Uvod U Optimiranje Konstrukcija Šimun Sviličić

FAKULTET STROJARSTVA I BRODOGRADNJE
SVEUILITE U ZAGREBU
Programski zadaci iz kolegija
Uvod u optimiranje konstrukcija

Doc. dr. sc. Andrej Joki
imun Svilii
Fakultet strojarstva i brodogradnje
0035186874
4-Inmod-1
Zagreb, 2015/2016
Sadraj
1. ZADATAK Metoda Lagrangeovih mnoitelja ............................................................................ 5
1.1. Tekst zadatka ............................................................................................................................... 5
1.2. Teorijske osnove metode Lagrangeovih mnoitelja .................................................................... 5
1.3. Optimizacijski problem s dvije varijable..................................................................................... 8
1.4. Optimizacijski problem s tri varijable ....................................................................................... 11
2. ZADATAK Optimizacija mehanizma tlanog cilindra ........................................................... 13
2.1. Tekst zadatka ............................................................................................................................. 13
2.2. Matematiki model kinematike analize mehanizma ............................................................... 14
2.3. Optimiranje mehanizma tlanog cilindra .................................................................................. 18
2.3.1. Metoda fleksibilnog poliedra ............................................................................................ 18
2.3.2. Sinteza s etiri varijable .................................................................................................... 20
2.3.3. Sinteza s dvije varijable .................................................................................................... 22
2.3.3.1. Sinteza s dvije varijable i koordinatama toke A iz rjeenja sinteze s etiri varijable ... 22
2.3.3.2. Sinteza s dvije varijable i koordinatama toke B iz rjeenja prethodne sinteze s dvije
varijable .......................................................................................................................... 24
2.3.4. Usporedba dobivenih rjeenja ........................................................................................... 26
3. ZADATAK Aproksimacija funkcije ........................................................................................... 27
3.1. Tekst zadatka ............................................................................................................................. 27
3.2. Teorijske osnove linearnog programiranja ................................................................................ 27
3.3. Formulacija problema u oblik linearnog programiranja............................................................ 28
3.4. Rjeenja ..................................................................................................................................... 30
3.4.1. Prvi primjer bazne funkcije potencije varijable x........................................................... 30
3.4.2. Drugi primjer bazne funkcije kao trigonometrijske funkcije varijable x ....................... 32
3.4.3. Trei primjer bazne funkcije kao kombinacija baznih funkcija iz prvog i drugog
primjera .......................................................................................................................... 34
3.4.4. etvrti primjer sve bazne funkcije ................................................................................. 35
3.4.5. Zakljuak nakon provedenih primjera .............................................................................. 38
imun Svilii
Popis slika
Slika 1.
Skica drugog zadatka ......................................................................................... 13
Slika 2.
Trenutni pol P13 ................................................................................................ 14
Slika 3.
Skica za kinematiku analizu ............................................................................. 15
Slika 4.
Dijagram momenta u ovisnosti o kutu zakreta za poetne vrijednosti
dimenzija mehanizma ............................................................................................................... 18
Slika 5. Regularni simplex s dva i tri stupnjeva slobode ......................................................... 19
Slika 6.
Ilustracija operacije nad poliedrom s tri vrha .................................................... 20
Slika 7.
Rjeenje ciljne funkcije po koracima za sintezu s etiri varijable ..................... 21
Slika 8.
Dijagram momenta u ovisnosti o kutu zakreta za sintezu s etiri varijable .... 22
Slika 9.
Rjeenje ciljne funkcije po koracima za sintezu s dvije varijable...................... 23
Slika 10.
Dijagram momenta u ovisnosti o kutu zakreta za sintezu s dvije varijable ..... 23
Slika 11.
Rjeenje ciljne funkcije po koracima za sintezu s dvije varijable uz proizvoljne
koordinate toke B .................................................................................................................... 24
Slika 12.
Dijagram momenta u ovisnosti o kutu zakreta za sintezu s dvije varijable uz
proizvoljne koordinate toke B ................................................................................................ 25
Slika 13.
Projektni prostor sinteze s dvije varijable fiksne koordinate toke B ................. 25
Slika 14.
Projektni prostor rjeenja sinteze s dvije varijable uz fiksne koordinate toke B25
Slika 15.
Prikaz poetnog i krajnjeg poloaja optimiziranog mehanizma ......................... 26
Slika 16.
Funkcija g1(x) koja aproksimira funkciju f(x) na intervalu x[0,] ..................... 31
Slika 17.
Apsolutna greka aproksimacije prvog primjera odabranih baznih funkcija ...... 31
Slika 18.
Slika 19.
Apsolutna greka aproksimacije drugog primjera odabira baznih funkcija ........ 33
Slika 20.
Slika 21.
Apsolutna greka aproksimacije treeg primjera odabira baznih funkcija ......... 35
Slika 22.
Funkcija f(x) i g4(x) koja aproksimira funkciju f(x) na intervalu x[0,] ............ 37
Slika 23.
Apsolutna greka aproksimacije etvrtog primjera odabira baznih funkcija ...... 37
imun Svilii
Popis tablica
Tablica 1.
Tablica 2.
Tablica 3.
Tablica 4.
Optimalne dimenzije mehanizma (etiri varijable) ............................................. 21

