Professional Documents
Culture Documents
Bài Giảng Tối Ưu Hóa Trong Thiết Kế Cơ Khí - Chương 1 - ĐH Công Nghiệp TP.hcm - 1267905
Bài Giảng Tối Ưu Hóa Trong Thiết Kế Cơ Khí - Chương 1 - ĐH Công Nghiệp TP.hcm - 1267905
CHƯƠNG I:
NHỮNG KHÁI NIỆM CƠ BẢN
Thời lượng: 6 tiết (2 buổi)
2
Các tình huống tối ưu hóa trong thiết kế Cơ khí
a
a
V 1 dm S min
3
3
Các tình huống tối ưu hóa trong thiết kế Cơ khí
Cho dầm với mặt cắt hình tròn đặc với đường kính d, được
làm từ vật liệu có khối lượng riêng ρ. Chiều dài dầm là L.
Tìm đường kính d để khối lượng dầm là tối thiểu, biết tần số
dao động riêng thứ nhất của nó không được vượt quá giá trị
f
4
Các tình huống tối ưu hóa trong thiết kế Cơ khí
Tối ưu hóa
- Thường là:
• Khối lượng của một vật hay chi tiết, cụm vật, v.v…
• Ứng suất, độ bền
• Chuyển vị, độ cứng
• Giá thành, chi phí
• Hiệu suất, công suất, năng suất
9
Phát biểu của một vấn đề tối ưu hóa
Cực tiểu toàn Không có cực tiểu Cực tiểu toàn cục
cục chặt chẽ toàn cục chặt chẽ không chặt chẽ
Cực tiểu cục bộ chặt chẽ Cực tiểu cục Cực tiểu cục bộ Cực tiểu cục
(toàn cục) bộ chặt chẽ không chặt chẽ bộ chặt chẽ
14
Tính lồi lõm (Convexity)
f x 0
f x 0
f x 0
f x 0
19
Độ dốc của hàm nhiều biến
f x , x x1 , x2 , , xn
f
x
1
f
f x x2
f
xn
20
Tiếp tuyến và độ dốc của hàm 2 biến
x3 f x1 , x2 sin x1 x2
Giao tuyến giữa các mặt phẳng song song với mặt phẳng x1x2 với bề mặt hàm số
sẽ tạo ra các đường đồng mức, mà ở đó giá trị của hàm số tại mọi điểm trên
những đường này đều bằng nhau.
21
Tiếp tuyến và độ dốc của hàm 2 biến
x3 f x1 , x2 sin x1 x2
f x u
T
24
Ý nghĩa của đạo hàm định hướng
MAX
f x
f x u
T
u
e
25
Ma trận Hessian
Xét hàm số n biến: f x f x1 , x2 , , xn
2 f 2 f 2 f
x1
2
x1x2 x1xn
2 f 2 f 2 f
Ma trận Hessian được định nghĩa: x2x1
H x22 x2 xn
2 f 2 f f
2
Yêu cầu:
1. Tìm Gradient và ma trận Hessian của hàm số
2. Tìm đạo hàm định hướng của hàm f tại điểm (1,1,1) theo
hướng của véctơ d=[1,2,3]T
2
Với: x x 0 Δx Δx x x 0
2
x x0
Để tính toán cần tính f x
0 Chú {, dĩ nhiên là
sẵn các véctơ và ma
f x f x 0 f(x)≈l(x)≈q(x) khi x≈x0
trận sau đây:
H x H x 0
28
Ý nghĩa của việc xấp xỉ
1
f x f x 0 f x 0 x x 0 x x 0 H x 0 x x 0
T T
2
l x
q x
x0 0
29
Bài tập ví dụ 2
Hãy xây dựng xấp xỉ tuyến tính và xấp xỉ bậc 2 của
hàm số sau tại điểm (2,1) và kiểm tra lại giá trị của f x 3 x x1
2
