【正文】 二．實驗要求須要同學們上交一份UG/PROE建模圖形，并且上交自己由快速成型加工出來的模型一個。在科學技術(shù)發(fā)展要求機械產(chǎn)品更新周期日益縮短的今天，把優(yōu)化方法與計算機輔助設(shè)計結(jié)合起來，使設(shè)計過程完全自動化，已成為設(shè)計方法的一個重要發(fā)展趨勢。6) 展多學科優(yōu)化研究，即把計算機仿真、計算機圖形學、智能技術(shù)、虛擬現(xiàn)實技術(shù)、多媒體技術(shù)、機械動力學、有限元等和優(yōu)化設(shè)計方法融為一體，解決具有非穩(wěn)態(tài)（慢變、參變、時滯等）、強耦合、多參數(shù)、非線性等的復雜系統(tǒng)問題，目前在復雜結(jié)構(gòu)優(yōu)化設(shè)計中有一定的進展，但還沒有形成解決復雜系統(tǒng)問題的優(yōu)化設(shè)計理論、方法和體系。方法研究的終點，從著重研究但目標優(yōu)化問題進入到著重研究多目標問題。3) 數(shù)學模型描述能力上，由僅能處理連續(xù)變量、離散變量，發(fā)展到能處理隨機變量、模糊變量、非數(shù)值變量等；在建模方面，開展了柔性建模和只能建模的研究；利用人工神經(jīng)網(wǎng)絡(luò)來解決目標函數(shù)和約束條件函數(shù)難以準確寫出的問題；利用人工神經(jīng)網(wǎng)絡(luò)來解決多數(shù)機器設(shè)備的實際工作系統(tǒng)是強耦合的數(shù)學模型建立問題；動態(tài)多變量有化和工程不確定模型優(yōu)化（模糊優(yōu)化）、不可微模型優(yōu)化及多目標優(yōu)化等優(yōu)化方法與程序的研究，并進一步發(fā)展到廣義工程大系統(tǒng)的優(yōu)化設(shè)計的研究。在優(yōu)化方法中的參數(shù)選擇時，借助專家系統(tǒng)可以減少參數(shù)選擇的盲目性，提高程序求解的能力。第五章機械優(yōu)化設(shè)計發(fā)展趨勢我國自20世紀80年代初以來，在優(yōu)化技術(shù)研究與應(yīng)用方面有了長足發(fā)展，在優(yōu)化決策理論與方法研究上能夠跟蹤之一領(lǐng)域的國際發(fā)展前沿，在優(yōu)化設(shè)計軟件開發(fā)和工程應(yīng)用中取得不少成果。在優(yōu)化設(shè)計方法迅猛發(fā)展的同時，一個新的問題卻擺在了設(shè)計人員的面前，即面對林林總總的優(yōu)化設(shè)計方法，不知道具體選用哪種方法更好。但由于所建立的數(shù)學摸型與實際情況有一定差距，加上數(shù)值方法的近似性。使得解題簡便。3) 穩(wěn)定性要好：算法的穩(wěn)定性指遇到高度非線性的偏心率大的函數(shù)時，不會因為計算機字長截斷誤差選代過程正常運行，而中斷計算過程。如果目標函數(shù)和約束函數(shù)的數(shù)值計算比較復雜時，最好選用不計算梯度與海色矩陣的優(yōu)化方法。1) 可靠性要好：算法的可靠性是指在合理的精度要求下，在一定計算時間或一定迭代次數(shù)內(nèi)，求解優(yōu)化問題的成功率，越高則可靠性越好。一般要對優(yōu)化問題數(shù)學模型的設(shè)計變量數(shù)、約束條件數(shù)、目標函數(shù)和約束函數(shù)的復雜程度等進行分析，并深入了解各種優(yōu)化方法的特點(收斂性、計算過程穩(wěn)定性及計算精度等)，才能做出恰當?shù)倪x擇。在具體設(shè)計中，會遇到對于某一優(yōu)化設(shè)計問題，可以采用不同的算法求解；或者一種優(yōu)化算法對某一類數(shù)學摸型很有效，而對另一類數(shù)學模型的效果就不一定好。