优化设计论文

摘 要：优化设计是一门综合性的学科，非常有发展潜力的研究方向，是解决复杂设计问题的一种有效工具。最优化问题涉及很多内容很多，由其产生来源到问题分类，再到求解方法及模型的构建等，它将最优化原理和计算技术运用于设计领域，为生活生产提供重要的科学方法。

关键词：优化方法 分类 模型

在工业、农业、交通运输、商业、国防、建筑、通信、政府机关等各部门各领域的实际工作中，我们经常会遇到求函数的极值或最大值最小值问题，这一类问题我们称之为最优化问题。而求解最优化问题的数学方法被称为最优化方法。它主要解决最优生产计划、最优分配、最佳设计、最优决策、最优管理等求函数最大值最小值问题。

最优化问题的目的有两个：

⑴求出满足一定条件下，函数的极值或最大值最小值；

⑵求出取得极值时变量的取值。

最优化问题所涉及的内容种类繁多，有的十分复杂，但是它们都有共同的关键因素：变量，约束条件和目标函数。

变量是指最优化问题中所涉及的与约束条件和目标函数有关的待确定的量。一般来说，它们都有一些限制条件（约束条件），与目标函数紧密关联。 设问题中涉及的变量为n x x x ,,,21 ；我们常常也用),,,(21n x x x X =表示。

在最优化问题中，求目标函数的极值时，变量必须满足的限制称为约束条件。 例如，许多实际问题变量要求必须非负，这是一种限制；在研究电路优化设计问题时，变量必须服从电路基本定律，这也是一种限制等等。在研究问题时，这些限制我们必须用数学表达式准确地描述它们。

用数学语言描述约束条件一般来说有两种：

等式约束条件 m i X g i ,,2,1,

0)( == 不等式约束条件 r i X h i ,,2,1,

0)( =≥

或 r i X h i ,,2,1,0)( =≤ 浅谈最优化问题

12材控一班 袁揭 1210121054

1．最优化问题概念

1.1最优化问题

1.2变量

1.3约束条件

注：在最优化问题研究中，由于解的存在性十分复杂，一般来说，我们不考虑不等式约束条件0)(>X h 或0)(

在最优化问题中，与变量有关的待求其极值（或最大值最小值）的函数称为目标函数。

目标函数常用),,,()(21n x x x f X f =表示。当目标函数为某问题的效益函数时，问题即为求极大值；当目标函数为某问题的费用函数时，问题即为求极小值等等。求极大值和极小值问题实际上没有原则上的区别，因为求f(X)的极小值，也就是要求–f(X)的极大值，两者的最优值在同一点取到。

最优化问题种类繁多，因而分类的方法也有许多。可以按变量的性质分类，按有无约束条件分类，按目标函数的个数分类等等。

一般来说，变量可以分为确定性变量，随机变量和系统变量等等，相对应的最优化问题分别称为：普通最优化问题，统计最优化问题和系统最优化问题。 按有无约束条件分类：无约束最优化问题，有约束最优化问题。 按目标函数的个数分类：单目标最优化问题，多目标最优化问题。

按约束条件和目标函数是否是线性函数分类：线性最优化问题（线性规划），非线性最优化问题（非线性规划）。

按约束条件和目标函数是否是时间的函数分类：静态最优化问题和动态最优化问题（动态规划）。

按最优化问题求解方法分类：

① 解析法（间接法）⎪⎪⎩

⎪⎪⎨⎧⎩⎨⎧-⎩⎨⎧图克定理库恩极大值原理有约束古典变分法古典微分法无约束 ②数值算法（直接法）⎪⎪⎪⎪⎪⎩⎪⎪⎪⎪⎪⎨⎧⎪⎪⎪⎩⎪⎪⎪⎨⎧⎪⎩⎪⎨⎧随机搜索法单纯形法方向加速法步长加速法坐标轮换法多维搜索法插值法黄金分割法斐波那西法一维搜索法