hàm số, giá trị của các xấp xỉ tại điểm lân cận của x2
nó là (1.9,1.1)
x 0 2 1 ; x x1 x2
T T
x1 2
x x0
2
x 1
f x0 1
1
Dựa theo quy trình x 1
tính, ta có: f x 2
f x 0
x1 5
3
x2
2
1
0 x22
H x 0
0 1
H x 1 4
1 2 x1
x2 3
2 x2
30
Bài tập ví dụ 2 (tiếp)
Xấp xỉ tuyến tính và xấp xỉ bậc 2 sau khi rút gọn có dạng:
x1 x2 2 x22 2 x1 7 x2 2
f 1.9,1.1 1.572727
l 1.9,1.1 1.6
Xấp xỉ bậc 2 chính xác
hơn xấp xỉ tuyến tính
q 1.9,1.1 1.57
x 0 2 1T 1.9 2 0.1 31
x x 1.1 1 0.1
x 1.9 1.1
0
T
f x0 1
1
x1 x
f x 3x2 1
f x 2 f x 0
x2 x1 5
3 x 2
2
1
0 x22
H x 0
0 1
H x 1 4
1 2 x1
x2 3
2 x2
0.1
l x f x 0 f x 0 x x 0 1 1 5 1 1 0.1 5 0.1 1.6
T
0.1
1 1 0 1 0.1
q x l x x x 0 H x 0 x x 0 1.6 0.1 0.1
T
2 2 1 4 0.1
1 0.1
1.6 0.1 0.5
2 0.1
1
1.6 0.01 0.05 1.57
2
32
Phép khử Gauss và phần tử cơ sở
(Gaussian Elimination and Pivot Elements)
0 0 0 0
.
.
.
.
0
.
.
.
0
. 0 … .
.
0
. 0
. . . . . . . .
. . . . 0
0 0 0 0 0 0 0 0 0 0 0
Sau i=1 Sau i=2 Sau i=3 Sau i=n-1
Phần tử cơ sở ≠ 0
0 (Pivot Elements)
. 0
. . 0
. . .
. 0
0 0 0 0 0
33
Hạng (Rank) của ma trận
Nếu B là một ma trận bậc thang thì hạng (rank) của B bằng số hàng
khác 0 của nó
11 37
1 0 0 12 48
31 7
A 0 1 0
24 48
0 0 1 1 15
16
Giá trị riêng (Eigenvalues) và 37
Trong đó: Δ A I (Characteristic Matrix)
- Là ma trận đặc trưng
nxn
nxn n x n
Phương trình (2) có n nghiệm: λ1,λ2,…, λn. Mỗi nghiệm λi có véctơ
riêng <vi>.
Giá trị riêng (Eigenvalues) và 38
n
- Là ma trận (của) véctơ riêng
- Là véc tơ (của)
giá trị riêng
Có nghĩa là chúng ta sẽ có n đẳng thức sau:
A v1 1 v1
nxn n x1 n x1
A v n n v n
nxn n x1 n x1
Giá trị riêng (Eigenvalues) và 39
3x 3
3. Giải phương trình đặc trưng ta có 3 nghiệm λ, từ đó có véctơ giá trị
riêng:
L 4 2 2
T
3x1
4.1. Tìm véctơ riêng <v1> của giá trị riêng λ1 = 4: 41
3 3 3 0 R1
A 1 I 0 3 9 3
0 R2
3x 3 4 3x 3 6 6 0 0 R3
3x1
1
2
v1 1
2
3x1
1
4.2. Tìm véctơ riêng <v2> và <v3> của giá trị riêng λ2 = λ3 = -2: 42
3 3 3 0 R1
A 2 I 0 3 3 3
0 R2
3x 3 2 3x 3 6 6 6 0 R3
3x1
1 1
v2 0 ; v 3 1
3x1 1 3x1 0
Ma trận Hessian xác định dương 43
Ma trận Hessian sẽ là xác định dương nếu toàn bộ giá trị riêng của
nó mang dấu +
2 1 0
A 1 2 1 Ma trận đối xứng
0 1 2
2 1 0
A I 1 2 1 det 3 6 2 10 4 0
0 1 2
2 0
Eiv 0.585786438 0 Ma trận xác định dương
3.414213562 0
Chú {: Do ma trận Hessian là ma trận đối xứng nên các giá trị riêng
λi của nó luôn là các số thực chứ không phải số phức.
