机械优化设计试卷期末考试及答案.doc

上传人:飞****2 文档编号:17315540 上传时间:2022-05-23 格式:DOC 页数:5 大小:236.50KB
返回 下载 相关 举报
机械优化设计试卷期末考试及答案.doc_第1页
第1页 / 共5页
机械优化设计试卷期末考试及答案.doc_第2页
第2页 / 共5页
点击查看更多>>
资源描述

《机械优化设计试卷期末考试及答案.doc》由会员分享,可在线阅读,更多相关《机械优化设计试卷期末考试及答案.doc(5页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。

1、精选优质文档-倾情为你奉上第一、填空题1.组成优化设计数学模型的三要素是 设计变量 、 目标函数 、 约束条件 。2.函数在点处的梯度为,海赛矩阵为3.目标函数是一项设计所追求的指标的数学反映,因此对它最基本的要求是能用来评价设计的优劣,同时必须是设计变量的可计算函数 。4.建立优化设计数学模型的基本原则是确切反映 工程实际问题,的基础上力求简洁 。5.约束条件的尺度变换常称 规格化,这是为改善数学模型性态常用的一种方法。 6.随机方向法所用的步长一般按 加速步长 法来确定,此法是指依次迭代的步长按一定的比例 递增的方法。 7.最速下降法以 负梯度 方向作为搜索方向,因此最速下降法又称为 梯度

2、法,其收敛速度较 慢 。8.二元函数在某点处取得极值的充分条件是必要条件是该点处的海赛矩阵正定9.拉格朗日乘子法的基本思想是通过增加变量将等式约束 优化问题变成 无约束优化问题,这种方法又被称为 升维 法。10改变复合形形状的搜索方法主要有反射,扩张,收缩,压缩 11坐标轮换法的基本思想是把多变量 的优化问题转化为 单变量 的优化问题12在选择约束条件时应特别注意避免出现 相互矛盾的约束, ,另外应当尽量减少不必要的约束 。13目标函数是n维变量的函数,它的函数图像只能在n+1, 空间中描述出来,为了在n维空间中反映目标函数的变化情况,常采用 目标函数等值面 的方法。14.数学规划法的迭代公式

3、是 ,其核心是 建立搜索方向, 和 计算最佳步长 15协调曲线法是用来解决 设计目标互相矛盾 的多目标优化设计问题的。16.机械优化设计的一般过程中, 建立优化设计数学模型 是首要和关键的一步,它是取得正确结果的前提。二、名词解释1凸规划 对于约束优化问题 若、都为凸函数,则称此问题为凸规划。2可行搜索方向是指当设计点沿该方向作微量移动时,目标函数值下降,且不会越出可行域。3设计空间:n个设计变量为坐标所组成的实空间,它是所有设计方案的组合4.可靠度5收敛性是指某种迭代程序产生的序列收敛于6.非劣解:是指若有m个目标,当要求m-1个目标函数值不变坏时,找不到一个X,使得另一个目标函数值比,则将

4、此为非劣解。7. 黄金分割法:是指将一线段分成两段的方法,使整段长与较长段的长度比值等于较长段与较短段长度的比值。8.可行域:满足所有约束条件的设计点,它在设计空间中的活动范围称作可行域。9.维修度 略三、简答题 1什么是内点惩罚函数法?什么是外点惩罚函数法?他们适用的优化问题是什么?在构造惩罚函数时,内点惩罚函数法和外点惩罚函数法的惩罚因子的选取有何不同? 1)内点惩罚函数法是将新目标函数定义于可行域内,序列迭代点在可行域内逐步逼近约束边界上的最优点。内点法只能用来求解具有不等式约束的优化问题。 内点惩罚函数法的惩罚因子是由大到小,且趋近于0的数列。相邻两次迭代的惩在可行域之外,序列迭代点从

5、可行域之外逐渐逼近约束边界上的最优点。外点法可以用来求解含不等式和等式约束的优化问题。外点惩罚函数法的惩罚因子,它是由小到大,且趋近于的数列。惩罚因子按下式递增,式中为惩罚因子的递增系数,通常取2共轭梯度法中,共轭方向和梯度之间的关系是怎样的?试画图说明。. 对于二次函数,,从点出发,沿G的某一共轭方向作一维搜索,到达点,则点处的搜索方向应满足,即终点与始点的梯度之差与的共轭方向正交。3为什么说共轭梯度法实质上是对最速下降法进行的一种改进?.答:共轭梯度法是共轭方向法中的一种,在该方法中每一个共轭向量都依赖于迭代点处的负梯度构造出来的。共轭梯度法的第一个搜索方向取负梯度方向,这是最速下降法。其

6、余各步的搜索方向是将负梯度偏转一个角度,也就是对负梯度进行修正。所以共轭梯度法的实质是对最速下降法的一种改进。4.写出故障树的基本符号及表示的因果关系。略5.算法的收敛准则由哪些?试简单说明。略6.优化设计的数学模型一般有哪几部分组成?简单说明。略7简述随机方向法的基本思路答:随机方向法的基本思路是在可行域内选择一个初始点,利用随机数的概率特性,产生若干个随机方向,并从中选择一个能使目标函数值下降最快的随机方向作为可行搜索方向。从初始点出发,沿搜索方向以一定的步长进行搜索,得到新的值,新点应该满足一定的条件,至此完成第一次迭代。然后将起始点移至,重复以上过程,经过若干次迭代计算后,最终取得约束

7、最优解。三、计算题1试用牛顿法求的最优解,设。初始点为,则初始点处的函数值和梯度分别为 ,沿梯度方向进行一维搜索,有 为一维搜索最佳步长,应满足极值必要条件 ,从而算出一维搜索最佳步长 则第一次迭代设计点位置和函数值,从而完成第一次迭代。按上面的过程依次进行下去,便可求得最优解。2、试用黄金分割法求函数的极小点和极小值,设搜索区间(迭代一次即可)解:显然此时,搜索区间,首先插入两点,由式计算相应插入点的函数值。因为。所以消去区间,得到新的搜索区间,即。第一次迭代:插入点,相应插入点的函数值,由于,故消去所以消去区间,得到新的搜索区间,则形成新的搜索区间。至此完成第一次迭代,继续重复迭代过程,最终可得到极小点。3用牛顿法求目标函数+5的极小点,设。解:由 ,则 ,其逆矩阵为因此可得: ,从而经过一次迭代即求得极小点,4.下表是用黄金分割法求目标函数 的极小值的计算过程,请完成下表。迭代序号a b比较0 0.2 11迭代序号a b比较0 0.2 0.50560.69441 40.0626 29.49621 0.5056 0.69440.81111 29.496225.4690专心-专注-专业

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 教育专区 > 教案示例

本站为文档C TO C交易模式,本站只提供存储空间、用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。本站仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知淘文阁网,我们立即给予删除!客服QQ:136780468 微信:18945177775 电话:18904686070

工信部备案号:黑ICP备15003705号© 2020-2023 www.taowenge.com 淘文阁