多目标优化.pptx
合集下载
相关主题
- 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)。
1绝对最优解
定义一：一般表达式多目标设计优化问题，若包括所有的 J=1，2，……m对于任意的设计点x∈D都有
fj(x) ≥fj(x*) 成立，则点x*是多目标优化问题的绝对最优解。
无约束一维多目标 优化设计问题 (维数n=1， 分目标m=2) x*为绝对最优解得 迭代点，绝对最优 解（x*，F*）
第七章 关于机械优化设计当中的 几个问题
➢建立优化数学模型的有关问题 ➢数学模型中的尺度变换 ➢多目标函数优化设计 ➢关于离散变量的优化设计问题 ➢优化方法的选择及评价准则
7.1建立优化数学模型的有关问题
优化数学模型总体包含：设计变量，目标函数，约束条件
7.1.1关于设计变量的确定
工程设计中总是包含许多各种设计参数。在确定设计变 量时，要对各种参数加以分析，以进行取舍。
例7.1 一个二维分目标（n=1，m=2）的多目标优化问题为
V min F (x) [ f1 (x) f1(x) 2x 22
f2 (x) x
D： 0 x 2
f 2 (x)]T
见右下图。 取x=b，该点是有效解。因为在可行域D内，任取另一点 X，不存在F(x) ≤F(b)， 即f1(x) ≤f1(b)， 又同时有f2(x) ≤f2(b)。 x=b点满足有效解定义。
上式称为向量目标函数，是多目标函数； 式中的f1(x),f2(x),……，fm(x)称为目标函数中的各分目标函数。
数学模型的一般表达式
min F (x) f1 (x) f2 (x) fm (x)T
x x1 x2
gu(x) ≥0 hv(x)=0
xn D Rn
(u=1,2,……，p) (v=1,2……，q<n)
在许多实际设计中，一个设计方案又企望有几项设计指 标同时都达到最优值，这种在优化设计中同时要求两项极其 以上设计指标达到最优值得问题，成为多目标优化设计，目 标函数称为多目标函数。
7.3.1多目标优化设计数学模型
优化设计中，若有m个设计指标表达的目标函数要求同时 达到最优，则表示为
min F (x) f1 (x) f2 (x) fm (x)T
7.2.1数学模型中的尺度变换
数学模型中的尺度变换问题，是指用过改变在设计空间中 个坐标分量的比例，以改善数学性态的一种办法。
7.2.1设计变量的尺度变换
7.2.2约束条件的尺度变换
7.2.3目标函数的尺度变换
7.3多目标函数优化问题
在设计中，优化设计方案的好坏仅依赖于一项设计指标， 即所建立的目标函数仅含一个目标的函数，这样的目标函数 称为单目标函数，属于单目标优化设计问题。
设计变量必须是独立变量。要从优互相依赖关系的变量 中剔除非独立变量。
下图所示为汽车前轮转向梯形机构。
来自百度文库
等腰梯形机构ABCD中，给定机架长度LAD=a（常数）。 当汽车转弯时，为了保证所有车轮都处于纯滚动，要求从
动件CD转角 与主动件AB转角 保持某确定关系
()
该四杆机构的参数有各杆长度：l1,l2,l3,l4，和初始角 0
其中l4=a为已知，是设计常
量；又l1=l3，l3为非独立变
量；又 l2
，l2是l1与
a的0 函2l1数co，s故0l2也
为非独立变量。所以只有两
个参数是独立变量
x l1 0 T x1 x2
设计变量愈多,维数愈高，设计的自由度越大，容易得到 较理想的优化结果；但维数越高，会使目标函数，约束函 数所包含的变量增多，导致计算量增大，并使优化过程更 为复杂及降低解题的效率。所以，在建立目标函数时，确 定设计变量的原则是在满足设计要求得前提下，将尽可能减 少设计变量的个数，即降低维数。
同理，区间[1，2]中的 任意一点都满足有效解 定义。所以，区间[1，2] 组成了有效解（非劣解） 集。
定义三：在可行域D内，除绝对最优解与有效解集以外， 部分的设计点均称劣解点，劣解点的全部称为劣解集。
在设计中应尽量减少约束条件的个数。在众多约束条件 中，可能存在消极约束，所谓消极约束是指在某些约束得 到满足时，而有另一个或几个约束必然得到满足，其作用 被覆盖，被覆盖了作用的约束称为消极约束。如果经分析 能确认是消极约束，在建立数学模型时，应将其除掉。在 一般情况下，消极约束是不容易识别出来的。所以，在很 多时候，仍是将全部约束都列出来，不加区别的代进算法 程序中求解计算。
为了与单目标优化问题相区别，在目标函数前加V， 即表示为
V min F (x) f1(x) f2 (x) fm (x)T
7.3.2多目标优化设计的概念
在单目标优化设计中，对于各种性态函数，总可以通过对 迭代点函数值的比较，找出全局最优解，对任意两个解都能 判断其优劣。而多目标函数问题与单目标则有根本区别，任 意两个解之间，就不一定能判断出优劣。
约束一维多目标优 化设计解的情况。 在可行域[0，1]中， 绝对最优解发生在 x*=1处。 存在绝对最优解 （x*，F*）
n=2 m=2约束多目标 优化设计解的情
况，点x*为最优 点。
2有效解（非裂解）与劣解
定义二：对于一般表达式，若有设计点x∈D，不存在任意 的x∈D，使F(x) ≤F(x*)成立，或fj(x) ≥fj(x*)，对于所有的 j=1，2，……m成立。则称x*为有效解或非劣解。
所建立的目标函数一般分为：单目标函数，多目标函数 一般的，所包含的分目标函数越多，设计结果越完善，但 设计求解的难度增大。因此，在实际设计中，在满足设计性 能要求的前提下，应尽量减少分目标函数的个数。
7.1.3关于约束条件问题
设计约束是在设计中对设计变量所提出的种种限制来确 定的。约束条件表达式同常有显性约束与隐性约束；不等 式约数与等式约束；边界约束与性能约束等。
按设计问题维数的大小，通常把优化设计问题规模分为 三类：
小型优化问题：维数2-10 中型优化问题：维数10-50 大型优化问题：维数50以上
7.1.2关于目标函数的建立
优化设计数学模型中的目标函数F（x），是以设计变量表 示设计问题所追求的某一种或几种性能指标的解析表达式， 用它来评价设计方案的优劣程度。通常，设计所追求的性能 指标较多，建立目标函数，要针对影响质量和性能最为重要 的，最显著的指标作为设计追求的根本目标写入目标函数。
定义一：一般表达式多目标设计优化问题，若包括所有的 J=1，2，……m对于任意的设计点x∈D都有
fj(x) ≥fj(x*) 成立，则点x*是多目标优化问题的绝对最优解。
无约束一维多目标 优化设计问题 (维数n=1， 分目标m=2) x*为绝对最优解得 迭代点，绝对最优 解（x*，F*）
第七章 关于机械优化设计当中的 几个问题
➢建立优化数学模型的有关问题 ➢数学模型中的尺度变换 ➢多目标函数优化设计 ➢关于离散变量的优化设计问题 ➢优化方法的选择及评价准则
7.1建立优化数学模型的有关问题
优化数学模型总体包含：设计变量，目标函数，约束条件
7.1.1关于设计变量的确定
工程设计中总是包含许多各种设计参数。在确定设计变 量时，要对各种参数加以分析，以进行取舍。
例7.1 一个二维分目标（n=1，m=2）的多目标优化问题为
V min F (x) [ f1 (x) f1(x) 2x 22
f2 (x) x
D： 0 x 2
f 2 (x)]T
见右下图。 取x=b，该点是有效解。因为在可行域D内，任取另一点 X，不存在F(x) ≤F(b)， 即f1(x) ≤f1(b)， 又同时有f2(x) ≤f2(b)。 x=b点满足有效解定义。
上式称为向量目标函数，是多目标函数； 式中的f1(x),f2(x),……，fm(x)称为目标函数中的各分目标函数。
数学模型的一般表达式
min F (x) f1 (x) f2 (x) fm (x)T
x x1 x2
gu(x) ≥0 hv(x)=0
xn D Rn
(u=1,2,……，p) (v=1,2……，q<n)
在许多实际设计中，一个设计方案又企望有几项设计指 标同时都达到最优值，这种在优化设计中同时要求两项极其 以上设计指标达到最优值得问题，成为多目标优化设计，目 标函数称为多目标函数。
7.3.1多目标优化设计数学模型
优化设计中，若有m个设计指标表达的目标函数要求同时 达到最优，则表示为
min F (x) f1 (x) f2 (x) fm (x)T
7.2.1数学模型中的尺度变换
数学模型中的尺度变换问题，是指用过改变在设计空间中 个坐标分量的比例，以改善数学性态的一种办法。
7.2.1设计变量的尺度变换
7.2.2约束条件的尺度变换
7.2.3目标函数的尺度变换
7.3多目标函数优化问题
在设计中，优化设计方案的好坏仅依赖于一项设计指标， 即所建立的目标函数仅含一个目标的函数，这样的目标函数 称为单目标函数，属于单目标优化设计问题。
设计变量必须是独立变量。要从优互相依赖关系的变量 中剔除非独立变量。
下图所示为汽车前轮转向梯形机构。
来自百度文库
等腰梯形机构ABCD中，给定机架长度LAD=a（常数）。 当汽车转弯时，为了保证所有车轮都处于纯滚动，要求从
动件CD转角 与主动件AB转角 保持某确定关系
()
该四杆机构的参数有各杆长度：l1,l2,l3,l4，和初始角 0
其中l4=a为已知，是设计常
量；又l1=l3，l3为非独立变
量；又 l2
，l2是l1与
a的0 函2l1数co，s故0l2也
为非独立变量。所以只有两
个参数是独立变量
x l1 0 T x1 x2
设计变量愈多,维数愈高，设计的自由度越大，容易得到 较理想的优化结果；但维数越高，会使目标函数，约束函 数所包含的变量增多，导致计算量增大，并使优化过程更 为复杂及降低解题的效率。所以，在建立目标函数时，确 定设计变量的原则是在满足设计要求得前提下，将尽可能减 少设计变量的个数，即降低维数。
同理，区间[1，2]中的 任意一点都满足有效解 定义。所以，区间[1，2] 组成了有效解（非劣解） 集。
定义三：在可行域D内，除绝对最优解与有效解集以外， 部分的设计点均称劣解点，劣解点的全部称为劣解集。
在设计中应尽量减少约束条件的个数。在众多约束条件 中，可能存在消极约束，所谓消极约束是指在某些约束得 到满足时，而有另一个或几个约束必然得到满足，其作用 被覆盖，被覆盖了作用的约束称为消极约束。如果经分析 能确认是消极约束，在建立数学模型时，应将其除掉。在 一般情况下，消极约束是不容易识别出来的。所以，在很 多时候，仍是将全部约束都列出来，不加区别的代进算法 程序中求解计算。
为了与单目标优化问题相区别，在目标函数前加V， 即表示为
V min F (x) f1(x) f2 (x) fm (x)T
7.3.2多目标优化设计的概念
在单目标优化设计中，对于各种性态函数，总可以通过对 迭代点函数值的比较，找出全局最优解，对任意两个解都能 判断其优劣。而多目标函数问题与单目标则有根本区别，任 意两个解之间，就不一定能判断出优劣。
约束一维多目标优 化设计解的情况。 在可行域[0，1]中， 绝对最优解发生在 x*=1处。 存在绝对最优解 （x*，F*）
n=2 m=2约束多目标 优化设计解的情
况，点x*为最优 点。
2有效解（非裂解）与劣解
定义二：对于一般表达式，若有设计点x∈D，不存在任意 的x∈D，使F(x) ≤F(x*)成立，或fj(x) ≥fj(x*)，对于所有的 j=1，2，……m成立。则称x*为有效解或非劣解。
所建立的目标函数一般分为：单目标函数，多目标函数 一般的，所包含的分目标函数越多，设计结果越完善，但 设计求解的难度增大。因此，在实际设计中，在满足设计性 能要求的前提下，应尽量减少分目标函数的个数。
7.1.3关于约束条件问题
设计约束是在设计中对设计变量所提出的种种限制来确 定的。约束条件表达式同常有显性约束与隐性约束；不等 式约数与等式约束；边界约束与性能约束等。
按设计问题维数的大小，通常把优化设计问题规模分为 三类：
小型优化问题：维数2-10 中型优化问题：维数10-50 大型优化问题：维数50以上
7.1.2关于目标函数的建立
优化设计数学模型中的目标函数F（x），是以设计变量表 示设计问题所追求的某一种或几种性能指标的解析表达式， 用它来评价设计方案的优劣程度。通常，设计所追求的性能 指标较多，建立目标函数，要针对影响质量和性能最为重要 的，最显著的指标作为设计追求的根本目标写入目标函数。