第二章 优化设计的数学模型
优化设计的数学模型由设计变量目标函数和约束条件三部分组成
西 南
问题的方法叫图解法。
科 技
２、图解法的步骤
大 学
1）确定设计空间；
网 络
2）作出约束可行域；
教
育 系
3）画出目标函数的一簇等值线；
列 课
4）最后判断确定易优点。
程
5.1.6 优化问题的图解法
由图解法可解，
例5.2是一个二维
线性优化问题。
其可行域见图5.6，
目标函数的等值
西 南 科
线见图5.3，将这 两个图叠加在一
教 育
一种约束条件。是对设计变量所加的间接变量。
系 列
例如：零件的强度条件，刚度条件，稳定性条
课 程
件均属于性能约束。
5.1.5 约束条件与可行域
3、可行域
每一个不等式或等式约束都将设计空间分为两
个部分，满足所有约束的部分形成一个交集，该交 集称为此约束问题的可行域，记作φ。
西 南
可行域可看作满足所有约束条件的设计点的集
课 程
∴ x=1 为所求解。
5.1.2 数学模型的一般形式
实例可以看出，优化设计的数学模型由设计
变量、目标函数和约束条件三部分组成，可写成
以下统一形式：
设计变量
求变量
x1,x2, …..,xn
目标函数
西 南
使极小化函数 f(x1,x2, …..,xn)
科 技
满足约束条件
不等式约束条件
大
学 网
gu(x1,x2,…..,xn)≤0 (u=1,2,…m) 等式约束条件
西 南
g2 ( X ) x12 x2 1 0
科 技
g3( X ) x1 0
大
学
优化设计的数学模型
优化设计的应用
生产计划优化
生产计划优化
通过数学模型，对生产计划进行优化，以最小化成本、最大化利润为目标，制定最优的生产计划 。
生产调度优化
利用数学模型对生产调度进行优化，以提高生产效率、减少生产成本、缩短生产周期。
资源分配优化
通过数学模型对资源进行合理分配，以最大化资源利用率、最小化资源浪费为目标，实现资源的 最优配置。
总结词
生产计划优化是利用数学模型对生产过程中的资源、时间和成本进行合理配置， 以提高生产效率和降低成本。
详细描述
生产计划优化案例包括对生产流程、生产计划、生产调度等方面的优化。通过 建立数学模型，对生产计划进行优化，可以减少生产过程中的浪费，提高生产 效率，降低生产成本。
物流优化案例
总结词
物流优化是利用数学模型对物流运输过程中的路线、时间和 成本进行合理规划，以提高物流效率和降低物流成本。
线性规划
线性规划是数学优化技术中的一 种，它通过找到一组变量的最优 组合，使得一个线性目标函数达
到最大或最小值。
线性规划问题通常表示为在一组 线性不等式约束下最大化或最小
化一个线性目标函数。
线性规划问题可以通过使用单纯 形法、对偶理论等算法进行求解。
非线性规划
非线性规划是数学优化技术中的一种， 它通过找到一组变量的最优组合，使 得一个非线性目标函数达到最大或最 小值。
04
优化算法的进展
遗传算法
1
遗传算法是一种模拟生物进化过程的优化算法， 通过选择、交叉和变异等操作，寻找问题的最优 解。
2
遗传算法适用于解决大规模、多变量和非线性优 化问题，尤其在组合优化、机器学习、数据挖掘 等领域有广泛应用。
3
第二章 优化设计的数学模型.doc
第二章 优化设计的数学模型一 优化设计问题的示例优化设计就是借助最优化数值计算方法与计算机技术，求取工程问题的最优设计方案。
优化设计包括：（1）必须将实际问题加以数学描述，形成数学模型；（2箱盒的优化设计已知：制造一体积为x2，高x3 分析：（1 （2 （3 a ）体积要求； b ）长度要求；数学模型：设计参数： 设计目标： 约束条件：最大产值生产资源分配问题某工厂生产A 和B 两种产品，A 产品单位价格为P A 万元， B 产品单位价格为P B 万元。
每生产一个单位A 产品需消耗煤a C 吨，电a E 度，人工a L 个人日；每生产一个单位B 产品需消耗煤b C 吨，电b E 度，人工b L 个人日。
现有可利用生产资源煤C 吨，电E 度，劳动力L 个人日，欲找出其最优分配方案，使产值最大。
分析：（1）产值的表达式；（2）设计参数确定： A 产品x A ， B 产品x B ； （3）设计约束条件： a ）生产资源煤约束； b ）生产资源电约束； c ）生产资源劳动力约束； 数学模型设计参数： 设计目标：12,,x x min S 123123500100x x x x x x ≥≥≥=,A Bx x max A A B B P P x P x =+约束条件：直齿圆柱齿轮副的优化设计已知：传动比i , 转速n , 传动功率P ，大小齿轮的材料，设计该齿轮副，使其重量最轻。
分析：（1）圆柱齿轮的体积(v)与重量(w)的表达； （2）设计参数确定：模数（m ），齿宽（b ），齿数（z 1）； （3）设计约束条件：a ）大齿轮满足弯曲强度要求；b ）小齿轮满足弯曲强度要求；c ）齿轮副满足接触疲劳强度要求；d ） 齿宽系数要求；e ） 最小齿数要求。
数学模型设计参数： 设计目标： 约束条件：二 优化设计的数学模型优化设计的数学模型是描述实际优化问题的设计内容、变量关系、有关设计条件和意图的数学表达式，它反映了物理现象各主要因素的内在联系，是进行优化设计的基础。
机械优化设计方法-
约束优化: 在可行域内对设计变量求目标函数 的极小点。 其极小点在可行域内或在可行域边界上。
第四节优化设计问题的基本解法
求解优化问题的方法:
解析法
数学模型复杂时不便求解
数值法
可以处理复杂函数及没有数学表达式 的优化设计问题
图1-11 寻求极值点的搜索过程
A TDh
钢管的临界应力 e
Fe A
2E T 2 D2
8 B2 h2
强度约束条件 x y 可以写成 1 F B2 h2 2 TDh y
稳定约束条件 x e 可以写成
1
F B2 h2 2 2E T 2 D2
TDh
,
,...
