机械优化设计课后习题答案.doc
《机械优化设计课后习题答案.doc》由会员分享,可在线阅读,更多相关《机械优化设计课后习题答案.doc(45页珍藏版)》请在冰点文库上搜索。
![机械优化设计课后习题答案.doc](https://file1.bingdoc.com/fileroot1/2023-4/29/54a97998-d73a-4daf-b2b1-ba7047e5640e/54a97998-d73a-4daf-b2b1-ba7047e5640e1.gif)
第一章习题答案
1-1某厂每日(8h制)产量不低于1800件。
计划聘请两种不同的检验员,一级检验员的标准为:
速度为25件/h,正确率为98%,计时工资为4元/h;二级检验员标准为:
速度为15件/h,正确率为95%,计时工资3元/h。
检验员每错检一件,工厂损失2元。
现有可供聘请检验人数为:
一级8人和二级10人。
为使总检验费用最省,该厂应聘请一级、二级检验员各多少人?
解:
(1)确定设计变量;
根据该优化问题给定的条件与要求,取设计变量为X=;
(2)建立数学模型的目标函数;
取检验费用为目标函数,即:
f(X)=8*4*x1+8*3*x2+2(8*25*0.02x1+8*15*0.05x2)
=40x1+36x2
(3)本问题的最优化设计数学模型:
minf(X)=40x1+36x2X∈R3·
s.t.g1(X)=1800-8*25x1+8*15x2≤0
g2(X)=x1-8≤0
g3(X)=x2-10≤0
g4(X)=-x1≤0
g5(X)=-x2≤0
1-2已知一拉伸弹簧受拉力,剪切弹性模量,材料重度,许用剪切应力,许用最大变形量。
欲选择一组设计变量使弹簧重量最轻,同时满足下列限制条件:
弹簧圈数,簧丝直径,弹簧中径。
试建立该优化问题的数学模型。
注:
弹簧的应力与变形计算公式如下
解:
(1)确定设计变量;
根据该优化问题给定的条件与要求,取设计变量为X=;
(2)建立数学模型的目标函数;
取弹簧重量为目标函数,即:
f(X)=
(3)本问题的最优化设计数学模型:
minf(X)=X∈R3·
s.t.g1(X)=0.5-x1≤0
g2(X)=10-x2≤0
g3(X)=x2-50≤0
g4(X)=3-x3≤0
g5(X)=≤0
g6(X)=≤0
1-3某厂生产一个容积为8000cm3的平底、无盖的圆柱形容器,要求设计此容器消耗原材料最少,试写出这一优化问题的数学模型。
解:
根据该优化问题给定的条件与要求,取设计变量为X=,
表面积为目标函数,即:
minf(X)=x12+2x1x2
考虑题示的约束条件之后,该优化问题数学模型为:
minf(X)=x12+2x1x2
X=[x1,x2]T∈R2
s.t.g1(X)=-x1≤0
g2(X)=-x2≤0
h1(X)=8000-x12x2=0
1-4要建造一个容积为1500m3的长方形仓库,已知每平方米墙壁、屋顶和地面的造价分别为4元、6元和12元。
基于美学的考虑,其宽度应为高度的两倍。
现欲使其造价最低,试导出相应优化问题的数学模型。
解:
(1)确定设计变量;
根据该优化问题给定的条件与要求,取设计变量为X=;
(2)建立数学模型的目标函数;
取总价格为目标函数,即:
f(X)=8(x1x3+x2x3)+6x1x2+12x1x2
(3)建立数学模型的约束函数;
1)仓库的容积为1500m3。
即:
1500-x1x2x3=0
2)仓库宽度为高度的两倍。
即:
x2-2x3=0
3)各变量取值应大于0,即:
x1>0,x2.>0.,则-x1≤0,-x2≤0
(4)本问题的最优化设计数学模型:
minf(X)=8(x1x3+x2x3)+18x1x2X∈R3·
s.t.g1(X)=-x1≤0
g2(X)=-x2≤0
g3(X)=-x3≤0
