《现代设计理论与方法,梯度法》由会员分享，可在线阅读，更多相关《现代设计理论与方法,梯度法（19页珍藏版）》请在金锄头文库上搜索。
1、 2012-05-21本组讨论情况讲解的两个知识点学习体会讨论的问题对本课程的建议主要内容本组讨论情况姓名 讲解的内容11.基于功能的设计思维 2.人机界面设计 3.逆向工程21.人机工程学 2.汽车造型设计 3.虚拟设计31.现代设计及其内涵 2.摩擦学准则 3.优化设计41.基于功能的设计思维 2.人机工程中的人机交互界面 3.系统化设计方法51.人机环境因素和可持续发展 2.弹塑性力学 3.模拟退火算法6 1.基于人因论的设计思维 2.蚁群算法的基本原理及思想 3.优化设计方法讲解的两个知识点1、梯度法2、反求设计及逆向工程实验室设备分析一、梯度法1.基本思想梯度方向是函数值增加最快的方
2、向，而负梯度方向是函数下降最快的方向，所以梯度法以负梯度方向为搜索方向，每次迭代都沿着负梯度方向一维搜索，直到满足精度要求为止。因此，梯度法又称为最速下降法。设在某次迭代中已取得迭代点X(k)，从该点出发，取负梯度方向为搜索方向S(k)，即： 这样，第k+1次迭代计算所得的新点为：上式即为梯度法迭代公式。或因为X(k)已知，故 和 不难求出，只要知道步长 后，就可以得到新点X(k+1)。由于每次迭代能保证 ，如此反复计算，最后总能达到最优点X*。为了使目标函数值在搜索方向S(k)上获得最多的下降，每次迭代都进行一维搜索求最优步长，即求(k)满足：2.迭代步骤开始给定X0，k=0结束是否3.例题
3、用梯度法求函数 f (X ) = (x1 - 2)4 + (x1 - 2x2 )2的极小值 ，其中X = (x1 , x2 )T，要求选取初始点X 0 = (0,3)T ，计算 精度= 0.1。 解：因 f (X ) = 4(x1 - 2) 3+ 2(x1 - 2x2 ),-4(x1 - 2x2 )T则 f (X（0）) = (-44, 24)Tf (X（0）)= 50.12 S（0）= -f (X（0）)= (44,-24)T求的最优解（0），由黄金分割法可得（0）= 0.06，于是X（1）= X（0）+（0）S（0）= (2.70,1.51)Tf (X（1）) = (0.73,1.28)T
4、f (X（1）)=1.47 令S（1）= - f (X（1）)再求的最优解.略去计算步骤，由表1给出计算结果.由表1可知， f (X（7）) = 0.09 ，所以 X（7）= (2.28,1.15)T 为近似最优解，原问题的近似最优值为0.007。 表1迭代 次数 kX(k)f(Xk)f (X( k) )f (X(k)S(k)X(k+1)0(0.00,3.00)T52.00(-44,24)T50.120.06(2.70,1.51)T1(2.701.51,)T0.34(0.73,1.28)T1.470.24(2.52,1.20)T2(2.52,1.20)T0.09(0.80,-0.48)T0.9
5、30.11(2.43,1.25)T3(2.43,1.25)T0.04(0.18,0.28)T0.330.31(2.37,1.16)T4(2.37,1.16)T0.02(0.30,-0.20)T0.360.12(2.33,1.18)T5(2.33,1.18)T0.01(0.08,0.12)T0.140.36(2.30,1.14)T6(2.30,1.14)T0.009(0.15,-0.08)T0.170.13(2.28,1.15)T7(2.28,1.15)T0.007(0.05,0.08)T0.094.梯度法的特点负梯度方向只是函数某点处的局部性质，一旦离开该点，就不能保证负梯度方向仍是下降最快的
6、方向了。梯度法在迭代初期使函数值下降很快，越到迭代后期，函数值下降越慢，梯度法的效率也就越低。采用负梯度方向，从局部看函数值下降快，从全局看却要走很多弯路。因此，梯度法的收敛速度较慢。正是基于这一特点，梯度法常与其他方法结合使用。即在迭代初期使用梯度法，在中后期使用其他方法。学习体会通过该课程的学习，使我对现代设计当中的一些 知识有了系统化的了解。由于该课程开展的形式比较 多样，除了上课，还有小组讨论、实验等。通过讨论 交流以及实验的方式，使我对所学的知识有了更深的 理解。讨论的问题1.在梯度法中，为什么迭代后期函数值下降越慢？梯度法的搜索路径对本课程的建议如果老师上课能采用多媒体教学的话，我想讲解的 内容应该会更多，而且会更丰富。致谢最后，我代表我们组的成员感谢王老师以及赵师 兄，对我们的帮助和指导。