x1
x2
xn
沿d方向的方向向量
cos1
d
cos
2
...
cos
n
即
f d
x0
f
x 0 T
d
f x 0 T
cosf ,d
图2-5 梯度方向与等值面的关系
第二节 多元函数的泰勒展开
若目标函数f(x)处处存在一阶导数, 则极值点 的必要条件一阶偏导数等于零, 即
第二章 优化设计的数学基础
机械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, 因此, 机械优化设计是建立在多元函数的极值理论 基础上的。
机械优化设计问题分为:
无约束优化 无条件极值问题
约束优化
条件极值问题
第一节 多元函数的方向导数与梯度
一、方向导数
从多元函数的微分学得知，对于一个连续可
f x* 0
满足此条件仅表明该点为驻点, 不能肯定为极值 点, 即使为极值点, 也不能判断为极大点还是极 小点, 还得给出极值点的充分条件
第二章优化设计的数学模型和基本概念02
由以上两个实例可见，一个优化设计问题应包括： (1)有描述设计方案的一组设计变量； (2)有一个或几个目标函数(或准则函数)，且是设计变量的标量 函数； (3)明确一组表示可接受设计方案的约束条件，且也是全部或几 个设计变量的标量函数； (4)能求出一组设计变量的值，在满足全部约束条件下，使目标 函数达到最小(或最大)值。
X3 X(1) Δ X（1） X(2)
0 X1
X2
2.2 优化设计的基本术语
一.设计变量（续）
从一个设计问题的许多参数中识别出设计变量应注意以下几 点： 1、设计变量应是独立的； 2、用设计变量来阐述设计问题应该是用最少的数量； 3、在开始阐述设计问题时尽可能用较多的设计参数，然后 再从中选出几个对目标函数影响较大的参数取为设计变量，其 余定为常数，可根据设计规范或经验把它取为固定的值。
§2.1 引言
(3)在剪切过程中，剪刃的水平分速度与轧件运行速度尽可能相等并能保持 不变，以避免轧件出现堆钢和拉钢现象。
§2.1 引言
还须满足如下一些条件才能获得可接受的方案： (1)应满足四扦机构曲柄的存在条件，即曲柄l1为最短扦，它与 任一扦的和小于其余二杆的和； (2)为了保证机构具有良好的传力性能，要求其传动角 不应小 于允许[ ]; (3)应满足给定的重叠度 要求； 飞剪机剪切机构的优化设计可叙述为合理选择7个设计参数,在 满足13个条件下,使3个准则函数同时达到最小。
由于要求设计最小重量的压柱而它的重量w可表示为结构参数d的函数即所以若将它赋予丌同的重量例如w2722n195则可以在图上画出等重曲线等在上述可行区域内其最轻的等重曲线不压杆稳定的极限曲线管子壁厚下限曲线交于e点
第二章
优化设计的基本术语和数学模型
第二章 优化设计
X (1)
1 2 3 4 5 x1
37
二、优化问题的极值条件
1.无约束问题的极值条件 多元函数 f (X ) 在点X(k)取得极小值的条件是：
函数在该点的梯度为0，二阶导数矩阵为正定。即
f ( X (k) ) 0
2
f
(
X
(
k
)
)正
定
多元函数 f (X ) 在点X(k)取得极大值的条件是：
函数在该点的梯度为0，二阶导数矩阵为负定。
解的特点。
31
用图解法求解：
1.
