《优化设计的数学基础》由会员分享，可在线阅读，更多相关《优化设计的数学基础（6页珍藏版）》请在金锄头文库上搜索。
1、第三章 优化设计的数学基本一 等值（线）面 目的函数是n维变量的函数，它的函数图像只能在n+1维空间中描述出来。为了在n维设计空间中反映目的函数的变化状况，常采用目的函数等值面的措施。 对于可计算的函数 f(x)，给定一种设计点 X(k)，f(x)总有一种定值c 与之相应；而当f(x)取定值 c 时，则有无限多种设计点X(i)（i=1,2, ）与之相应，这些点集构成一种曲面，称为等值面。即具有相等目的函数值的设计点构成的平面曲线或曲面称为等值线或等值面。目的函数F(x)的等值面（线）数学体现式为：F(x)=C当 c 取c1,c2, 等值时，就获得一族曲面族，称为等值面族。等值线的“心” （以二
2、维为例）一种“心”：是单峰函数的极（小）值点，是全局极（小）值点。没有“心”：例，线性函数的等值线是平行的，无“心”，觉得极值点在无穷远处。多种“心”：不是单峰函数，每个极（小）值点只是局部极（小）值点，必须通过比较各个极值点和“鞍点”（须对的鉴别）的值，才干拟定极（小）值点。 等值线的形状：同心圆族、椭圆族，近似椭圆族；严重非线性函数病态函数的等值线族是严重偏心和扭曲、分布疏密严重不一的曲线族。等值线的疏密：沿等值线密的方向，函数值变化快；沿等值线疏的方向，函数值变化慢。等值线的疏密定性反映函数值变化率。二 方向导数与梯度1 方向导数二元函数在点x0处沿某一方向s的方向导数方向导数是偏导数概
3、念的推广。方向导数与偏导数之间的数量关系是n元函数在点x0处沿s方向的方向导数 2 梯度二元函数的梯度 F(x0)为函数F(x1，x2)在x0点处的梯度。 设 s方向和梯度方向重叠时，方向导数值最大。梯度的模： 设 为单位向量 则有梯度方向是函数值变化最快的方向，而梯度的模就是函数变化率的最大值。多元函数的梯度梯度F(x0)的模函数的梯度方向与函数等值面相垂直，也就是和等值面上过x0的一切曲线相垂直。由于梯度的模因点而异，即函数在不同点处的最大变化率是不同的。因此，梯度是函数的一种局部性质。 梯度两个重要性质：（搜索方向问题） 性质一：函数在某点的梯度不为零，则必与过该点的等值面垂直； 性质二：梯度方向是函数具有最大变化率的方向。例题1：求函数在点3,2T 的梯度。解： 在点x(1)=3,2T处的梯度为：例2：试求目的函数 在点处的最速下降方向，并求沿这个方向移动一单位长度后新点的目的函数值。解：由于则函数在 处的最速下降方向是这个方向上的单位向量： 新点：