Optimalne dimenzije mehanizma (dvije varijable a)) ......................................... 23
Optimalne dimenzije mehanizma (dvije varijable b)) ........................................ 24
Prikaz dimenzija mehanizma i funkcije cilja dobivenih u analizama ................. 26
imun Svilii
1. ZADATAK Metoda Lagrangeovih mnoitelja

1.1. Tekst zadatka
Odabrati iz dostupnih izvora jedan optimizacijski problem s dvije i jedan s tri varijable,
s ogranienjima jednakosti i nejednakosti, te ih rijeiti metodom Lagrangeovih mnoitelja.
Odabrani primjeri ne smiju biti primjeri obraeni na nastavi ili rijeeni primjeri iz nastavnih
materijala. Rjeenje treba sadravati uvodni dio s detaljnim opisom metode, opisom uvjeta
optimalnosti i postupkom rjeavanja.
1.2. Teorijske osnove metode Lagrangeovih mnoitelja

U openitom sluaju, kada se trai stacionarno stanje (minimum) funkcije oblika:
F x F x1 , x2 ,..., xn
(1.1)
uz ogranienja ili nametnute veze:
hi x hi x1 , x2 ,..., xn 0
i 1, 2,..., m
(1.2)
potrebno je formirati Lagrangeovu funkciju oblika:

m
L x, F x i hi x
(1.3)
i 1
gdje je i Lagrangeov mnoitelj. Iz uvjeta dL 0 (uz i konst. ) slijedi:

L
0,
xi
i 1, 2,..., n
(1.4)
L
0
i
i 1, 2,..., m
(1.5)
Iz izraza (1.4) i (1.5) moe se odrediti n m nepoznanica ( x1 , x2 ,..., xn , 1 , 2 ,..., m ).

Metodom Lagrangeovih mnoitelja mogu se rijeiti i jednostavniji problemi s
ogranienjima koji sadre i ogranienja nejednakosti (oblika gi x 0 ili gi x 0 ). Pri
tome se ogranienja nejednakosti trebaju zamijeniti s ogranienjima jednakosti na nain da se
uvede nova varijabla. To se postie na nain da se umjesto ogranienja:
gdje je:
gi x 0 moe pisati gi x ui2 0
(1.6)
gi x 0 moe pisati gi x ui2 0
(1.7)
ui nova varijabla koju tek treba odrediti.
Za ui 0 ogranienje gi x e biti aktivno, dok e za svaki ui 0 ogranienje gi x biti

neaktivno.
imun Svilii
Za optimizacijski problem oblika:
min F x
hi x 0
i 1, 2,..., m
gi x 0
i m 1, m 2,..., p
(1.8)
Lagrangeova funkcija glasi:

m
L x, , u F x i hi x
g x u
i 1
i m 1
dok za ogranienje oblika gi x 0 izgleda:

