\n",a,b,s,n); }2、程序运行结果:算例2:min f=x^2-10*x+36理论最优解:x*=5.0,f(x*)=11.0(1)MATLAB程序清单:function f=myfun_yi(x)f=x^2-10*x+36>> fminbnd(@myfun_yi,1,12)(2)运行结果:>> fminbnd(@myfun_yi,1,12)f =11.0407f =18.8309f =12.9691f =11f =f =11.0000ans =5(3)结果分析:由迭代程序f=11.0,ans=5,与理论结果相等算例3:minf=x^4-5*x^3+4*x^2-6*x+60理论最优解:x*=3.2796,f(x*)=22.6590(1)MATLAB程序清单:function f=myfun_yi(x)f=x^4-5*x^3+4*x^2-6*x+60>> fminbnd(@myfun_yi,1,12)(2)运行结果:>> fminbnd(@myfun_yi,1,12)f =165.3948f =1.5836e+03f =24.8730f =f =23.9089f =22.7621f =31.7507f =22.6673f =22.6594f =22.6590f =22.6590f =22.6590f =22.6590ans =3.2796(3)结果分析:由迭代程序得f =22.659,ans =3.2796,与理论最优解相等2 《无约束优化搜索方法》上机实践报告1、写出所选择的无约束优化搜索算法的基本过程、原理(可附流程图说明)。
鲍威尔改进方法鲍威尔(Powell)法是直接利用函数值来构造共轭方向的一种方法在鲍威尔基本算法中,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。
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。
2、程序计算结果分析:中间各步骤的结果分析及与理论计算结果分析对比。
算例1:min f=4*(x(1)-5)^2+(x(2)-6)^2初始点:x0=[8;9],f(x0)=45最优解:x*=[5;6],f(x*)=0(1)MATLAB程序清单:function f=myfun_wuyueshu(x)f=4*(x(1)-5)^2+(x(2)-6)^2>> [x,fval]=fminunc(@myfun_wuyueshu,x0)(2)运行结果:f =45Warning: Gradient must be provided for trust-region algorithm; using line-search algorithm instead.> In fminunc at 367f =45.0000f =45.0000f =23.5625f =23.5625f =23.5625f =2.6958f =2.6958f =2.6958f =1.3788f =1.3788f =1.3788f =0.0054f =0.0054f =0.0054f =6.4975e-05f =6.4973e-05f =6.4975e-05f =6.1579e-09f =6.1522e-09f =6.1443e-09f =1.7876e-12f =1.8627e-12f =1.5586e-12Local minimum found.Optimization completed because the size of the gradient is less than the default value of the function tolerance.<stopping criteria details>x =5.00006.0000fval =1.7876e-12(3)结果分析:由迭代程序得x =[ 5.0000;6.0000],fval =1.7876e-12,与理论最优解相等。
算例2:min f=(x(1)^2+x(2)-11)^2+(x(1)+x(2)^2-7)^2初始点:x0=[1;1],f(x0)=106最优解:x*=[3;2],f(x*)=0(1)MATLAB程序清单:function f=myfun_wuyueshu(x)f=(x(1)^2+x(2)-11)^2+(x(1)+x(2)^2-7)^2>> [x,fval]=fminunc(@myfun_wuyueshu,x0)(2)运行结果:>> x0=[1;1]x0 =11>> [x,fval]=fminunc(@myfun_wuyueshu,x0)f =106Warning: Gradient must be provided for trust-region algorithm;using line-search algorithm instead.> In fminunc at 367106.0000f =106.0000f =29.5430f =29.5430f =29.5430f =1.7450e+04f =1.7450e+04f =1.7450e+04f =90.3661f =90.3661f =90.3661f =0.3575f =0.3575f =0.3575f =0.0179f =0.0179f =0.0179f =0.0064f =0.0064f =0.0064f =1.0048e-06f =1.0044e-06f =1.0049e-06f =4.8639e-09f =4.8567e-09f =4.8781e-09f =5.2125e-12f =5.8703e-12f =5.7870e-12Local minimum found.Optimization completed because the size of the gradient is less thanthe default value of the function tolerance.<stopping criteria details>x =3.00002.0000fval =5.2125e-12(3)结果分析:由迭代程序得x=[3;2],fval = 5.2125e-12,与理论最优解相等算例3:ff=x[0]*x[0]+2*x[1]*x[1]-4*x[0]-2*x[0]*x[1];(1)鲍威尔改进算法C++程序清单:#include "stdio.h"#include "stdlib.h"#include "math.h"double objf(double x[]){double ff;ff=x[0]*x[0]+2*x[1]*x[1]-4*x[0]-2*x[0]*x[1];return(ff);}void jtf(double x0[ ],double h0,double s[ ],int n,double a[ ],double b[ ]){int i;double *x[3],h,f1,f2,f3;for (i=0;i<3;i++)x[i]=(double *)malloc (n*sizeof(double));h=h0;for(i=0;i<n;i++)*(x[0]+i)=x0[i];f1=objf(x[0]);for(i=0;i<n;i++)*(x[1]+i)=*(x[0]+i)+h*s[i];f2=objf(x[1]);if(f2>=f1){h= -h0;for (i=0;i<n;i++)*(x[2]+i)=*(x[0]+i);f3=f1;for(i=0;i<n;i++){*(x[0]+i)= *(x[1]+i);*(x[1]+i)= *(x[2]+i);}f1=f2;f2=f3;}for(;;){h=2. *h;for(i=0;i<n;i++)*(x[2]+i)=* (x[1]+i) +h*s[i];f3= objf(x[2]);if(f2<f3)break;else{ for(i=0;i<n;i++){*(x[0]+i)= *(x[1]+i);*(x[1]+i)= *(x[2]+i);}f1=f2;f2=f3;}}if(h<0. )for(i=0;i<n;i++){a[i]=*(x[2]+i);b[i]=*(x[0]+i);}elsefor(i=0;i<n;i++){a[i]=*(x[0]+i);b[i]=*(x[2]+i);}for(i=0;i<3;i++)free(x[i]);}double gold(double a[],double b[],double eps,int n,double xx[]) {int i;double f1,f2,*x[2],ff,q,w;for(i=0;i<2;i++)x[i]=(double*)malloc (n*sizeof(double));for(i=0;i<n;i++){*(x[0]+i)=a[i]+0.618*(b[i]-a[i]);*(x[1]+i)=a[i]+0.382*(b[i]-a[i]);}f1=objf(x[0]);f2=objf(x[1]);do{if(f1>f2){for(i=0;i<n;i++){b[i]=*(x[0]+i);*(x[0]+i)=*(x[1]+i);}f1=f2;for(i=0;i<n;i++)*(x[1]+i)=a[i]+0.382*(b[i]-a[i]);f2=objf(x[1]);}else{for(i=0;i<n;i++){a[i]=*(x[1]+i);*(x[1]+i)=*(x[0]+i);}f2=f1;for(i=0;i<n;i++)*(x[0]+i)=a[i]+0.618*(b[i]-a[i]);f1=objf(x[0]);}q=0;for(i=0;i<n;i++)q=q+(b[i]-a[i])*(b[i]-a[i]);w=sqrt(q);}while(w>eps);for(i=0;i<n;i++)xx[i]=0.5*(a[i]+b[i]);ff=objf(xx);for(i=0;i<2;i++)free(x[i]);return(ff);}double oneoptim(double x0[],double s[],double h0,double epsg,int n,double x[]){double *a,*b,ff;a=(double *)malloc(n*sizeof(double));b=(double *)malloc(n*sizeof(double));jtf(x0,h0,s,n,a,b);ff=gold(a,b,epsg,n,x);free(a);free(b);return(ff);}double powell(double p[],double h0,double eps,double epsg,int n,double x[]){int i,j,m;double *xx[4],*ss,*s;double f,f0,f1,f2,f3,fx,dlt,df,sdx,q,d;ss=(double *)malloc(n*(n+1)*sizeof(double));s=(double *)malloc(n*sizeof(double));for (i=0;i<n;i++){for (j=0;j<=n;j++)*(ss+i*(n+1)+j)=0;*(ss+i*(n+1)+i)=1;}for (i=0;i<4;i++)xx[i]=(double *)malloc(n*sizeof(double));for (i=0;i<n;i++)*(xx[0]+i)=p[i];for(;;){for (i=0;i<n;i++)x[i]=*(xx[1]+i);}f0=f1=objf(x);dlt=-1;for (j=0;j<n;j++){for (i=0;i<n;i++){*(xx[0]+i)=x[i];*(s+i)=*(ss+i*(n+1)+j);}f=oneoptim(xx[0],s,h0,epsg,n,x);df=f0-f;if(df>dlt){dlt=df;m=j;}}sdx=0.;for (i=0;i<n;i++)sdx=sdx+fabs(x[i]-(*(xx[1]+i)));if(sdx<eps){free(ss);free(s);for (i=0;i<4;i++)free(xx[i]);return(f);}for (i=0;i<n;i++)*(xx[2]+i)=x[i];f2=f;for (i=0;i<n;i++){*(xx[3]+i)=2.*(*(xx[2]+i)-(*(xx[1]+i))); x[i]=*(xx[3]+i);}fx=objf(x);f3=fx;q=(f1-2*f2+f3)*(f1-f2-dlt)*(f1-f2-dlt);d=0.5*dlt*(f1-f3)*(f1-f3);if((f3<f1)||(q<d)){if(f2<=f3)for (i=0;i<n;i++)*(xx[0]+i)=*(xx[2]+i);elsefor (i=0;i<n;i++)}else{for (i=0;i<n;i++){*(ss+(i+1)*(n+1))=x[i]-(*(xx[1]+i)); *(s+i)=*(ss+(i+1)*(n+1));}f=oneoptim(xx[0],s,h0,epsg,n,x);for(i=0;i<n;i++)*(xx[0]+i)=x[i];for (j=m+1;j<=n;j++)for (i=0;i<n;i++)*(ss+i*(n+1)+j-1)=*(ss+i*(n+1)+j);}}}void main(){double p[]={1,1};double ff,x[2],x1,x2,f;ff=powell(p,0.3,0.001,0.0001,2,x); printf("shuchuzuiyoujie:\n");x1=x[1];x2=x[2];f=ff;printf("x1=%f,x2=%f,f=%f\n",x1,x2,f); getchar();}(2)运行结果为:3《约束优化搜索方法》上机实践报告1、写出所选择的约束优化搜索算法的基本过程、原理(可附流程图说明)。