1机械优化设计概述
优化设计是在满足一定的约束前提下寻求目标函数极大值或极小值的过程。实际上，自然界中很多现象都是以优化的方式存在的，比如在金属和合金中，原子占据能量最小的位置以形成细胞，这些晶胞决定了材料的晶体结构：在零重力条件下一滴液体的形状是一个完美的球，因为在体积一定的条件下，球的表面积最小：树的枝干在根部变粗以抗弯，蜂巢结构是最紧凑的包装排列方式之一等，而遗传和变异对生存来讲是自然界优化过程的又一实例。和自然界一样，社会和企业中的许多问题也在追求最优化状态，然而这些问题的解多数情况下都是基于判断和经验，随着企业之间的竞争加剧和用户要求的不断提高，要求得到最优解而不仅仅是可行解，在大规模零件生产中的很小的节约也会给企业带来可观的效益在建立数学模型的过程中，我们需要用到以前学过的一些数学基础，如多元函数的方向导数与梯度、多元函数的泰X展开、无约束优化问题的极值条件、约束优化问题的极值条件、凸集、凸函数与凸规划等等。
2机械优化方法简介
2.1一维搜索优化方法
一维搜索方法搜索区间的确定有两种。一是数值迭代法，数值迭代法有包括间接法和直接法，其中间接法包括二次插值法、三次插值法、牛顿法（切线法）；直接法包括了最常用的一维搜索试探方法黄金分割法等；插值方法和试探方法都是利用区间消去法原理将初始搜索区间不断缩短，从而求得极小值的数值近似解。
2.2约束优化方法
约束优化设计方法即设计变量的取值范围受到某种时的最优化方法，与无约束问题不同，约束问题目标函数的最小值是满足约束条件下的最小值，即是由约束条件所的可行域内的最小值。
约束优化问题的直接解法其基本思想是在可行域内按照一定的原则直接探索出它的最优点，而不需要将约束优化问题转换成无约束问题去求优，不需要利用目标函数和约束函数的梯度，可直接利用迭代点和目标函数值来构造搜索方向,间接解法包括：惩罚函数法，而惩罚函数法又包括内点罚函数法、外点罚函数法和混合罚函数法：还包括增广乘子法、广义简约梯度法、二次规划法等等。
2.3无约束优化方法
无约束优化问题求优过程的求解方法大致分为两类。一是直接法（不需要函数的导数），下面对其中几种方法做简单阐述，坐标轮换法：将n维问题转化为一次沿n个坐标方向轮回进行一维搜索。收敛速度较慢，适合n≤10的小型无约束优化问题，若目标函数具有“脊线”，算法将出现病态：沿两个坐标方向均不能使函数值下降，误认为是最优点。鲍：属于模式搜索法，搜索方向不一定是共轭方向组，而是共轭程度越来越高的方向组，避免原始鲍
威尔XX的方向组线性相关退化现象，对初始点没有特殊要求，具有超线性收敛速度，适合中小型无约束优化问题。在实际工程中，无约束条件的设计问题是非常少的，多数问题是有约束的。尽管如此，无约束优化方法仍然是最优化设计的基本组成部分，因为约束优化问题可以通过对约束条件的处理而转化为无约束最优化问题来求解
2.4多目标及离散变量优化方法
前面介绍的优化方法，可直接用于仅含一个目标函数的所谓的“单目标函数的最优化设计问题”，而在许多的实际工程设计问题中，常常期望同时有几项设计指标都达到最优值，这就是我即将要阐述的“多目标函数的最优化问题”。
多目标优化的求解方法甚多，最主要的有两大类，一类是直接求出非劣解，然后从中选择较好解，包括如合适等约束法，另一类是将目标优化问题求解时作适当的处理。处理方法包括：一是将多目标优化问题重新构造一个函数，从而将多目标优化问题转化为一系列单目标优化问题来求解，这种方法包括：主要目标法、线性加权和法、理想点法、平方和加权法、分目标乘除法、功率系数法等
2.5其他优化方法简介
近年来，发展了一种模拟生物进化的优化方法，称为“遗传算法”。它是在19__年由美国教授JHolland提出的一种人工智能方法，它是在计算机上按生物进化过程进行模拟的一种搜索寻优算法。其思路是把函数的搜索空间看成是一个映射的遗传空间，而把在此空间进行寻优搜索的可行解看成是一个向量染色体组成的结合，染色体是由基因（元素）组成的向量。它是基于MonteCarlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题的相似性。
总结：近年来，随着数学规划理论的不断发展和工作站计算能力的不断挖掘，机械优化设计方法和手段都有非常大的突破。且优化设计思路不断的开阔，仿生学理论、基因遗传学理论和人工智能优化等现代设计理论的引入，都大大促进优化设计方法的更新和完善。
[1]孙XX迎春.机械优化设计[M].机械工业出版社,20__.
[2]范垂本,陈,吴一.机械优化设计方法［J］.机械制造,1981.
下载本文