L x, , u F x i hi x
i 1
2
i
(1.9)
(1.10)
g x u
i m 1
2
i
te za problem bez ogranienja:
L x, , u F x
(1.11)
Da bi se u izrazima (1.9) i (1.10) zadrao ispravan utjecaj kriterija gi x u smislu

minimiziranja funkcije L x, , u potrebno je da pripadni parametri budu pozitivni ili jednaki
nuli:
i 0, i m 1, m 2,..., p
(1.12)
Izrazi (1.9) i (1.10) mogu se zapisati u obliku:

m
L x, , u F x i hi x
i 1
i m 1
i gi x
i m 1
2
i i
(1.13)
gdje je:
1, za gi x 0
1, za gi x 0
(1.14)
Na temelju funkcije (1.13) i uvjeta stacionaranosti ( dL 0 ) slijede uvjeti optimalnosti:
imun Svilii
1.
p
g x
L F m hi x
i
i i
0
x j x j i 1
x j
x j
i m 1
2.
L
hi x 0
i
i 1, 2,..., m
3.
L
gi x ui2 0
i
i m 1, m 2,..., p
4.
L
2i ui 0
ui
i m 1, m 2,..., p
i 0
i m 1, m 2,..., p
j 1, 2,..., n
(1.15)
Broj nepoznanica sustava (1.15) ( x j , j 1, 2,..., n ; i , i 1, 2,..., p ; ui , i m 1,..., p ) podudara

se s brojem jednadbi. Takoer je vidljivo da su uvjeti pod brojevima 2, 3 i 4 neovisni o
funkciji cilja F x , stoga se Lagrangeova funkcija kod rjeavanja problema moe zapisati i u
obliku:
m
L x, F x i hi x
i 1
g x
i m 1
(1.16)
uz uvjete optimalnosti:
1.
p
g x
L F m hi x
i
i i
0
x j x j i 1
x j
x j
i m 1
2.
L
hi x 0
i
i 1, 2,..., m
3.
L
gi x ui2 0
i
i m 1, m 2,..., p
4.
L
2i ui 0
ui
i m 1, m 2,..., p
i 0
i m 1, m 2,..., p
j 1, 2,..., n
(1.17)
Uvjeti optimalnosti (1.17) nazivaju se Kusher-Kahn-Tucker (KKT) nuni uvjeti lokalnog

minimuma. Uvjete optimalnosti mogue je zapisati i na alternativni nain. Kako u toki
optimuma vrijedi:
L x* , * F x*
(1.18)
uz uvjete optimalnosti:
1.
L
0
x j
j 1, 2,..., n
2.
L
hi x* 0
i
i 1, 2,..., m
L
i gi x* 0
i
i m 1, m 2,..., p
3.
gi x* 0 i i 0
imun Svilii
(1.19)
i m 1, m 2,..., p
1.3. Optimizacijski problem s dvije varijable
Televizije se proizvode u tvornicama A i B. Funkcija koja prikazuje cijenu proizvodnje

proizvoda (f) je kombinacija funkcija troka proizvodnje u tvornici A (x) i funkcija troka
proizvodnje u tvornici B (y) koja glasi: f = 6x2 + 12y2
Mjeseni zahtjev za brojem komada proizvoda je 90 . Koliko e se televizija proizvesti u
tvornici A a koliko u tvornici B kako bi troak proizvodnje bio minimalan?
RJEENJE:
Potrebno je zadani zadatak postaviti kao optimizacijski problem:
min[ (
x + y = 90
x0
y0
]
(1.20)
Kako se u zadatku trai minimumfunkcije to se i dobiva metodom Lagrangeovih

multiplikatora,potrebno je zadati vrijednost funkcije cilja:
Fcilja = f (x,y) = 6x2 +12y2
Uz ogranienja:
h1(x,y) = x+y 90
g2 (x,y) = x 0
g3 (x,y) = y 0
(1.20)
(1.22)
Lagrangeova funkcija prema izrazu (1.13) je:
L x, y, F x, y 1h x, y 2 g2 x, y 3 g3 x, y 2u22 3u32
(1.21)
Uvrtavanjem izraza (1.20) i Error! Reference source not found. u izraz za Lagrangeovu
funkciju (1.21) slijedi:
L(x,y,)= 6x2 +12y2+ 1(x+y90) - 2x - 3y+2u22+3u32
imun Svilii
(1.24)
Uvjeti optimalnosti prema izrazu (1.17) su:

L1 =
= 12x + 1- 2
L2 =
= 24y + 1- 3
L3 =
= 90+x+y
L4 =
= -x + u22
L5 =
= -y + u32
L6 =
= 2u2 2
L7 =
= 2u3 3
(1.25)
Uvjet L6 i L7 daje mogue kombinacije:

1.
u2 0, u3 0
2.
u2 0, 3 0
3.
2 0, u3 0
4.
2 0, 3 0
dva aktivna ogranienja nejednakosti

jedno aktivno ogranienja nejednakosti
nema aktivnih ogranienja nejednakosti
Prva kombinacija otpada jer dobivamo x 0, y 0 , to naruava uvjet h1 . Rjeavanjem

problema uz drugi i trei uvjet prekreno je ogranienje nenegativnosti Lagrangeovih
parametara uz ogranienja nejednakosti te su ta rjeenja nevaea. Za rjeavanje se treba uzeti
etvrti uvjet kada su oba ogranienja nejednakosti neaktivna. Rjeavanjem takvog sustava se
dobiva:
(1.26)
[
imun Svilii
Uvrtavanjem dobivenih podataka Error! Reference source not found. u poetnu funkciju
dobiva se maksimalna vrijednost funkcije:
fmin (x=60,y= 30) = 6 602 +12
= 32400
(1.27)
imun Svilii
10
1.4. Optimizacijski problem s tri varijable

Primjer je uzet iz [4], str. 52, primjer 4.2.3.
Pretpostavimo da moemo kupiti kemikaliju za $10 po litri te postoji samo 17.25 litara na
raspolaganju. Kemikaliju moemo pretvoriti u dva proizvoda: A i B. Pretvorba u A kota $3
po litri dok pretvorba u B kota $5 po litri. Ako proizvedemo x1 litara A, cijena koju
postavljamo za A je $30 x1; ako proizvedemo x2 litara B, cijena B je $50 x2. Koliko
kemikalije trebamo kupiti i u to je pretvoriti?
RJEENJE:
Ponovo je potrebno zadani zadatak postaviti kao optimizacijski problem:
max f x1 , x2 , x3 x1 30 x1 x2 50 x2 3x1 5 x2 10 x3
x1 x2 x3 0
(1.22)
x3 17, 25
Funkcija cilja, kao i u prethodnom primjeru, je negativna vrijednost poetne funkcije:
Fcilja f x1 , x2 , x3 x1 30 x1 x2 50 x2 3x1 5x2 10 x3
(1.23)
Ogranienja nejednakosti su:
g1 x1 x2 x3 0
g 2 17, 25 x3 0
(1.24)
Lagrangeova funkcija se prema izrazu (1.13) moe zapisati:

L F 1 g1 2 g2 1u12 2u22
(1.25)
Uvrtavanjem izraza (1.23) i (1.24) u izraz (1.25) slijedi:

L x1 30 x1 x2 50 x2 3x1 5 x2 10 x3 1 x1 x2 x3
2 17, 25 x3 1u12 2u22
(1.26)
Uvjeti optimalnosti prema izrazu (1.17) su:
imun Svilii
11
L1
L
27 2 x1 1 0
x1
L2
L
45 2 x2 1 0
x2
L3
L
10 1 2 0
x3
L4
L
u12 x1 x2 x3 0
1
L5
L
17, 25 u22 x3 0
2
L6
L
2u11 0
u1
L7
L
2u2 2 0
u2
1 0, 2 0
(1.27)
Uvjeti L6 i L7 daju etiri mogue kombinacije rjeenja:

1.
u1 0, u2 0
2.
u1 0, 2 0
3.
1 0, u2 0
4.
1 0, 2 0
dva aktivna ogranienja nejednakosti

jedno aktivno ogranienja nejednakosti
nema aktivnih ogranienja nejednakosti
Rjeavanjem 2., 3. i 4. kombinacije ne dobiva se realno rjeenje. Za prvu kombinaciju se

dobiva:
x1 4,125
x2 13,125
x3 17, 25
(1.28)
1 18, 75
2 8, 75
Uvrtavanjem traenih nepoznanica iz izraza (1.28) u poetnu funkciju dobiva se maksimalna
vrijednost funkcije:
f max x1 4,125, x2 13,125, x3 17, 25 340, 219
imun Svilii
(1.29)
12
2. ZADATAK Optimizacija mehanizma tlanog cilindra