約束條件過多導致設(shè)計空間減小，多變量敏感性加大，使計算過程的穩(wěn)定性降低。8）多變量敏感性，指設(shè)計變量的個數(shù)即維數(shù)的敏感程度，特別是對于直接法求解的優(yōu)化方法，設(shè)計變量過多將會導致計算工作量加大，計算精度降低。實踐證明，任何一種優(yōu)化設(shè)計方法都不可能在計算全過程中均保持較好的收斂性。6）全局收斂法，指方法是否會陷入局部最優(yōu)。4）通用性，指是否有對函數(shù)性態(tài)的限制，占用內(nèi)存的限制等，即方法的使用范圍及其對各類優(yōu)化設(shè)計問題的適用性。3）效率，指對同一問題、在統(tǒng)一精度要求和同一初始點的情況下，所需的機時數(shù)或函數(shù)求值次數(shù)，即相同條件下的計算成本。1）可靠性，指在合理精度要求下，在一定時間內(nèi)求解各種不同類型問題的成功率。模糊優(yōu)化設(shè)計是將模糊因素和模糊主觀信息量化，建立由模糊變量、模糊約束條件和模糊目標函數(shù)組成的模糊數(shù)學模型，再通過從模糊到非模糊的變化來實現(xiàn)模糊數(shù)學模型的轉(zhuǎn)化，最終利用優(yōu)化算法進行求解。 而且，由于在實際應(yīng)用中往往使用有限的群體和樣本，理論上考慮的選擇概率和遺傳操作是絕對的，容易導致算法過早收斂或局部收斂，所以也應(yīng)該對GA算法進行深入的研究并予以改進。傳統(tǒng)的優(yōu)化設(shè)計方法對于結(jié)構(gòu)形式（拓樸）優(yōu)化設(shè)計、總體方案優(yōu)化設(shè)計等問題，往往難以抽象出合適的數(shù)學模型；對于大型復雜的機械優(yōu)化設(shè)計問題，往往會出現(xiàn)多目標函數(shù)、多峰值的情況等，GA恰能解決這些傳統(tǒng)優(yōu)化設(shè)計方法無法解決的問題。（Genetic Algorithem,簡稱GA）GA是一種非確定性的擬自然算法，它仿造自然界生物進化的規(guī)律，對一個隨機產(chǎn)生的群體進行繁殖演變和自然選擇，適者生存，不適者淘汰，如此循環(huán)往復，使群體素質(zhì)和群體中個體的素質(zhì)不斷演化，最終收斂于全局最優(yōu)解。 間接法的算法理論性強，可靠性高，精度高，計算復雜，對目標函數(shù)、約束函數(shù)有一定要求，可求解高維優(yōu)化設(shè)計問題和同時含有等式和不等式約束的優(yōu)化問題。間接法的基本思想是將優(yōu)化設(shè)計問題轉(zhuǎn)化為無約束優(yōu)化問題，再利用無約束優(yōu)化方法求解。直接法的算法最簡單，直觀易懂，對目標函數(shù)和約束函數(shù)無特殊要求；但計算工作大，需用機時多，不適用于維數(shù)較高的問題，一般用于求解只含有不等式約束的優(yōu)化設(shè)計問題。目標函數(shù)可導坐標輪換法△√單純發(fā)√△√√共軛方向法√△√√梯度法√△牛頓法△變尺度法√△注：“△”表示“最適應(yīng)”；“√”表示“有效”；N表示“維數(shù)” 機械優(yōu)化設(shè)計問題一般都是約束優(yōu)化問題，根據(jù)處理約束條件的方法不同，也可以分為直接法和間接法2種。目標函數(shù)不可導N5。表1 無約束優(yōu)化設(shè)計方法的適應(yīng)情況優(yōu)化方法N5。很多約束優(yōu)化設(shè)計問題常轉(zhuǎn)化為無約束優(yōu)化設(shè)計問題求解，有些無約束優(yōu)化設(shè)計方法只需要略加處理，即可用于求解約束優(yōu)