h1(X)=1500-x1x2x3=0
h2(X)=x2-2x3=0
1-5绘出约束条件:
;;所确定的可行域
1-6试在三维设计空间中,用向量分别表示设计变量:
;;。
第二章习题答案
2-1请作示意图解释:
的几何意义。
2-2已知两向量,求该两向量之间的夹角。
2-3求四维空间内两点和之间的距离。
2-4计算二元函数在处,沿方向的方向导数和沿该点梯度方向的方向导数。
2-5已知一约束优化设计问题的数学模型为
求:
(1)以一定的比例尺画出当目标函数依次为时的四条等值线,并在图上画出可行区的范围。
(2)找出图上的无约束最优解和对应的函数值,约束最优解和;
(3)若加入一个等式约束条件:
求此时的最优解,。
解:
下图为目标函数与约束函数(条件)设计平面X1OX2。
其中的同心圆是目标函数依次为f(X)=1、2、3、4时的四条等值线;阴影的所围的部分为可行域。
由于目标函数的等值线为一同心圆,所以无约束最优解为该圆圆心即:
X1*=[3,4]T
函数值f(X1*)=0。
而约束最优解应在由约束线g1(X)=0,g2(X)=0,g3(X)=0,g4(X)=0,组成的可行域(阴影线内侧)内寻找,即约束曲线g1(X)=0与某一等值线的一个切点X2*,可以联立方程:
,解得X2*=[2,3]。
函数值f(X2*)=(2-3)2+(3-4)2=2。
加入等式约束条件,则X3*为可行域上为h1(X)=0上与某一条等值线的交点,可以联立方程:
,解得X3*=[5/2,5/2]。
函数值f(X3*)=(5/2-3)2+(5/2-4)2=2.5。
2-6试证明在点处函数具有极小值。
证明:
求驻点:
,
,
H(X)是正定的,所以驻点必定是极小点。
故在点处函数具有极小值。
2-7求函数的极值点,并判断其极值的性质。
解:
,
,
H(X)是正定的,所以,为凸函数。
2-8试判断函数的凸性。
解:
,
H(X)是正定的,
所以,为凸函数。
2-9试用向量及矩阵形式表示并证明它在上是一个凸函数。
解:
,
H(X)是正定的,
所以,为凸函数。
2-10现已获得优化问题
的一个数值解,试判定该解是否上述问题的最优解。
第三章习题答案
3-1函数,当初始点分别为及时,用进退法确定其一维优化的搜索区间,取初始步长。
解:
当时
(1)取
=0.1
比较,因,所以应作前进搜索。
⑵步长加倍:
=0.3
再比较,因,所以还应再向前搜索,为此应舍去上一次的点。
所以:
。
(3)步长加倍:
=0.7
.
比较,因,所以还应再向前搜索,。
(4)步长加倍:
=1.5
.
比较,因。
已找到具有“高-低-高”特征的区间
即:
时,
时,
时,。
所以,,单峰区间为:
。
当时
同理可得:
3-2用黄金分割法求函数在区间中的极小点,要求计算到最大未确定区间长度小于0.05。
解:
(1)在初始区间[a,b]=[-3,5]中取计算点并计算函数值
(2)比较函数值,缩短搜索区间
因有f1≤f2,则
(3)判断迭代终止条件
b-a>ε
不满足迭代终止条件,比较函数值f1、f2继续缩短区间。
将各次缩短区间的有关计算数据列于下表。
表黄金分割法的搜索过程
区间缩短次数
a
b
α
(1)
α
(2)
f1
f2
(原区间)
-3
5
0.056
1.944
0.115
7.667
1
-3
1.944
-1.111
0.056
-0.987
0.115
2
-3
0.056
-1.832
-1.111
-0.306
-0.987
3
-1.832
0.056
-1.111
-0.665
-0.987
-0.888
4
-1.832
-0.665
-1.386
-1.111
-0.851
-0.987
(5-8)略
9
-1.11122
-0.94097
-1.046
-1.006
-0.
-0.