2.1. Tekst zadatka
Izvriti optimalnu sintezu dimenzija mehanizma tlanog cilindra prema slici 1, s ciljem
da bi pogonski moment na ruici A0 A bio konstantan. Klip starta iz poetnog poloaja
h1 25cm od dna cilindra i giba se do krajnjeg poloaja h2 7,5cm od dna cilindra, pri emu
se plin u cilindru komprimira uslijed tlane sile F , ija poetna vrijednost iznosi F1 18 N .
Pretpostavlja se da je u cilindru idealni plin i da nema promjene temperature. Provesti
postupak optimalne sinteze mehanizma, obrazloiti i opisati postupak sinteze, opisati i
obrazloiti rezultate.
Slika 1.
Skica drugog zadatka
UPUTA:
S povrinom klipa A, m2 , volumen je V A h . Sila je F A p . Za idealni plin i konstantnu
temperaturu vrijedi
F2
pV konst. , pa je h F h1 F1 h2 F2 . Iz toga slijedi da je:
h1 F1 25 18
h F 25 18 450
. Budui da je
60 N . Za opi poloaj vrijedi: F 1 1
h
h
h
h2
7,5
Md Fdh , moment preko izraza je: M F
dh 450 dh
.
d
h d
Trai se minimalno odstupanje funkcije M pri gibanju od 1 do 2 . Pretpostavi li se

1 2 3 i M konst. , tada iz izraza d 450 / M dh / h slijedi:
imun Svilii
13
450 h1
450 25
ln M konst
ln
517,369 Ncm .
M
7,5
h2
3
funkcija cilja je min M M konst .
1 2
tom
sluaju
ciljna
2.2. Matematiki model kinematike analize mehanizma

Na osnovi kinematikog modela sastavlja se matematiki model za raunanje
kinematikih veliina potrebnih za optimizaciju. To su prije svega poloaji lanova, tj. kut
i poloaj klipa s odnosno h te derivacija ds / d , odnosno dh / d . Da bi dobili promjena
poloaja klipa u odnosu na kut zakreta pogonskog lana dh / d , raunamo ds / d . Iz
poetne skice oito je kako je pomak toke B jednak pomaku cilindra, odnosno dh ds , pa iz
toga proizlazi ds / d dh / d . Derivacija ds / d moe se izraunati deriviranjem funkcije
s s ili direktnim raunanjem poloaja trenutnog pola.
U ovom programskom zadatku opisana su oba naina raunanja navedenih derivacija.

1.
Direktno raunanje poloaja trenutnog pola
Slika 2.
Trenutni pol P13 [5]
Iz slike 2 poloaj trenutnog pola lanova 1 i 3 odreen je s

A0 P13
imun Svilii
ds
a3 s tan ,
d
tan
a1 sin a3
a22 a1 sin a3
(2.1)
14
Uvrtavanjem dobivamo:
a1 sin a3
ds
a3 s
2
2
d
a2 a1 sin a3
(2.2)
Ako s zamijenimo izrazom (2.8), koji je napisan u drugom nainu, dobivamo:
a1 sin a3
ds
2
a3 a1 cos a22 a1 sin a3
2
d
a22 a1 sin a3
(2.3)
Nakon sreivanja dobivamo:

a cos a1 sin a3
ds
= a1 sin 1
2
d
a22 a1 sin a3
2.
(2.4)
Analitiki deriviranjem funkcije s s
Slika 3.
Skica za kinematiku analizu
Iz geometrije mehanizma slijedi:

a1 sin a3 a2 sin sin
a
a1
sin 3
a2
a2
s a1 cos a2 cos
(2.5)
(2.6)
lan a2 cos se preko Pitagorinog pouka moe zapisati:

a2 cos a22 a1 sin a3
imun Svilii
(2.7)
15
Uvrtavanjem izraza (2.7) u izraz (2.6):

s a1 cos a22 a1 sin a3
(2.8)
Deriviranjem izraza (2.8) po varijabli dobivamo izraz (2.9) koji je identian izrazu (2.4)
a cos a1 sin a3
ds
a1 sin 1
2
d
a22 a1 sin a3
(2.9)
Kako bi se moglo provesti rjeavanje optimizacijskog problema, potrebno je odabrati poetne

koordinate toaka A i B . Prema koordinatnom sustavu na slici 1, poetni poloaj za toke A
i B je:
Ax. p 35 cm
Ay. p 10 cm
(2.10)
Bx. p 5 cm
By. p 8 cm
Trae se duine lanova mehanizma a1 , a2 , a3 i s . Funkcija cilja e se promatrati za ukupni

kut zakreta 1 2 60 po koracima od 1 . Za odabrane proizvoljne koordinate
toaka A i B se najprije raunaju duine a1 , a2 , a3 i s te kutovi i :
a1 Ax2. p Ay2. p
a2
x. p
Bx. p Ay. p By. p

