当前位置：文档之家 › 基于Matlab的机械优化设计课后题

基于Matlab的机械优化设计课后题

  • 格式：doc
  • 大小：57.50 KB
  • 文档页数：7

基于Matlab的机械优化设计课后题 1.一维搜索法 说明：采用0.618法进行编程 代码如下：syms t

f=（需要计算的函数） x1=0;h=2; f1=subs(f,x1);x2=x1+h; f2=subs(f,x2); f3=f2-1;t=1; if (f1-f2)>0 while f3 f3=subs(f,x2+t*h); t=t+1; end x3=x2+t*h; else f3=f2;f2=f1;t=1;f1=f2-1;x3=x2;x2=x1; while f1 f1=subs(f,x2-t*h); t=t+1; end x1=x2-t*h; end a=x1;b=x3; e=1e-05;k=0.618; a1=b-k*(b-a); a2=a+k*(b-a); f1=subs(f,a1); f2=subs(f,a2); c=(b-a)/2; while c>e if f1>f2 a=a1;a1=a2; a2=a+k*(b-a); f1=f2; f2=subs(f,a2); else b=a2;a2=a1; a1=b-k*(b-a); f2=f1; f1=subs(f,a1); end c=(b-a)/2; end

实际运行结果如下：

1. t=a1=5；f=11; 2. t=a1=3.2796;f=22.6590; 3. t=a1=2;f=1.1122e-011; 2.无约束的优化设计

说明：一共采用了三种算法的编程 首先要建立步长函数，步长函数代码如下： function az=buchang(x,d,f) b=symvar(f); syms aa xn=x-d*aa; pa=subs(f,b,xn); pd=diff(pa,aa); aa=solve(pd); aa=real(aa); aa=subs(aa); n=size(aa,1);z=zeros(1,n); for i=1:n xn(:,i)=x-aa(i)*d; end for i=1:n z(i)=subs(f,b,xn(:,i)); end s=z(1);c=1; for i=1:n-1 if s>z(i+1) s=z(i+1);c=i+1; end end az=aa(c); end

1. DFP：·¨ syms （函数中的变量） f=（所需要优化的函数） x0=;b=symvar(f); n=size(b,2);g=cell(n,1);G=cell(n,n);H0=eye(n,n); for i=1:n g{i,1}=diff(f,b(i)); end for i=1:n %²úÉúº£Èû¾ØÕó for j=1:n G{j,i}=diff(g{i},b(j)); end end g0=subs(g,b,x0); d0=H0*g0; a=buchang(x0,d0,f); x1=x0-a*d0; xcha=x1-x0; dis=mo(xcha);k=1 while dis>1e-5 g1=subs(g,b,x1); if g1==0 Gy=subs(G,b,x1) break end y0=g1-g0; s0=x1-x0; H1=H0+(s0*s0')/(s0'*y0)-(H0*y0*y0'*H0)/(y0'*H0*y0); d1=H1*g1; a=buchang(x1,d1,f); x2=x1-a*d1; g0=g1;x0=x1;x1=x2;H0=H1; xcha=x1-x0;dis=mo(xcha); x1 subs(f,b,x1) k=k+1 end

2.坐标轮换法： syms t1 t2 f=(t1^2+t2-11)^2+(t1+t2^2-7)^2; b=symvar(f);n=size(b,2); A=eye(n,n);x0=[1;1]; dis=1;k=0; while dis>1e-5 if k==30 break end e=A(:,1); a=buchang(x0,e,f); x1=x0-e*a;i=2; while i e=A(:,i); a=buchang(x1,e,f); x2=x1-e*a; x1=x2;i=i+1; end xcha=x1-x0;dis=mo(xcha);x0=x1;k=k+1 x0 end