【作业】
2. min f (X ) (x1 2)2 (x2 1)2
s.t. g1(X ) x12 x2 2 0
g2 (X ) x1 x2 1 0
g3 (X ) x1 0
32
§2.2 优化设计的极值条件与数值迭代法
一、梯度的概念
函数在点X(k)的梯度是由函数在该点的各个一 阶偏导数组成的向量，即
个边界点； ➢ 非线性问题的最优解如果是一个边界点，那么它
必定是等值线（面）在函数值下降方向上与可行 域的最后一个交点； ➢ 线性问题的最优解必定是等值线（面）在函数值 下降方向上与可行域的最后一个交点；
30
【本节思考题】
1.优化设计模型的组成要素及其表示方法。 2.什么是可行域？什么是等值线（面）？ 3.通过简单优化问题的图解法分析优化问题最优
60
g3(X ) 0
50
40
30
g2(X ) 0
20
10
g5(X ) 0
10 20 30 40 50 60 70 80 90 100
x1
14
【例3】根据下列约束条件画出可行域。
优化设计第2章 优化设计
X [d l ]T [ x1 x2 ]T
目标函数的极小化： 约束条件：
1 1 min f ( X ) V d 2l x12 x2 0.785 x12 x2 4 4
g1 ( X ) 8.33l d 3 8.33x2 x13 0 g 2 ( X ) 6.25 d 3 6.25 x13 0
f ( X ( k 1) ) f ( X ( k ) ) 2
（2-8）
3 5 式中， 2 —— 给定的计算精度，一般可取 10 10 。
（３）函数梯度充分小准则 目标函数在迭代点的梯度已达到充分小，即
f ( X ( k 1) ) 3
（2-9）
3 —— 给定的计算精度，一般可取 103 。 式中，
这一迭代过程用数学式子表达，得数值迭代法的基本迭代格式为：
X ( k 1) X ( k ) ( K ) S ( k ) f ( X ( k 1) ) f ( X ( k ) ) gu ( X ( k 1) ) 0 (u 1, 2, , m) (k 0,1, 2, )
(k )
一维搜索方法一般分两步进行：
■ 首先在方向 S ( k ) 上确定一个包含函数极小点的初始区间，即
确定函数的搜索区间，该区间必须是单峰区间；
■ 然后采用缩小区间或插值逼近的方法得到最优步长，即求出
该搜索区间内的最优步长和一维极小点。 一维搜索方法主要有： 分数法 黄金分割法（0.618法） 二次插值 三次插值法等 本节介绍最常用的黄金分割法和二次插值法。
2.迭代计算的终止准则
目前，通常采用的迭代终止准则有以下几种：
● 点距足够小准则 ● 函数下降量足够小准则 ● 函数梯度充分小准则
第二章-优化设计
优化数学模型： 设计变量：
X x1 x2
T
x3
目标函数：
min f X x1 x2 2 x1 x3 x2 x3
x2
1 1 x1 x2 10 x x1 2 约束条件：
g1 X 4 x1 0 g 2 X x2 0
设计变量X
设计常 量
设计变量:在优化设计过程中需要调整和优选的参数。
特点：
（1）实际工程设计对象的不同，则选取的设计变量也就不同。 它可以是几何参数：如零件外形尺寸、截面尺寸、机构的运动尺寸 等；也可以是某些物理量：如零部件的重量、体积、力与力矩、惯 性矩等；还可以是代表机器工作性能的导出量：如应力、变形等。 总之，设计变量必须是对该项设计性能指标优劣有影响的参数。 （2）设计变量是一组相互独立的基本参数。它的每一个分量都 是相互独立的。
x1
二、优化设计数学模型
可以看出，优化设计的数学模型需要用设计变量、 目标函数和约束条件等基本概念进行描述，可以写成以 下统一的形式： 设计变量：
X x1 , x2 xn 目标函数：
T
f ( X ) f ( x1 , x2 , xn )
约束条件：
不等式约束条件： 等式约束条件：
综上所述，优化数学模型是对实际问题的数学描述和概括，是进行优 化设计的基础。因此，根据设计问题的具体要求和条件建立完备的数学模 型是关系优化设计成败的关键。数学模型的最优解是否是实际问题的最优 解，完全取决于数学模型和实际问题的符合程度。
三、优化问题的分类
一维无约束优化问题 无约束优化问题 工 程 优 化 问 题 多维无约束优化问题
2
3）函数梯度充分小准则 目标函数在迭代点的梯度已达到充分小，即
习题
[a, b] [ x1 , b] [0.582,0.746]
b a 0.18 ，所以得到了极小点和极小值。 0.2
x* 0.5 * (0.584 0.746) 0.674, f * 0.222
9
9
2.4.1 梯度法（最速下降法）
2 例：用梯度法求目标函数 f ( X ) x12 25x2 的最 优解。取初始点 X 2 2T , 迭代精度 0.005 .