2
a3 By. p
s Bx. p
Ay. p
A
x. p
A By . p
p arctan y. p
A B
x. p
x. p
(2.11)
p arctan
Poveanjem kuta za 1 , moe se raunati novi poloaj toaka A i B koritenjem

trigonometrijskih relacija:
imun Svilii
16
Ax a1 cos
Ay a1 sin
Bx Ax a22 Ay By
(2.12)
By By. p konst.
Uslijed promjene poloaja klipa (promjene kuta ) dolazi i do promjene momenta kako je
prikazano u uputi te sada ponovljeno:
M F
dh 450 dh
d
h d
(2.13)
gdje je: h - trenutni poloaj klipa

dh
promjena poloaja klipa u odnosu na kut zakreta pogonskog lana.
d
Trenutni poloaj klipa izraunava se iz izraza:
h Bx Bx. p h2
(2.14)
dok je promjena poloaja klipa u odnosu na kut zakreta jednaka:
gdje je:
dh ds
By Bx tan
d d
A By
tan y
.
Ax Bx
(2.15)
Uvrstimo li By a3 i Bx s dobivamo izraz identian izrazu (2.1), te samim time

potvrujemo da su izrazi (2.14) i (2.15) jednaki izrazima (2.8), odnosno (2.4) i (2.9).
Slika 4 prikazuje djelovanje momenta na ruicu za poetne vrijednosti dimenzije mehanizma.
Vidljivo je da moment za poetne vrijednosti dimenzija mehanizma jako oscilira, to nikako
nije poeljno pa e se zato provesti optimiranje mehanizma kako bi doli do to konstantnijeg
momenta.
imun Svilii
17
Slika 4.
Dijagram momenta u ovisnosti o kutu zakreta za poetne vrijednosti dimenzija

mehanizma
2.3. Optimiranje mehanizma tlanog cilindra

Pomou metode fleksibilnog poliedra e se provesti optimiranje mehanizma tlanog
cilindra tako da se trai minimalno odstupanje momenta M od konstantnog momenta
M konst . Tako je funkcija cilja:
Fcilja min M M konst
(2.16)
2.3.1. Metoda fleksibilnog poliedra

Ova je numerika metoda jako pogodna za traenje optimuma nelinearnih funkcija.
Temelji se na traenju optimuma pomou tzv. fleksibilnog poliedra. Metodu su razvili Nelder
i Mead 1964. godine. Metoda fleksibilnog poliedra je modifikacija simplex metode razvijena
za probleme bez ogranienja. Pod simplexom se podrazumijeva geometrijska figura s
v r 1 vrhova, formirana u r - dimenzionalnom prostoru, gdje r predstavlja broj stupnjeva
slobode problema. Za sluaj problema s 2 stupnja slobode (dvodimenzionalni prostor),
poliedar ima 3 vrha (trokut), a za sluaj problema s 3 stupnja slobode (trodimenzionalni
prostor), poliedar ima 4 vrhova (tetraedar). Za sluaj kada je r 1 , simplex je takoer trokut.
Slika 5 prikazuje regularne (istostranine) simplexe.
Od poetnog istostraninog simplexa, ova metoda u daljnjim koracima mijenja njegove
dimenzije zbog ega je i dobila ime metoda fleksibilnog poliedra. Metoda osigurava dobru
prilagodljivost lokalnim topolokim svojstvima funkcije cilja, efikasna je i pogodna za rad na
raunalu. Proces se prekida u sluaju kada poliedar postane dovoljno malen ili kada vrijednost
u vrhovima postanu izjednaene. Za rjeavanje problema s ogranienjima uspjeno je u
metodu ugraena primjena kaznenih funkcija.
imun Svilii
18
Slika 5. Regularni simplex s dva i tri stupnjeva slobode [1]
Algoritam metode sastoji se u traenju vrhova s najboljom (najmanjom) i najloijom