3.鲍威尔法： syms t1 t2 t3 t4 f=(t1+10*t2)^2+5*(t3-t4)^2+(t2-2*t3)^4+10*(t1-t4)^4; x0=[3;-1;0;1];b=symvar(f);n=size(b,2); A=eye(n,n);dis=1; while dis>1e-6 F0=subs(f,b,x0); e=A(:,1); a=buchang(x0,e,f); x1=x0-e*a;i=2;fz=zeros(1,n); while i e=A(:,i); fd=subs(f,b,x1); fz(1,i-1)=fd; a=buchang(x1,e,f); x2=x1-a*e;x1=x2; i=i+1; end xcha=x1-x0;dis=mo(xcha); d=x1-x0;x=x1+d; F2=subs(f,b,x1);F3=subs(f,b,x); fz=[F0,fz];cz=zeros(1,n); for i=1:n cz(i)=fz(i)-fz(i+1); end czm=max(cz);m=find(czm); P1=F3-F0;P2=(F0-2*F2+F3)*(F0-F2-czm)^2-0.5*czm*(F0-F3)^2; if P1<0&&P2<0 a=buchang(x1,d,f); x0=x1-a*d; A(:,m)=[]; A=[A,d]; else if F2 x0=x1; else x0=x; end end x0 end

实际运行结果如下：

1. x=[5;6];f=0 2. x=[3;2];f=0 3. x=[3;0.5];f=0.52978; 4. x=[0.1239;0.2844];f=5.8969; 5. x=[0;0;0;0];f=0; 3.约束优化方法程序

说明：本题采用matlab自带的fmincon函数来解决非线性优化问题 具体代码如下： 1. function y=fun1(x)

y=(x(1)-2).^2+(x(2)-1).^2; end function [c,ceq]=gt1(x) c=x(1).^2-x(2); ceq=[]; end A=[1,1];b=2; x0=[1;2];lb=[];ub=[]; [x,fval,exitflag,output,lambda,grad,hessian]=fmincon(@fun1,x0,A,b,[],[],lb,ub,@gt1);

运行结果如下：

x=[1;1];fval=1 2. function y=fun2(x)

y=x(2).^3*((x(1)-3).^2-9)/(27*sqrt(3)); end A=[-1/sqrt(3),1;-1,1/sqrt(3);1,1/sqrt(3)];b=[0;0;6]; x0=[2;3];lb=[0;0];ub=[]; [x,fval,exitflag,output,lambda,grad,hessian]=fmincon(@fun2,x0,A,b,[],[],lb,ub)

运行结果如下:

X=[4.5000;2.5981];f=-2.5313; 备注：引用函数并未能够达到最优点，原因不明； 3. function y=fun3(x)

y=1000-x(1).^2-2*x(2).^2-x(3)^2-x(1).*x(2)-x(1).*x(3); end function [c,cev]=gt2(x) c=[]; cev(1)=x(1).^2+x(2).^2+x(3).^2-25; cev(2)=8*x(1)+14*x(2)+7*x(3)-56; end A=[];b=[];Aq=[];bq=[];lb=[0;0;0];ub=[]; x0=[2;2;2]; [x,fval,exitflag,output,lambda,grad,hessian]=fmincon(@fun3,x0,A,b,Aq,bq,lb,ub,'gt2')

运行结果如下：

x= [3.5121;0.2170;3.5522];f= 961.7152; exitflag =4 备注：引用函数由于算法在迭代过程中产生了NaN，迭代被迫终止 4. function y=fun4(x)

y=100*(x(2)-x(1).^2).^2+(1-x(1)).^2+90*(x(4)-x(3).^2).^2+(1-x(3))^2+10*((x(2)-1).^2+(x(4)-... 1).^2)+19.8*(x(2)-1)*(x(4)-1); end A=[];b=[];Aq=[];bq=[];lb=[-10;-10;-10;-10];ub=[10;10;10;10];x0=[-3;-1;-3;-1]; [x,fval,exitflag,output,lambda,grad,hessian]=fmincon(@fun4,x0,A,b,Aq,bq,lb,ub)

合集下载

机械优化设计习题及答案1

机械优化设计习题及答案1

机械优化设计习题及参考答案1-1.简述优化设计问题数学模型的表达形式。

答：优化问题的数学模型是实际优化设计问题的数学抽象。

在明确设计变量、约束条件、目标函数之后，优化设计问题就可以表示成一般数学形式。

求设计变量向量[]12Tn x x x x =L 使 ()min f x → 且满足约束条件()0(1,2,)k h x k l ==L ()0(1,2,)j g x j m ≤=L2-1.何谓函数的梯度梯度对优化设计有何意义答：二元函数f(x 1,x 2)在x 0点处的方向导数的表达式可以改写成下面的形式：⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡∂∂∂∂=∂∂+∂∂=∂∂2cos 1cos 212cos 21cos 1θθθθxo x f x f xo x f xo x f xo d fρ令xo Tx f x f x f x fx f ⎥⎦⎤⎢⎣⎡∂∂∂∂=∂∂∂∂=∇21]21[)0(， 则称它为函数f （x 1，x 2）在x 0点处的梯度。