1.4目标函数

2. 最优化问题分类

③数值算法（梯度法）⎪⎪⎪⎪⎪⎪⎪⎩

⎪⎪⎪⎪⎪⎪⎪⎨⎧⎪⎩⎪⎨⎧⎩⎨⎧⎪⎪⎩⎪⎪⎨⎧复形法法法化有约束为无约束梯度投影法可行方向法有约束梯度法变尺度法

共轭梯度法拟牛顿法最速下降法无约束梯度法SWIFT SUMT ④多目标优化方法⎪⎩

⎪⎨⎧目标关联函数法多重目标化方法单目标化方法

⑤网络优化方法

最优化问题的求解涉及到应用数学，计算机科学以及各专业领域等等，是一个十分复杂的问题，然而它却是需要我们重点关心的问题之一。怎样研究分析求解这类问题呢？其中最关键的是建立数学模型和求解数学模型。一般来说，应用最优化方法解决实际问题可分为四个步骤进行：

步骤1：建立模型

提出最优化问题，变量是什么？约束条件有那些？目标函数是什么？建立最优化问题数学模型：确定变量，建立目标函数，列出约束条件——建立模型。 步骤2：确定求解方法

分析模型，根据数学模型的性质，选择优化求解方法——确定求解方法。 步骤3：计算机求解

编程序（或使用数学计算软件），应用计算机求最优解——计算机求解。 步骤4：结果分析

对算法的可行性、收敛性、通用性、时效性、稳定性、灵敏性和误差等等作出评价——结果分析。

最优化问题的求解与其数学模型的类型密切相关，因而我们有必要对最优化问题的数学模型有所掌握。一般来说，最优化问题的常见数学模型有以下几种：

由某实际问题设立变量，建立一个目标函数且无约束条件，这样的求函数极值或最大值最小值问题，我们称为无约束最优化问题。其数学模型为： 3．最优化问题的求解步骤和数学模型

3.1最优化问题的求解步骤

3.2最优化问题数学模型

3.2.1无约束最优化问题数学模型

),,,(min 21n x x x f ——目标函数

例如：求一元函数)(x f y =和二元函数),(y x f z =的极值。

又例如：求函数3231212322

21321242643),,(x x x x x x x x x x x x f --+++=的极值和取得极值的点。

由某实际问题设立变量，建立一个目标函数和若干个约束条件（等式或不等式），这样的求函数极值或最大值最小值问题，我们称为有约束最优化问题。其数学模型为：

),,,(min 21n x x x f ——目标函数

m i x x x g n i ,,2,10),,,(21 == ——约束条件

有约束最优化问题的例子：求函数n x x x x x x f 31321),,(=在约束条件条件 n i x x x x i n ,,2,1,0,200831 =≥=+++下的最大值和取得最大值的点。

由某实际问题设立变量，建立一个目标函数和若干个约束条件，目标函数 和约束条件都是变量的线性函数，而且变量是非负的，这样的求函数最大值最小值问题，我们称为线性最优化问题，简称为线性规划问题。其标准数学模型为： n n n x c x c x c x x x f +++= 221121),,,(m in ——目标函数 0,,2,12211≥==+++i i

n im i i x m i b x a x a x a ——约束条件

矩阵形式： X C X f T =)(m in ——目标函数 0

≥=X B AX ——约束条件 其中 T n x x x X ),,,(21 =，T n c c c C ),,,(21 =，T m b b b B ),,,(21 =

⎪⎪⎪⎪⎪⎭

⎫ ⎝⎛=mn m m n n a a a a a a a a a A 212222111211 在线性规划问题中，关于约束条件我们必须注意以下几个问题。

注1：非负约束条件),,2,1(0n i x i =≥，一般来说这是实际问题要求的需要。

3.2.2有约束最优化问题数学模型

3.2.3线性规划问题数学模型