3-3用二次插值法求函数的最优解。
已知搜区间为,选代精度。
解:
采用Matlab编程计算得:
3-4函数,取初始点为,规定沿点的负梯度方向进行一次一维优化搜索,选代精度:
。
(1)用进退法确定一维优化搜索区间;
(2)用黄金分割法求最优化步长及一维优化最优值;
(3)用二次插值法求最优化步长及一维优化最优值;
(4)上述两种一维优化方法在求解本题时,哪一个种方法收取更快,原因是什么?
解:
最优点,最优值
二次插值法更快
3-5求的极小点,选代精度。
要求:
(1)从出发,为步长确定搜索区间;
(2)用黄金分割法求极值点;
(3)用二次插值法求极值点。
解:
(1)①由已知条件可得,
因为,应作前进搜索。
②步长加倍,,
因为,所以还应再向前搜索,为此应舍去上一次的点。
所以:
③步长加倍,,
因为,所以还应再向前搜索,为此应舍去上一次的点。
所以:
④步长加倍,,
因为,所以还应再向前搜索,为此应舍去上一次的点。
所以:
⑤步长加倍,,
因为,所以已找到具有“高—低—高”特征的区间
即时,;
时,;
时,。
(2)由
(1)确定的搜索区间[0.7,3.1],利用Matlab进行黄金分割法一维优化搜索得:
(3)由
(1)确定的搜索区间[0.7,3.1],利用Matlab进行二次插值法一维优化搜索得:
4-1解:
初始点取,因此。
本题中以函数下降量为终止准则。
第1轮搜索方向,取两坐标轴的单位向量,即取:
从初始点出发,首先沿方向进行一维最优化搜索,求点,即求解:
为此,需先求出最优步长,而后代入式:
,就可求出以为初始点,沿着方向进行一维优化求解的最优点。
因为、已知,由第3章的概念可得:
,下列采用解析法求极值。
因为
所以
由可得
则
而函数值:
再从点出发,沿方向进行一维最优化搜索,求点:
由可得
故
而函数值:
函数下降量:
第二轮搜索:
先从点出发,沿着方向进行一维最优化搜索,求点,
因为
所以
由可得
则
而函数值:
再从点出发,沿方向进行一维最优化搜索,求点:
由可得
故
而函数值:
函数下降量:
第三轮搜索:
先从点出发,沿着方向进行一维最优化搜索,求点,
因为
所以
由可得
则
而函数值:
再从点出发,沿方向进行一维最优化搜索,求点:
由可得
故
而函数值:
函数下降量:
第四轮搜索:
先从点出发,沿着方向进行一维最优化搜索,求点,
因为
所以
由可得
则
而函数值:
再从点出发,沿方向进行一维最优化搜索,求点:
由可得
故
而函数值:
函数下降量:
第五轮搜索:
先从点出发,沿着方向进行一维最优化搜索,求点,
因为
所以
由可得
则
而函数值:
再从点出发,沿方向进行一维最优化搜索,求点:
由可得
故
而函数值:
函数下降量:
第六轮搜索:
先从点出发,沿着方向进行一维最优化搜索,求点,
因为
所以
由可得
则
而函数值:
再从点出发,沿方向进行一维最优化搜索,求点:
由可得
故
而函数值:
函数下降量:
第七轮搜索:
先从点出发,沿着方向进行一维最优化搜索,求点,
因为
所以
由可得
则
而函数值:
再从点出发,沿方向进行一维最优化搜索,求点:
由可得
故
而函数值:
函数下降量:
第八轮搜索:
先从点出发,沿着方向进行一维最优化搜索,求点,
因为
所以
由可得
则
而函数值:
再从点出发,沿方向进行一维最优化搜索,求点:
由可得
故
而函数值:
函数下降量:
将以上各跌代计算结果整理得如下表格:
迭代次数
迭代点
步长
函数值
函数下降量
1
[1.296,2.2]T
-0.704
2.120
0.2598
[1.296,2.488]T
0.288
1.954
2
[1.439,2.488]T
0.143
1.798
0.1525
[1.439,2.755]T
0.267
1.656
3
[1.555,2.755]T
0.116
1.531
0.1401
[1.555,2.987]T
0.232
1.424
4
[1.646,2.987]T
0.091
1.334
0.1138
[1.646,3.178]T
0.191
1.262
5
[1.717,3.178]T
0.071
1.202
0.0856
[1.717,3.333]T
0.155
1.154
6
[1.772,3.333]T
0.055
1.116
0.0589
[1.772,3.456]T
0.123
1.086
7
[1.813,3.456]T
0.041
1.063
0.0295
[1.813,3.550]T
0.094
1.045
8
[1.845,3.550]T
0.032
1.031
0.0239
[1.845,3.625]T
0.075
1.020
在函数下降量的终止准则的基础上,结合优化计算结果可知,所求最优点为[1.845,3.625]T,对应的函数值为。
4-2解:
解:
已知初始点,因此。
第一轮搜索方向,取:
从初始点出发,沿方向进行一维最优化搜索,求点
即求解:
因为=故
令得,。
所以
==函数值
再从出发,沿方向进行一维最优化搜索,求点;
=
令得,所以
==函数值
计算=,得=,
,,
-=26-2=24,-=2-0=2
所以-=26-2=24,m=1.