由于 f1
f 2，故新区间
[a, b] [a, x2 ] [0,1.236]
因为
b a 0.746 ，所以应该继续缩小区间 0.2
7
7
2.3.3 黄金分割法
第三次缩小区间得到：
[a, b] [0.472,0.944]
不满足收敛条件，继续搜索； 第四次缩小区间得到：
[a, b] [0.472,0.764]
第二章优化设计
2-2 某工厂生产一批金属工具箱，要求工具箱的体积 为0.5m3，高度不低于0.8m，试写出耗费金属板面积 为最小的优化设计数学模型。
设生产的金属工具箱的长度为
X [ x1 x2 ]T
解： 则该问题的数学模型为
x1 ，高度为 x2 ，
min f ( X ) 2( x1 x2
不满足收敛条件，继续搜索；
8
8
2.3.3 黄金分割法
(2)用黄金分割法缩小区间 第五次缩小区间：
x2 x1 0.652, f 2 f1 0.223 x1 0.472 0.382 (0.746 0.472) 0.584, f1 0.262
由于 因为
f1 ，故新区间 f2
由于 f1 f 2 ，应加大步长继续向前探测，令
优化设计数学模型
优化设计数学模型在数学建模中，优化设计是指通过数学方法和技巧对给定的问题进行优化求解，以获得最优解或近似最优解的过程。
优化设计在实际问题中有着广泛的应用，如制定最佳生产计划、优化调度问题、设计最佳投资组合等。
本文将探讨优化设计的几个关键要点，并结合实例进行说明。
首先，一个优秀的数学模型应该具备良好的可解性。
可解性是指模型是否能够通过有效的数学方法求解，并在可接受的时间内得到结果。
在优化设计中，常用的数学方法包括线性规划、整数规划、非线性规划、动态规划等。
在实际问题中，选择合适的数学方法对问题进行建模非常重要。
例如，在制定最佳生产计划时，如果生产过程满足线性规划的条件，我们可以通过线性规划模型来求解最优解。
如果涉及到离散决策变量，可以使用整数规划模型。
通过选择合适的数学方法，可以提高模型的可解性，并获得较好的优化结果。
其次，优化设计中的数学模型应该具备较好的可靠性。
可靠性是指模型是否能够在不同条件下对问题进行准确的预测和分析。
在实际问题中，我们常常需要考虑各种不确定性因素，如生产时间波动、需求波动等。
为了提高模型的可靠性，我们可以引入风险管理和灵敏度分析等方法。
风险管理可以通过引入概率论和统计学的方法来分析不确定因素对结果的影响，从而减少风险并提高决策的可靠性。
灵敏度分析可以通过对模型中参数的变动进行分析，评估参数变化对结果的影响程度，并确定哪些参数对结果影响较大。
通过引入风险管理和灵敏度分析等方法，可以提高模型的可靠性，并为实际决策提供科学依据。
此外，一个优化设计的数学模型应该具备良好的可解释性。
可解释性是指模型能够以直观和易懂的方式表达实际问题，并将问题的本质和关键信息明确地传递给决策者。
在实际问题中，决策者常常需要根据模型的结果做出决策。
如果模型的结果无法被决策者所理解和接受，那么模型对于实际决策的指导作用就会大打折扣。
为了提高模型的可解释性，我们可以采用可视化技术、图形展示等方法来呈现模型的结果。
第二章 优化设计
l 。这是一个合理选择 d 和 l
Fl w 0.1d 3
T 3 0.2d
②刚度条件：
挠度表达式
Fl 3 64 Fl 3 f f 3EJ 3Ed 4
③结构尺寸边界条件： l lmin 8 cm 将题意的有关已知数值代入，按优化数学模型的规范形式，可归纳为 如下数学模型：
3
例2-2 现用薄钢板制造一体积为5 m ，长度不小于4m的无上盖 的立方体货箱。要求该货箱的钢板耗费量最少，试确定货箱的长、 宽和高的尺寸。 解：分析可知，钢板的耗费量与货箱的表面积成正比。 设货箱的长、宽、高分别为 x1 , x2 , x3，货箱的表面积为S，则 该问题的物理表达式为： (1) 货箱的钢板耗费量（即货箱的表面积用料）最少：
设计变量：
X [ x1 x2 ]T
1 1 ) x2 x1
目标函数的极小化： min f ( X ) x1 x2 2( x1 x3 x2 x3 ) x1 x2 10(
约束条件：
g1 ( X ) 4 x1 0 g 2 ( X ) x2 0 h( X ) 5 x1 x2 x3 0
例2-3 某车间生产甲、乙两种产品。生产甲种产品每件需使用材 料9kg、3个工时、4kw电，可获利润60元。生产乙种产品每件需用材 料4kg、10个工时、5kw电，可获利120元。若每天能供应材料360kg， 有300个工时，能供200kw电。试确定两种产品每天的产量，以使每天 可能获得的利润最大。 解：这是一个生产计划问题，可归结为既满足各项生产条件，又 使每天所能获得的利润达到最大的优化设计问题。 设每天生产的甲、乙两种产品分别为 x1 , x2 件，每天获得的利润可 用函数 f ( x1 , x2 ) 表示，即