（1）梯度方向是函数值变化最快方向，梯度模是函数变化率的最大值。

（2）梯度与切线方向d 垂直，从而推得梯度方向为等值面的法线方向。

梯度)0(x f ∇方向为函数变化率最大方向，也就是最速上升方向。

负梯度-)0(x f ∇方向为函数变化率最小方向，即最速下降方向。

2-2.求二元函数f （x 1，x 2）=2x 12+x 22-2x 1+x 2在T x ]0,0[0=处函数变化率最大的方向和数值。

解：由于函数变化率最大的方向就是梯度的方向，这里用单位向量p 表示，函数变化率最大和数值时梯度的模)0(x f ∇。

求f （x1，x2）在x0点处的梯度方向和数值，计算如下：()⎥⎦⎤⎢⎣⎡-=⎥⎦⎤⎢⎣⎡+-=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡∂∂∂∂=∇120122214210x x x x fx f x f 2221)0(⎪⎭⎫ ⎝⎛∂∂+⎪⎭⎫ ⎝⎛∂∂=∇x f x f x f =5⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡-=⎥⎦⎤⎢⎣⎡-=∇∇=5152512)0()0(x f x f p ϖ2-3.试求目标函数()2221212143,x x x x x x f +-=在点X 0=[1,0]T 处的最速下降方向，并求沿着该方向移动一个单位长度后新点的目标函数值。

机械优化设计试题及答案

机械优化设计试题及答案

机械优化设计试题及答案### 机械优化设计试题及答案#### 一、选择题（每题2分，共10分）1. 机械优化设计的最基本目标是什么？- A. 最小化成本- B. 最大化效率- C. 确保安全性- D. 以上都是2. 以下哪个是优化设计中常用的数学方法？- A. 线性代数- B. 微积分- C. 概率论- D. 几何学3. 在进行机械优化设计时，以下哪个因素通常不是设计变量？ - A. 材料选择- B. 尺寸参数- C. 工作温度- D. 制造工艺4. 机械优化设计中，约束条件通常包括哪些类型？- A. 应力约束- B. 位移约束- C. 速度约束- D. 所有上述5. 以下哪个软件不是用于机械优化设计的？- A. ANSYS- B. MATLAB- C. AutoCAD- D. SolidWorks#### 二、简答题（每题10分，共20分）1. 简述机械优化设计的基本步骤。

2. 解释什么是多目标优化，并举例说明其在机械设计中的应用。

#### 三、计算题（每题15分，共30分）1. 假设有一个机械臂设计问题，需要优化其长度以获得最大的工作范围。

如果机械臂的长度 \( L \) 与工作范围 \( R \) 的关系为 \( R = L \times \sin(\theta) \)，其中 \( \theta \) 是机械臂与水平面的夹角，\( 0 \leq \theta \leq 90^\circ \)，求当 \( \theta = 45^\circ \) 时，机械臂的最佳长度 \( L \)。