用判别准则检验:
据此取:
由于,第二轮搜索的初始点取:
,.
从初始点出发,沿方向进行一维最优化搜索,求点。
=
令得,所以
==函数值
再从出发,沿方向进行一维最优化搜索,求点;
=
令得,所以
==函数值
计算=,得=,
,,
-=0+=,-=-+=
所以-=0+=,m=1.
用判别准则检验:
所以
满足判别条件,记新方向为
以为起点,沿方向进行一维最优化搜索,求点;
=
令得,所以
==函数值
检验终止准则
第三轮搜索取新的方向组为:
从初始点取:
,.
从初始点出发,沿
方向进行一维最优化搜索,求点。
=
令得,所以
==函数值
再从出发,沿方向进行一维最优化搜索,求点;
=
令得,所以
==函数值
计算=,得=,
,,
-=-1+1=0,-=-
所以-=-1+1=0,m=1.
用判别准则检验:
故无需对
计算便可知其不满足判别准则检验。
又由于。
所以,我们直接检验终止准则
满足判别条件,记新方向为
最后,求得最优点为,
4-3解:
(1)
初始点因此第1轮搜索方向,取两坐标轴的单位向量。
即取:
从初始点出发首先沿方向进行一维最优化搜索,求点,即求解因为
所以
令则所以而函数值再从点出发沿方向进行一维最优化搜索,求点
令即故求得即计算:
得即
计算各点函数之差,并确定其中差值的最大值
用判别准则检验:
所以不必计算,即可判定第2轮搜索仍采用原方向,即
,
由于第2轮搜索的初始点应定为
即
重复上述步骤进行计算,从出发沿方向进行一维最优化搜索,找到最优点。
令得所以
所以
再从点出发沿方向进行一维最优化搜索,求点:
令得所以所以计算得得计算各点函数值之差,并确定其中差值最大者
所以
m=2,
,
所以
判断条件成立,需要计算新方向,记为
以为起点,沿方向进行一维优化,可求得令得即所以得检验终止准则:
显然不满足需要进行新一轮的优化搜索,新一轮的优化搜索应采用新的方向组。
即,
第3轮搜索的初始点应选在:
,,
令即所以函数值:
,再从出发沿方向进行一维最优化搜索求点
,令
得即所以即计算,计算
,不满足判别准则。
由于显然满足终止准则。
所以最优点为,
(2)
初始点因此第1轮搜索方向,取两坐标轴的单位向量。
即取:
从初始点出发首先沿方向进行一维最优化搜索,求点,即求解因为
所以
令则所以而函数值再从点出发沿方向进行一维最优化搜索,求点
令即故求得即
计算:
以为起点,沿作一维优化求其最优点,并作为下一轮的初始点。
,令
得所以,
更新搜索方向向量组:
,,K=1+1=2。
由于,与向量共线,这样在继续的搜索过程中,实际上就变成了在一维方向上求解二维平面的问题,必然引起搜索的失败,无法求的最优解。
4-4解:
1)、已知初始点
初始点处的梯度为:
根据式(4.5.1-1)求搜索方向为
则第一轮的迭代点X
(1)为
因为目标函数较简单,这里不用搜索法而用解析法来确定α(0):
于是得
接下来求第二轮的迭代点,首先计算点处的梯度,得
根据式(4.5.1-1)求搜索方向为
则第二轮的迭代点X
(2)为
因为目标函数较简单,这里不用搜索法而用解析法来确定α
(1):
于是得
接下来求第三轮的迭代点,首先计算点处的梯度,得
根据式(4.5.1-1)求搜索方向为
则第三轮的迭代点X(3)为
因为目标函数较简单,这里不用搜索法而用解析法来确定α