Ma trận Hessian xác định dương 44
Ma trận Hessian sẽ là xác định dương nếu toàn bộ giá trị của các
phần tử cơ sở (pivot) của nó đều dương
2 1 0 R1
A 1 2 1 R2 Ma trận đối xứng
0 1 2 R3
2 1 0
R2 2 R2 R1
0 3 2
0 1 2
2 1 0
Toàn bộ các phần tử cơ sở >0
R3 3 R3 R2
0 3 2 nên ma trận này xác định
dương
0 0 4
Ma trận Hessian xác định dương 45
2 1 0
A 1 2 1 Ma trận đối xứng
0 1 2
A1 2 0
2 1
A2 30
1 2
2 1 0
2 1 1 1 1 2
A3 1 2 1 2 1 0 40
1 2 0 2 0 1
0 1 2
Toàn bộ các định thức thành phần >0 nên ma trận này xác định
dương
Cách này vất vả trong tính toán
47
Tính lồi lõm (Convexity)
Hàm nhiều biến f x , x x1 , x2 , , xn là hàm lồi nếu với mọi
1 1 1 1 T 2 2 2 2 T
cặp điểm x x1 x2 xn ; x x1 x2 xn
và λ thuộc khoảng 0 1 thỏa mãn điều kiện sau:
f x 2 1 x1 f x 2 1 f x1
f x 2 1 f x1
f x 2 1 x 1
f x1
f x 2
x 2
x1
x 2 1 x1
48
Tính lồi lõm (Convexity)
Hàm nhiều biến f x , x x1 , x2 , , xn là hàm lõm nếu với mọi
1 1 1 1 T 2 2 2 2 T
cặp điểm x x1 x2 xn ; x x1 x2 xn
và λ thuộc khoảng 0 1 thỏa mãn điều kiện sau:
f x 2 1 x1 f x 2 1 f x1
f x 2 1 x 1
f x1
f x 2
f x 2 1 f x1
x1 x 2
x 2 1 x1
49
Tính lồi lõm (Convexity)
Bất cứ một cực tiểu địa phương (Local minimum) nào của một
hàm số lồi f(x) đều là cực tiểu toàn cục (Global minimum)
50
Tính lồi lõm (Convexity)
d2 f
a) H 2 e x 0 x Hàm số lồi chặt chẽ
dx
d2 f
b) H 2 16 0 x Hàm số lõm chặt chẽ
dx
f2
2 f
x 2 Theo định nghĩa 2 của ma trận xác
x1x2 18 x1 0
c) H 2 1 định dương, do -12<0, nên ma trận
f 2 f 0 12 này không thể dương. Nếu x1 < 0 thì
2 ma trận này xác định âm Hàm lõm
2 1
x x x2
51
Tính lồi lõm (Convexity)
d) 2 f 2 f 2 f
x 2
x1x2 x1x3
8 6 1
1
2 f Đưa về dạng bậc thang
2 f f
2
H 6 6 0 bằng phép khử Gauss để
x2 x1 x22 x2 x3
1 0 10
2 f xét dấu các pivot
2 f f
2
x3x1 x3x2 x3
2
8 Các phần tử
8 6 1 6 1
R 1 R R cơ sở đều
3
R2 R1 R2
0 3 3 3 3
0 dương do đó
3 2 3
4 2
1
R3 R1 R3 2 4 2 4 ma trận
8
3 79
0 0 0
19 Hessian xác
4 8 2 định dương
Hàm f lồi trên toàn miền số thực của x1, x2, x3
52
Ôn tập về đạo hàm