2. 考虑一个简单的梁结构，其长度为 \( 10 \) 米，承受均布载荷\( q = 10 \) kN/m。

若梁的弯曲刚度 \( EI \) 为 \( 1 \times10^7 \) Nm²，求梁的最大挠度 \( \delta \)。

#### 四、论述题（每题15分，共30分）1. 论述机械优化设计在现代制造业中的重要性。

机械优化设计作业

机械优化设计作业

机械优化设计作业—工]+ 2 兀2 —4 * 2x}+3X2< 121 > min f= -4x1-x^x{ -x2 <3x^x2>0在MATLAB下编程如下：* m 肝w|厂1 iLb h鼻「* j-f C L Q rrat VM电+ g ge? thi p irie-f v«irti»mu ：»4 l-L 212 3.1 -I]>> b= K. I2；3j ；»= L>:>> [-Kj fv3e 11 £laifj cmtptrl 1 - Lirt t Pg: Cfj Aj bj []>【1, Lbi Opt iviii «Lori 1 a ranijn al Q dL3E =4・ 2Q0D1・ 3000f val ■・oonoex it-"fl a.z ―Iou t put =i■卷e-r -al i ons r 5■^1 g a r 11 t l-|JL £*L N E恵Q—NUEd 口！：X nt iiT L.口If pQHEt"c £it er al 1 atri ■; i: 0" ' C^p't Ji H.L £at 1 □ A t wt BLilialt^idca nc 1 rui a 1 at ion E0<iTiterderapl,: 4.5137e-口Dfln J :0 W Jr〕+ 2X2+ 2乂§ < 722“ min f ——x{x2x3在MATLAB下编程如下:先编写M文件，建立目标函数fun cti on f=zuoye2(x)f=-x(1)*x(2)*x(3);主程序如下：>> x0=[1;1;1];A=[-1,-2 ,-2;1,2,2];b=[0;72];lb=zeros(3,1);[x,fval,exitflag,output]=fmincon('zuoye2',x0,A,b,[],[],lb)Warning: Trust-region-reflective algorithm does not solve this type of problem, using active-setalgorithm. You could also try the interior-point or sqp algorithms: set the Algorithm option to'interior-point' or 'sqp' and rerun. For more help, see Choosing the Algorithm in the documentation.> In fmincon at 472Local minimum possible. Constraints satisfied.fmincon stopped because the predicted change in the objective function is less than the default value of the function tolerance and constraints were satisfied to within the default value of the constraint tolerance.<stopping criteria details>Active inequalities (to within options.TolCon = 1e-006):lower upper ineqlin ineqnonlin2x =23.999712.000112.0001fval =-3.4560e+003exitflag =5output =iterations: 9funcCount: 42Issteple ngth: 1stepsize: 3.3708e-004algorithm: 'medium-scale: SQP, Quasi-Newt on, li ne-search' firstorderopt: 0.0025 con strviolati on: 0message: [1x777 char]3、机床主轴是机床中重要零件之一，一般为多支承空心阶梯轴。

机械优化设计课后程序考核题

机械优化设计课后程序考核题

机械优化设计课后程序考核题(总4页)-CAL-FENGHAI.-(YICAI)-Company One1-CAL-本页仅作为文档封面，使用请直接删除机械优化设计程序考核题1、一维搜索方法程序考核题()3610min 2+-=t t t f最优解：()0.11,0.5**==t f tto =fo =112、无约束优化方法程序考核题()()()2221654min -+-=x x x f 初始点：()45,]9,8[00==x f x T最优解：()0,]6,5[**==x f x T运行结果：Warning: Gradient must be provided for trust-region method;using line-search method instead.> In fminunc at 241Optimization terminated: relative infinity-norm of gradient less than .Computing finite-difference Hessian using user-supplied objective function. x =fval =exitflag =1output =iterations: 7funcCount: 24stepsize: 1firstorderopt:algorithm: 'medium-scale: Quasi-Newton line search'message: 'Optimization terminated: relative infinity-norm of gradient less than .'grad =*hessian =3、约束优化方法的程序考核题()()()222112min -+-=x x x f . ()()0202122211≤-+=≤-=x x x g x x x g初始点：()5,]3,3[00==x f x T最优解：()1,]1,1[**==x f x T运行结果 ：Warning: Large-scale (trust region) method does not currently solve this type of problem,switching to medium-scale (line search).> In fmincon at 260c =6c =c =c =c =c =c =c =c =Optimization terminated: first-order optimality measure less thanand maximum constraint violation is less than .Active inequalities (to within = 1e-006):lower upper ineqlin ineqnonlin1 1x =fval =exitflag =1output =iterations: 2funcCount: 11stepsize: 1algorithm: 'medium-scale: SQP, Quasi-Newton, line-search' firstorderopt:cgiterations: []message: [1x143 char]lambda =lower: [2x1 double]upper: [2x1 double]eqlin: [0x1 double]eqnonlin: [0x1 double]ineqlin:ineqnonlin:grad =hessian =。