优化设计
一维搜索的最优化方法
在确定了搜索区间以后，一维优化 的任务是采用某种方法将此区间逐步缩 小，在满足收敛精度或迭代精度的情况 下，使其达到包含极小点的一个很小的 邻域，以取得一个近似的最优点。 一维优化的方法有如下几种： 1、格点法 2、黄金分割法 3、二次插值法
格点法
一）基本思路
先将搜索区间[a,b]分成若干等分，计算出n个等分点 的目标函数值. 再通过比较,找出其中的最小点f(xm)， 则该点的两个邻近点围成缩短了的新区间[x m-1 , xm+1] 。
优化设计的数学模型
一、设计变量 一个设计方案可以用一组基本参数的数值 来表示，需要在优化设计过程中不断进行修改、 调整，一直处于变化的状态的基本参数称为设 计变量。 设计变量的全体实际上是一组变量，可以 用列向量表示
x [ 1 x2 xn ]
T
其中任一个特定的向量都可以称为一个 “设计”。由n个设计变量为坐标所组成的实 空间称作设计空间。记作 n R
一维搜索方法概述
一维搜索法就是一元函数极小化的数值迭代算 法，其求解过程称为一维搜索。 一维搜索法是非线性优化方法的基本算法， 多元函数的迭代算法都可以归结为在一系列逐 步产生的下降方向上的一维搜索。例如：下图 所示的二维优化的例子。 注意：二维优化问题的一维搜索方向s(k) 是由具体的优化方法决定的，迭代公式 x(k+1)=x(k)+(k)s(k) 因此，二维优化问题min f(x1, x2)就可以表示 为一维优化问题min f( )
=f(x(2))
x1 x2 x3
x
x1 x2 x3
前进计算
f
f1≥f2 是
x(3)=x(2)+h、 f3=f(x(3))
第二章 优化设计
第2章优化设计优化设计是在满足一定的约束前提下寻求目标函数极大值或极小值的过程。
实际上，自然界中很多现象都是以优化的方式存在的，如在金属和合金中，原子占据能量最小的位置以形成晶胞，这些晶胞决定了材料的晶体结构；在零重力条件下一滴液体的形状是一个完美的球，因为在体积一定的条件下，球的表面积最小；树的支干在根部变粗以抗弯，蜂巢结构是最紧凑的包装排列方式之一等，而遗传和变异对生存来讲是自然界优化过程的又一实例。
和自然界一样，社会和企业中的许多问题也在追求最优化状态，然而这些问题的解多数情况下都基于判断和经验。
随着企业之间的竞争加剧和用户要求的不断提高，要求得到最优解而不仅仅是可行解，在大规模零件生产中的很小的节约也会企业带来可观的效益。
在车辆设计中，质量的最小化可以影响到燃油效率，提高载重量和性能。
优化设计是应用数学的方法寻求最优设计的过程，所以首先要根据实际的设计问题建立相应的数学模型，即用数学形式来描述实际设计问题。
在建立数学模型时需要应用专业知识确定设计的限制条件和所追求的目标，确定设计变量之间的相互关系等。
数学模型一旦建立，优化设计问题就变成一个数学求解问题，应用优化理论，根据数学模型的特点，以计算机作为工具，设计优化程序，可求得最佳设计参数。
2.1 优化设计的基本概念(1) 优化设计的数学模型优化设计的数学模型，就是描述优化问题的设计内容、变量关系、有关设计条件和优化意图的数学表达式。
建立数学模型是优化设计的基础，数学模型能否严密而准确地反映优化问题的实质，是优化设计成败的关键。
优化设计的数学模型包括设计变量、目标函数和约束条件三个要素。
(2) 设计变量所谓产品设计，其核心就是要寻找并确定最佳的结构参数。
这些参数中，有的可根据标准、规定等选定，在优化设计中可认为是设计常量，有的必须通过设计确定，这些参数称为设计变量。
例如在齿轮设计中，可以把静摩擦系数、系列化齿轮传动的中心距等作为设计常量，而把齿数、模数、齿宽等作为设计变量。
第2章优化设计的数学模型
第2章优化设计的数学模型第2章优化设计的数学模型优化设计的数学模型是对优化设计⼯程问题的数学描述，它包含设计变量、⽬标函数和设计约束三个基本要素。
2.1设计变量2.1.1基本参数1、定义：在设计过程中进⾏选择变化并最终确定的各项独⽴参数称为设计变量。
2、说明：在设计选择过程中，这些设计变量是变量，但它们⼀旦被确定后，设计对象也就完全确定了。
最优化设计是研究怎样合理地优选这些设计变量的⼀种现代设计⽅法。
在设计过程中，凡根据设计要求事先给定的，不是设计变量⽽是设计常量。
2.1.2设计⽅案的表现形式1、设计空间：由n 个设计变量为坐标所组成的时空间称作设计空间。
