【摘要】:用几何图形来解释非线性规划的最优化问题,可直观地表达出目标函数与设计变量和约束条件间的相互关系。有约束优化问题是在可行域内对设计变量求目标函数的极小点,此极小点位于可行域内或在可行域边界上。如果一组设计变量仅使目标函数取最小,而并无约束条件,即满足:则称为无约束最优解。显然,无约束最优解就是目标函数的极值及其极值点。
用几何图形来解释非线性规划的最优化问题,可直观地表达出目标函数与设计变量和约束条件间的相互关系。
无约束优化问题就是在没有限制的条件下,对设计变量求目标函数的极小点。在设计空间中,目标函数是以等值面的形式反映出来,其极小点即为等值面的中心,如图1-5所示。
有约束优化问题是在可行域内对设计变量求目标函数的极小点,此极小点位于可行域内或在可行域边界上。如图1-6所示,可行域由线性约束方程(g1(X)≥0)和非线性约束方程(g2(X)≥0)围成,等值线为曲线,X*为极小点,约束对极值点的位置影响很大。
图1-5 无约束优化问题
图1-6 有约束优化问题
综上所述,求n个设计变量在满足约束条件下目标函数极小化的问题,即为在n+1维空间的约束可行域内,寻找目标函数最小值X*=[x1*,x2*,…,xn*]T,并满足:(www.daowen.com)
则称X*为最优点(最优设计方案),f(X*)为最优值。X*和f(X*)构成一个约束最优解。
如果一组设计变量仅使目标函数取最小,而并无约束条件,即满足:
则称为无约束最优解。显然,无约束最优解就是目标函数的极值及其极值点。
当目标函数不是单峰函数时,即有n个极值点x1*,x2*,…;则称x1*和f(x1*),x2*和f(x2*),…为局部最优解;而把其中最小者称为全域最优解(图1-5)。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。
有关压力容器优化设计的文章