机械优化设计第2阶段练习试题.doc

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
江南大学现代远程教育 第二阶段练习题 考试科目:《机械优化设计》 第四章至第六章 (总分100分) 学习中心(教学点) 批次: 层次: 专业: 学号: 身份证号: 姓名: 得分: 一、单项选择题(本题共5小题,每小题4分,共20分。在每小题列出的四个选项中只有一个选项是符合题目要求的,请将正确选项前的字母填在横线上。) (1)、下面 方法需要求海赛矩阵。 A、最速下降法 B、共轭梯度法 C、牛顿型法 D、DFP法 、内点惩罚函数法可用于求解__________优化问题。 A 无约束优化问题 B 只含有不等式约束的优化问题 C 只含有等式的优化问题 D 含有不等式和等式约束的优化问题 、拉格朗日乘子法是求解等式约束优化问题的一种经典方法,它是一种___________。 A、降维法 B、消元法 C、数学规划法 D、升维法 、变尺度法的迭代公式为xk+1=xk-αkHk▽f(xk),下列不属于Hk必须满足的条件的是________。 A. Hk之间有简单的迭代形式 B.拟牛顿条件 C.与海塞矩阵正交 D.对称正定 、函数在某点的梯度方向为函数在该点的 。 A、最速上升方向 B、上升方向 C、最速下降方向 D、下降方向 (本题共13个空,每空2-3分,共30分。) (1)、用最速下降法求f(X)=100(x2- x12) 2+(1- x1) 2的最优解时,设X(0)=[-0.5,0.5]T,第一步迭代的搜索方向为 。采用外点法求解约束优化问题时,将约束优化问题转化为外点形式时引入的惩罚因子r数列,具有 特点。与负梯度成锐角的方向为函数值 方向,与梯度成直角的方向为函数值 方向。对于无约束二元函数,若在点处取得极小值,其必要条件是 ,充分条件是 。牛顿法的搜索方向dk= ,其计算量 ,且要求初始点在极小点 位置。将函数f(X)=x12+x22-x1x2-10x1-4x2+60表示成的形式 。采用数学规划法求解多元函数极值点时,根据迭代公式需要进行一维搜索,即求 。 (本题共15分。) 四、用外点惩罚函数法求解上题(本题20分) 五、用混合惩罚函数法求解下列约束优化问题: (本题15分) 参考答案: 一、单项选择题:(本题共5小题,每小题4分,共20分) (1)、C (2)、B (3)、D (4)、C (5)、 A 二、填空题:(本题共13个空,每空2-3分,共30分。) (1)、。 (2)、趋近无穷大。 (3)、下降,不变。 (4)、,。 (5)、,大,相对近的。 (6)、。 (7)、最佳步长。 三、(本题共15分。) 解:构造内点惩罚函数: 用极值条件对其求解: 联立求解得 当时,; 当时,; 当时,; 当时,; ······ 当时,。 可见随着惩罚因子r的逐渐减小,构造的惩罚函数的极小点是逐渐向约束问题的最优点逼近的。在时,找到原约束优化问题的最优点。 四、(本题共20分) 解:(1)构造惩罚函数为对应的无约束最优化问题: (2) 直接用极值条件对其求解 点在可行域内时 可见最优点不在可行域内。 点在可行域外时 联立求解得 取一组递增的惩罚因子,得到惩罚函数的一组极小点如下: 当时,; 当时,; 当时,; 当时,; ······ 当时,。 可见随着惩罚因子r的逐渐增大,构造的惩罚函数的极小点是逐渐向约束问题的最优点逼近的。在时,找到原约束优化问题的最优点。 五、 (本题15分) 解:(1)构造的惩罚函数为 (2) 如果以为初始点,,混合惩罚函数取精度,选择鲍威尔法进行无约束优化,通过运行程序,经过5次迭代,

文档评论(0)

js1180 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档