(2):
于是得
2)、各轮的搜索方向可由第一步可得,而
故互相垂直,又有
故互相垂直
从而验证了相邻两次迭代的搜索方向为互相垂直。
4-5
(1)
解:
初始点取x=。
==
==
[]=
x=x-[]=-=
将x继续进行迭代
==
所以:
x=x-[]=x
x=即为所求最小值=-1
(2)
解:
取初始点为,经计算可得。
4-6解:
。
4-7解:
由已知条件可得:
,
已知初始点,取初始矩阵
初始点处的梯度为:
求搜索方向:
则第一轮的迭代点为:
因为目标函数较简单,这里采用解析法来确定:
令解得
所以,,
接下来求第二轮的迭代点,首先计算点的梯度,得:
计算:
所以,
计算新的迭代点
令解得
所以,,
接下来求第三轮的迭代点,首先计算点的梯度,得:
计算:
所以,
计算新的迭代点
令解得
所以,,
接下来求第四轮的迭代点,首先计算点的梯度,得:
计算:
所以,
计算新的迭代点
令解得
所以,,
接下来求第五轮的迭代点,首先计算点的梯度,得:
计算:
所以,
计算新的迭代点
令解得
所以,,
将以上结果整理得以下数据表格:
k
0
2
0.5
-1
-2
-5.5
0.25
1
2.088
1.119
-2.062
0.3
-6.161
0.221
2
2.421
0.884
-0.926
-1.306
-6.539
0.086
3
2.432
1.228
-1.592
0.048
-6.77
0.106
4
2.637
1.061
-0.848
-1.03
-6.938
0.052
4-8证明:
(1),则
和是关于共轭的。
和不正交。
(2)
,即与正交
又
和不是关于共轭的。
4-9解:
应用Matlab编程计算得结果:
。
5-1解:
根据式(5.2.4-1)可得:
所以,
此时
不在定义域之内,违法约束
5-2解:
取,则,由已知条件可得:
,
(0)以三点组成的三角形的重心为,
则
,
(1)以三点组成的三角形的重心为,
则
由已知定义域可知,改点不在规定的定义域范围内,所以缩小,取
,
(2)以三点组成的三角形的重心为,则
,
(3)以三点组成的三角形的重心为,则
,
(4)以三点组成的三角形的重心为,则
由已知定义域可知,改点不在规定的定义域范围内,所以缩小,取
,
(5)以三点组成的三角形的重心为,则
通过五次的复合形计算得最优点为。
5-3解:
(1)内点法:
根据内点法初始点选用原则,取其初始点为。
(2)外点法:
,
=
根据外点法初始点选用原则,取其初始点为。
5-4解:
,
5-5解:
将已知约束条件整理得:
,
5-6解:
由已知条件得
令可得其极值表达式为:
惩罚函数的极值为:
,取不同值时惩罚函数的取值情况如下表所示:
0.1
0.01
0.001
0
5.316
5.1
5.032
5.01
5
56.324
52
50.632
50.2
50
通过以上表格数据进行绘图可知,随着值的减小,极值点将沿一直线轨迹缩小。
5-7解:
构造外点法惩罚函数:
=
令函数的一阶偏导数为零,可得其无约束极值点
令可得
当时:
最终的最优解为。
最优点的移动方向沿着直线方向。
5-8解:
构造拉格朗日函数:
再求偏导数并令其等于零,得
解上面的方程组得:
即得最优解:
5-9解:
构造拉格朗日函数: