機(jī)械優(yōu)化設(shè)計(jì)課程設(shè)計(jì)(存儲(chǔ)版)
【正文】 《機(jī)械優(yōu)化設(shè)計(jì)》第四版 孫靖民 機(jī)械工業(yè)出版社 。 } } } void main() {double p[]={8,9}。 for(i=0。 else for(i=0。 x[i]=*(xx[3]+i)。 return(f)。 for(i=0。in。in。 } for(i=0。 ss=(double *)malloc(n*(n+1)*sizeof(double))。 jtf(x0,h0,s,n,a,b)。 ff=objf(xx)。 for(i=0。i++) {a[i]=*(x[1]+i)。 *(x[0]+i)=*(x[1]+i)。in。i3。in。 if(f2f3) break。 } f1=f2。 for(i=0。in。 return(ff)。下輪迭代的始點(diǎn)取為沿 dn+1k 方向進(jìn)行一維搜索的極小點(diǎn) x0k+1。因?yàn)?x2 相當(dāng)于從 x0 出發(fā)分別沿 G 的兩個(gè)共軛方向 d d2 進(jìn)行兩次一維搜索而得到的點(diǎn)，所以 x2 點(diǎn)即是二維問(wèn)題的極小值點(diǎn) x* 3)改進(jìn)算法的基本步驟如下 ： ①給定初始點(diǎn) x0（記作 x00），選取初始方向組，它由 n 個(gè)線性無(wú)關(guān)的向量 d10,d20,…， dn0(如n 個(gè)坐標(biāo)軸單位向量 e1,e2,…,en)所組成，置 k← 0 。根據(jù)上述分析，則 A、 B 兩點(diǎn)的連線AB 就是與 x1 軸一起對(duì) G 共軛的方向。 鮑威爾法是直接利用函數(shù)值來(lái)構(gòu)造共軛方向的一種共軛方向法。 5）如果條件滿足，則取最后 2 試驗(yàn)點(diǎn)的平均值作為極小點(diǎn)的數(shù)值近似解。＋λ－ 1＝ 0 取方程正數(shù)解，得 λ＝ (√ 5－ 1)／ 2≈ 若保留下來(lái)的區(qū)間為 [α 1, b],根據(jù)插入點(diǎn)的對(duì)稱性，也能推得同樣的 λ值。然后再在保留下來(lái)的區(qū)間上作同樣的處置，如此迭代下去，使搜索區(qū)間無(wú)限縮小，從而得到極小點(diǎn)的數(shù)值近似解。 因此優(yōu)化設(shè)計(jì)是現(xiàn)代設(shè)計(jì)理論和方法的一個(gè)重要領(lǐng)域，它已廣泛應(yīng)用于各個(gè)工業(yè)部門(mén)，成為現(xiàn)代工程設(shè)計(jì)的一個(gè)重要手段！ 二、優(yōu)化方法介紹 （一） 、一維搜索方法 一維搜索方法可分為兩類，一類稱為試探法，這類方法是按某種給定的規(guī)律來(lái)確定區(qū)間內(nèi)插入點(diǎn)的位置，此點(diǎn)位置的確定僅僅按照區(qū)間縮短如何加快，而不顧及函數(shù)值的分布關(guān)系，例如黃金分割法，裴波那契法等。利用這種新的設(shè)計(jì)方法，人們就可以從眾多的設(shè)計(jì)方案中尋找出最佳設(shè)計(jì)方案，從而大大提高設(shè)計(jì)效率和設(shè)計(jì)質(zhì)量。α 1，α 2 將區(qū)間分為三段，應(yīng)用函數(shù)的單谷性質(zhì)，通過(guò)函數(shù)值大小的比較，刪去其中一段，使搜索區(qū)間得以縮短。 λ178。 4）檢查區(qū)間是否縮短到足夠小和函數(shù)值收斂到足夠近，如果條件不滿足則返回到步驟 2 。 屬于無(wú)約束優(yōu)化方法的主要有： 最速下降法 牛頓型法 共 軛方向及共軛方向法 共軛梯度法 變尺度法 坐標(biāo)輪換法 鮑威爾法 單形替換法 下面主要介紹鮑威爾法的原理及應(yīng)用。 對(duì)于二維問(wèn)題， f(x)的等值線為一簇橢圓， A、 B 為沿 x1 軸方向上的兩個(gè)極小值點(diǎn)，分別處于等值線與 x1 軸方向的切點(diǎn)上，如圖 416 所示 。再?gòu)?x21 出發(fā)，沿 d2作一維搜索得點(diǎn) x2 。即新方向組為 d1k， d2k， …,dm1k,dm+1k,…,dnk， dn+1k 作為下輪迭代的搜索方向。 ff=4*x[0]*x[0]+x[1]*x[1]40*x[0]12*x[1]+136。 for(i=0。 if(f2=f1) {h=h0。 *(x[1]+i)=*(x[2]+i)。 f3=objf(x[2])。 } } if(h0) for(i=0。 } for(i=0。 for(i=0。i++) {b[i]=*(x[0]+i)。in。 } q=0。i++) xx[i]=*(a[i]+b[i])。 b=(double *)malloc(n*sizeof(double))。 double f,f0,f1,f2,f3,fx,dlt,df,sdx,q,d。 *(ss+i*(n+1)+i)=1。) {for(i=0。j++) {for(i=0。 } } sdx=0。i++) free(xx[i])。i++) {*(xx[3]+i)=2*(*(xx[2]+i)(*(xx[1]+i)))。i++) *(xx[0]+i)=*(xx[2]+i)。 } f=oneoptim(xx[0],s,h0,epsg,n,x)。i++) *(ss+i*(n+1)+j1)=*(ss+i*(n+1)+j)。相信在以后的工作當(dāng)中，會(huì)有所應(yīng)用。 printf(x[0]=%f,x[1]=%f,ff=%f\n,x[0],x[1],ff)。 for(
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1