2、设计变量的表⽰法（1）坐标表⽰法：⼀维问题→⼀个设计变量→数轴上的⼀个点⼆维问题→两个设计变量→平⾯直⾓坐标系上的向量三维问题→三个设计变量→空间直⾓坐标系的向量n 维问题→n 个设计变量→n 维超越空间的向量⼀个“设计”⽅案，可⽤设计空间中的⼀点表⽰，此点可看成是设计变量向量的端点（始点取在坐标原点），称作设计点。
也即：在设计空间中的⼀个点，对应于⼀组设计变量的值，代表⼀个设计⽅案。
设计空间包含了该项设计所有可能的设计⽅案。
（2）向量表⽰法：⼆维问题→⼆维向量T x x X ],[21=三维问题→三维向量T x x x X ],,[321= n 维问题→n 维向量T n x x x X ],,,[21 = 2.1.3．设计变量的选取1、维数：设计变量的数⽬称为最优化问题的维数。
如有n个设计变量则称为n维问题。
2、常选⽤的设计变量（1）结构的总体布置尺⼨，如中⼼距。
（2）元件的⼏何尺⼨：长度，截⾯尺⼨，某些点的坐标值。
（3）材料的⼒学和物理特性：重量、惯性矩、⼒或⼒矩等。
通常选择的设计变量都是构件的⼏个尺⼨，因为这不仅可使问题相对简单些，⽽且由于很多实际结构的⼏个关系和材料特性已决定的缘故。
决定结构布置情况的设计变量的选取要复杂些。
较困难的是选取表⽰材料特性的变量，因为通常所⽤材料的特性是离散值，选择这些变量时出现了设计变量不连续变化的这⼀特殊问题。
现代设计方法(第二章 优化设计).
1.直接搜索法。
它只利用目标函数值构成的搜索方法,如POWELL,单纯形法;2.梯度法。
它需要有目标函数及其导数的解析式。
对于非线性的显函数,且变量数较少或中等的问题,用复合形法或罚函数法(其中尤其是内点罚函数法的求解效果一般都比较理想,前者求得全域最优解的可能性较大。
建议当找不到一个可行的初始点时,才用外点罚函数法。
在用罚函数法解优化问题时,必须选用一个合适的无约束优化方法。
如果目标函数的一阶和二阶偏导数易于计算(用解析法,且设计变量不是很多(如n ≤20时,建议用拟牛顿法;若n>20,且每一步的Hessian 矩阵求解变得很费时时,则选用变尺度法较好。
若目标函数的导数计算困难(用解析法或者不存在连续的一阶偏导数,则用Powell共轭方向法效果是最好的。
对于一般工程设计问题,由于维数都不很高(n<50,且函数的求导计算都存在不同程度的困难,因此用内点罚函数法调用Powell无约束优化方法求序列极小化。
优化设计:它是以数学规划理论为基础,以电子计算机为辅助工具的一种设计方法。
它首先将设计问题按规定的格式建立数学模型,并选择合适的优化方法,选择或编制计算机程序,然后通过电子计算机自动获得最优设计方案。
两类优化方法:1.直接法:直接计算目标函数值,比较目标函数值,并以之作为迭代、收敛根据的方法。
2.求导法:以多变量函数极值理论为基础,利用目标函数的性态,并以之作为寻优、迭代、收敛根据的方法。
综合设计法:以程序设计、优化技术、仿真技术及自动绘图技术的综合为基础,以计算机工作站为工具,将工业设计方法提高到更新的阶段,使产品设计,换代、创新更趋于自动化,并展示了有可能向智能化发展的前景。
优化问题的分类:按照目标函数的性质和约束条件可分为无约束问题和有约束问题。
无约束问题按照目标函数包含的单变量或多变量来分类。
(直接搜索法:它只利用目标函数值构成的搜索方法,如POWELL法,单纯形法等。
梯度法:它需要有目标函数及其导数的解析式。
- 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)。
第二章 优化设计的数学模型一 优化设计问题的示例优化设计就是借助最优化数值计算方法与计算机技术，求取工程问题的最优设计方案。
优化设计包括：（1）必须将实际问题加以数学描述，形成数学模型；（2箱盒的优化设计已知：制造一体积为x2，高x3 分析：（1 （2 （3 a ）体积要求； b ）长度要求；数学模型：设计参数： 设计目标： 约束条件：最大产值生产资源分配问题某工厂生产A 和B 两种产品，A 产品单位价格为P A 万元， B 产品单位价格为P B 万元。
每生产一个单位A 产品需消耗煤a C 吨，电a E 度，人工a L 个人日；每生产一个单位B 产品需消耗煤b C 吨，电b E 度，人工b L 个人日。
现有可利用生产资源煤C 吨，电E 度，劳动力L 个人日，欲找出其最优分配方案，使产值最大。
分析：（1）产值的表达式；（2）设计参数确定： A 产品x A ， B 产品x B ； （3）设计约束条件： a ）生产资源煤约束； b ）生产资源电约束； c ）生产资源劳动力约束； 数学模型设计参数： 设计目标：12,,x x min S 123123500100x x x x x x ≥≥≥=,A B x x max A A B B P P x P x =+约束条件：直齿圆柱齿轮副的优化设计已知：传动比i , 转速n , 传动功率P ，大小齿轮的材料，设计该齿轮副，使其重量最轻。
分析：（1）圆柱齿轮的体积(v)与重量(w)的表达； （2）设计参数确定：模数（m ），齿宽（b ），齿数（z 1）； （3）设计约束条件：a ）大齿轮满足弯曲强度要求；b ）小齿轮满足弯曲强度要求；c ）齿轮副满足接触疲劳强度要求；d ） 齿宽系数要求；e ） 最小齿数要求。
数学模型设计参数： 设计目标： 约束条件：二 优化设计的数学模型优化设计的数学模型是描述实际优化问题的设计内容、变量关系、有关设计条件和意图的数学表达式，它反映了物理现象各主要因素的内在联系，是进行优化设计的基础。
优化设计的数学模型由优化设计变量、约束条件、目标函数组成。
1.优化设计变量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相互独立的基本参数，称作优化设计变量，又叫做优化参数。
优化设计变量的全体实际上是一组变量，可用一个列向量表示。
设计变量的数目称为优化设计的维数，如n 个设计变量，则称为n 维设计问题。
C A C B E A E B L A L B a x b x C a x b x E a x b x L +≤+≤+≤1,,m z b 2211min [()()]4W b mz miz ρπ=+1122111[]0[]0[]01.20170F F F F H H b mz z σσσσσσ-≤-≤-≤-≤-≤1212[,,,]T n n x x x x x x ⎡⎤⎢⎥⎢⎥==⎢⎥⎢⎥⎣⎦x由n 个设计变量x 1,x 2,…,x n 为坐标所组成的实空间称作设计空间。
一个“设计”，可用设计空间中的一点表示。
按照产品设计变量的取值特点，设计变量可分为连续变量（例如轴径、轮廓尺寸等）和离散变量（例如各种标准规格等）。
只有两个设计变量的二维设计问题可用图1-1（a ）所示的平面直角坐标表示；有三个设计变量的三维设计问题可用图1-1（b ）所表示的空间直角坐标表示。
设计空间的维数表征设计的自由度，设计变量愈多，则设计的自由度愈大、可供选择的方案愈多，设计愈灵活，但难度亦愈大、求解亦愈复杂。
小型设计问题：一般含有2—10个设计变量； 中型设计问题：10—50个设计变量；大型设计问题：50个以上的设计变量。
如何选定设计变量？任何一项产品，是众多设计变量标志结构尺寸的综合体。
变量越多，可以淋漓尽致地描述产品结构，但会增加建模的难度和造成优化规模过大。
所以设计变量时应注意以下几点： （1）抓主要，舍次要。
对产品性能和结构影响大的参数可取为设计变量，影响小的可先根据经验取为试探性的常量，有的甚至可以不考虑。
（2）根据要解决设计问题的特殊性来选择设计变量。
例如，圆柱螺旋拉压弹簧的设计变量有4个，即钢丝直径d ，弹簧中径D ，工作圈数n 和自由高度H 。
在设计中，将材料的许用剪切应力 和剪切模量Ｇ等作为设计常量。
在给定径向空间内设计弹簧，则可把弹簧中径D 作为设计常量。
2 约束条件设计空间是所有设计方案的集合，但这些设计方案有些是工程上所不能接受的。
如一个设计满足所有对它提出的要求，就称为可行设计。
一个可行设计必须满足某些设计限制条件，这些限制条件称作约束条件，简称约束。
约束又可按其数学表达形式分成等式约束和不等式约束两种类型： (1)等式约束 (2)不等式约束根据约束的性质可以把它们区分成：性能约束——针对性能要求而提出的限制条件称作性能约束。
例如，选择某些结构必须图1-1 设计变量所组成的设计空间（a ）二维设计问题（b ）三维设计问题()0h =x ()0g ≤x()(){}|0, 0, n i j D X g X h X X E =≤=∈()min X DF X ∈满足受力的强度、刚度或稳定性等要求；边界约束——只是对设计变量的取值范围加以限制的约束称作边界约束。
例如，允许机床主轴选择的尺寸范围，对轴段长度的限定范围就属于边界约束。
显式约束、隐式约束约束函数有的可以表示成显式形式，即反映设计变量之间明显的函数关系，有的只能表示成隐式形式 ,如例中的复杂结构的性能约束函数（变形、应力、频率等），需要通过有限元等方法计算求得。
可可行域 : 在设计空间中，满足所有约束条件的所构成的空间。
定义 把满足约束条件的解)(n E X ∈称为可行解（或可行点），所有可行点的集合称为可行集（或可行域），记为D ，即 约束优化问题可简记为如图2-3上画出了满足两项约束条件g 1（X ）=x 12＋x 22—16 ≤ O 和g 2（X ）＝2—X 2≤0的二维设计问题的可行域D ，它位于X 2=2的上面和圆 x 12＋x 22=16的圆弧ABC 下面并包括线段AC 和圆弧ABC 在内。
