《机械优化设计》第二章-优化设计的数学基础.pptx

《机械优化设计》第二章-优化设计的数学基础.pptx

ID:62277537

大小:940.44 KB

页数:57页

时间:2021-04-25

《机械优化设计》第二章-优化设计的数学基础.pptx_第1页
《机械优化设计》第二章-优化设计的数学基础.pptx_第2页
《机械优化设计》第二章-优化设计的数学基础.pptx_第3页
《机械优化设计》第二章-优化设计的数学基础.pptx_第4页
《机械优化设计》第二章-优化设计的数学基础.pptx_第5页
资源描述:

《《机械优化设计》第二章-优化设计的数学基础.pptx》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、《机械优化设计》Mechanicaloptimizationdesign第二章优化设计的数学基础第一节多元函数的方向导数和梯度一个多元函数可用偏导数的概念来研究函数沿各坐标方向的变化率。二元函数的偏导数:第二章优化设计的数学基础第一节多元函数的方向导数和梯度方向导数:θ2θ1o偏导数与方向导数之间的数量关系:第二章优化设计的数学基础第一节多元函数的方向导数和梯度多元函数的方向导数:第二章优化设计的数学基础第一节多元函数的方向导数和梯度例:第二章优化设计的数学基础第一节多元函数的方向导数和梯度梯度:方向导数与梯度的关系:第二章优化设计的数学基础第一节多元函

2、数的方向导数和梯度梯度:梯度的性质:1)梯度是一个向量;2)梯度方向是方向导数最大的方向,即函数值变化最快(函数值变化率最大)的方向;3)梯度方向是等值面(线)的法线方向。第二章优化设计的数学基础第一节多元函数的方向导数和梯度多元函数的梯度:第二章优化设计的数学基础第一节多元函数的方向导数和梯度例题:解:函数变化率最大的方向就是梯度方向,用单位向量表示,函数变化率最大的数值就是梯度的模。第二章优化设计的数学基础第一节多元函数的方向导数和梯度例题:第二章优化设计的数学基础第二节多元函数的泰勒展开一元函数第二章优化设计的数学基础第二节多元函数的泰勒展开二元函

3、数:二元函数泰勒展开式的矩阵形式:对称矩阵第二章优化设计的数学基础第二节多元函数的泰勒展开多元函数泰勒展开式的矩阵形式:是函数在该点的梯度第二章优化设计的数学基础第二节多元函数的泰勒展开多元函数的海赛矩阵:第二章优化设计的数学基础第二节多元函数的泰勒展开例:多次函数(高次函数)二次函数(低次函数)泰勒二次近似式第二章优化设计的数学基础第二节多元函数的泰勒展开多次函数(高次函数)二次函数(低次函数)泰勒二次近似式二次二维函数用向量和矩阵的表示方法:第二章优化设计的数学基础第二节多元函数的泰勒展开二次n维函数用向量和矩阵的表示方法:第二章优化设计的数学基础第

4、二节多元函数的泰勒展开几种特殊类型函数的梯度:第二章优化设计的数学基础第二节多元函数的泰勒展开二次型:第二章优化设计的数学基础第二节多元函数的泰勒展开正定矩阵:第二章优化设计的数学基础矩阵正定与负定的判定:正定:矩阵A正定的条件是A的各阶主子式大于零;负定:矩阵A负定的条件是各阶主子式负、正相间。第二节多元函数的泰勒展开第二章优化设计的数学基础第三节无约束优化问题的极值条件必要条件充分条件第二章优化设计的数学基础第三节无约束优化问题的极值条件第二章优化设计的数学基础第三节无约束优化问题的极值条件例:第二章优化设计的数学基础第四节凸集、凸函数和凸规划当极值

5、点x*能使f(x*)在整个可行域中为最小值(最大值)时,即在整个可行域中对任一x都有f(x)≥f(x*)(或者f(x)≤f(x*))时,则x*就是全局极小点(全局极大点)。全局极值点(最优点):第二章优化设计的数学基础第四节凸集、凸函数和凸规划若f(x*)为局部可行域中的极小值(极大值)而不是整个可行域中的最小值(或最大值)时,则称x*为局部极小点(局部极大点)。局部极值点(相对极值点):第二章优化设计的数学基础第四节凸集、凸函数和凸规划一个下凸的函数,它的极值点只有一个,并且该点既是局部极值点也是全局极值点,我们就称这个函数具有凸性。函数的凸性(单峰性

6、):第二章优化设计的数学基础第四节凸集、凸函数和凸规划设R是一个点集(或区域),若连接其中任意两点x1和x2的直线都属于R,则称这种集合R是一个凸集。凸集:第二章优化设计的数学基础第四节凸集、凸函数和凸规划凸集的性质:第二章优化设计的数学基础第四节凸集、凸函数和凸规划具有凸性(表现为单峰性)或只有唯一的局部最优值,即全局最优值的函数,称为凸函数或单峰函数。凸函数:第二章优化设计的数学基础第四节凸集、凸函数和凸规划1.若f(x)为定义在凸集R上的一个凸函数,且α是一个正数(α>0),则αf(x)也必是定义在凸集R上的凸函数。2.定义在凸集R上的两个凸函数f

7、1(x)和f2(x),其和f(x)=f1(x)+f2(x)也一定是该凸集上的一个凸函数。3.若f1(x)、f2(x)是定义在凸集R上的两个凸函数,α和β为两个任意正数,则函数αf1(x)+βf2(x)仍是R上的凸函数。4.若定义在凸集R上的一个凸函数f(x)有两个最小点x1和x2则这两点处的函数值f(x1)和f(x2)必相等,否则,其中较大的点就不是f(x)的最小点了。5.若x1和x2是定义在凸集R上的一个凸函数f(x)的两个最小点,则其连接线段上的一切点必为f(x)的最小点。凸函数的性质:第二章优化设计的数学基础第四节凸集、凸函数和凸规划凸性条件:第二

8、章优化设计的数学基础第四节凸集、凸函数和凸规划例:例:第二章优化设计的数学基础第

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。