3.目标函数图2-2 设计空间中的约束面（或约束线）(a)二变量设计空间中的约束线(b) 三变量设计空间中的约束面图2-3 约束条件规定的可行域D为了对设计进行定量评价，必须构造包含设计变量的评价函数，它是优化的目标，称为目标函数，以F (X )表示。
12()()n F x F x x x =，，，在优化过程中，通过设计变量的不断向F (X )值改善的方向自动调整，最后求得F (X )值最好或最满意的X 值。
在构造目标函数时，应注意目标函数必须包含全部设计变量，所有的设计变量必须包含在约束函数中。
在机械优化设计中，可作为参考目标函数的有：体积最小、重量最轻、效率最高、承载能力最大、结构运动精度最高、振幅或噪声最小、成本最低、能耗最小、动负荷最小等等。
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。
在实际工程设计问题中，常常会遇到在多目标函数的某些目标之间存在矛盾的情况，这就要求设计者正确处理各目标函数之间的关系。
4. 优化设计问题一般数学形式：求设计变量向量 使目标函数 满足约束条件：最优化设计的目标函数通常为求目标函数的最小值。
若目标函数的最优点为可行域中的最大值时，则可看成是求［-F （X ）］的最小值，因为min ［-F （X ）］与maxF （X ）是等价的。
当然，也可看成是求1／F （X ）的极小值。
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。
5. 建模实例建立优化设计问题的数学模型一般步骤： 1）根据设计要求，应用专业范围内的现行理论和经验等，对优化对象进行分析。
必要时，需要对传统设计中的公式进行改进，并尽可以反映该专业范围内的现代技术进步的成果。
2）对结构诸参数进行分析，以确定设计的原始参数、设计常数和设计变量。
3）根据设计要求，确定并构造目标函数和相应的约束条件，有时要构造多目标函数。
4）必要时对数学模型进行规范化，以消除诸组成项间由于量纲不同等原因导致的数量悬殊的影响。
混合饲料配合以最低成本确定满足动物所需营养的最优混合饲料。
设每天需要混合饲料的批量为100磅，这份饲料必须含：至少0.8%而不超过1.2%的钙;至少22%的蛋白质;至多5%的粗纤维。
假定主要配料包括石灰石、谷物、大豆粉。
这些配料的主要营养成分为：12[,,,]TnX x x x =()min F X →()0(1,2,,)j g X j m ≤=()0(1,2,,)k h X k l ==12min ()(),..()01,2,,()01,2,,n n j k F X F x x x X R s t g X j m h X k l =∈⎧⎪≤=⎨⎪==⎩，，，配料每磅配料中的营养含量钙蛋白质纤维每磅成本（元）石灰石谷物大豆粉0.380 0.00 0.000.001 0.09 0.020.002 0.50 0.080.01640.04630.1250解:设x 1,x 2,x 3是生产100磅混合饲料所须的石灰石、谷物、大豆粉的量（磅）。
根据前面介绍的建模要素得出此问题的数学模型如下:数学模型应改为标准格式如下:6. 优化设计的模型分类对于最优化问题一般可作如下分类：1231231231232323123min 0.01640.04630.1250..1000.3800.0010.0020.0121000.3800.0010.0020.0081000.090.500.221000.020.080.05100000Z x x x s t x x x x x x x x x x x x x x x x =++⎧⎪++=⎪⎪++≤⨯⎪++≥⨯⎨⎪+≥⨯⎪+≤⨯⎪⎪≥≥≥⎩⎪⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎪⎨⎧≤-≤-≤-≤--≤---≤-++=++++==00005.009.0220002.0001.0380.08.0012.0002.0001.0380.0100:.1250.00463.00164.0],,[32132321321321321321x x x x x x x x x x x x x x t s xx x MinZ x x x X n ⎧⎧⎧⎪⎪⎪⎧⎨⎪⎪⎨⎪⎪⎪⎨⎩⎩⎪⎪⎪⎧⎨⎪⎨⎪⎪⎩⎩⎪⎪⎧⎪⎨⎪⎩⎩线性问题无约束问题一维问题非线性问题维问题静态问题最优化问题线性规划约束问题非线性规划无约束动态问题约束还有其它的一些划分方法：如按设计变量的性质分：连续变量、离散变量、整数变量规划问题；二次规划、几何规划、随机规划等。