(najveom) vrijednosti ciljne funkcije. Prvo je potrebno poredati vrhove poliedra tako da
vrijedi f x1 f x2 ... f xn1 , pri emu je x1 najbolja toka, a xn 1 najloija toka.
Nakon toga se rauna centar poliedra bez vrha u kojem je najloija vrijednost ciljne funkcije
te srednje rastojanje od vrhova poliedra od centra, da bi se nakon toga potraio novi vrh u
okolini koji ima bolju vrijednosti ciljne funkcije. To se ostvaruje kombinacijom etiri mogue
operacije istraivanja okoline:
1. REFLEKSIJOM najloijeg vrha kroz centar, prema formuli:
xr 3, j xr 2, j a xr 3, j xh , j ,
k
j 1, 2,..., n
(2.17)
Gdje je koeficijent refleksije 0 , uz preporuenu vrijednost 1 .

2. EKSPANZIJOM, tj. dodatnim udaljavanje novog vrha od najloijeg vrha:
xr 4, j xr 2, j xr 3, j xr 2, j ,
k
j 1, 2,..., n
(2.18)
0 je koeficijent ekspanzije s preporuenom vrijednosti 2 . Po zavretku

ekspanzije usporeuju se vrijednosti u reflektiranom i ekspandiranom vrhu te se
kao novi vrh odabire onaj u kojem ciljna funkcija ima bolju vrijednost.
3. KONTRAKCIJOM ako je funkcija cilja u reflektiranoj toki loija nego u bilo
kojem vrhu poliedra:
xr 5, j xr 2, j xh , j xr 2, j ,
k
j 1, 2,..., n
(2.19)
Gdje je 0 1 koeficijent kontrakcije s preporuenom vrijednosti 0,5 .
imun Svilii
19
4. REDUKCIJOM dimenzija poliedra nakon kontrakcije u sluaju da je Fr5 Fh :

k
xij xlj
xij xlj
, i 1, 2,..., r 1; j 1, 2,..., n
(2.20)
Za takav umanjeni poliedar, izrauna se vrijednost funkcije cilja u svim vrhovima te se zatim
postupak ponavlja poevi s refleksijom u novom koraku.
Kod primjene na probleme bez ogranienja ( r n ) traenje optimuma se prekida u koraku u
kojem je ostvaren izraz:
Tol k
-
gdje je
1 r 1 k
k
Fi Fr 2
r 1 i 1
(2.21)
unaprijed odabrani mali broj.
Slika 6.
Ilustracija operacije nad poliedrom s tri vrha [1]
2.3.2. Sinteza s etiri varijable

Odabrane varijable su poetne koordinate toaka A x1 , x2 i B x3 , x4 . Kako nema
ogranienja sa znakom jednakosti, preostaju ogranienja sa znakom nejednakosti koja
predstavljaju gabarite gibanja toke A odnosno B:
imun Svilii
g1 x1 25 0,
g5 x2 5 0,
g 2 45 x1 0,
g 6 25 x2 0,
g3 x3 15 0,
g 7 x4 5 0,
g 4 5 x3 0,
g8 25 x4 0.
(2.22)
20
Ogranienja (2.22) se za metodu fleksibilnog poliedra prikazuju na nain:
g f 1 f x1 , x1 25 ,
g f 5 f x2 , x2 5 ,
g f 2 f x1 , 45 x1 ,
g f 6 f x2 , 25 x2 ,
g f 3 f x3 , x3 15 ,
g f 7 f x4 , x4 5 ,
g f 4 f x3 ,5 x3 ,
g f 8 f x4 , 25 x4 .
(2.23)
Dijagram najbolje vrijednosti ciljne funkcije po koracima prikazan je na slici 6, dok su

optimalne dimenzije mehanizma dane u tablici 1. Slika 8 prikazuje odstupanje momenta
M od konstantnog momenta M konst u ovisnosti o kutu zakreta.

Najbolja vrijednost ciljne funkcije po koracima
Fmin
50
40
30
20
10
0
50
100
150
200
250
300
korak
Rjeenje ciljne funkcije po koracima za sintezu s etiri varijable
Slika 7.
Optimum funkcije cilja iznosi:
cilja 4varijable
1, 0278
(2.24)
Vektor rjeenja je:
x1
x2
Tablica 1.
imun Svilii
x3
x4 41,9108 4, 45941 14,8039 10,1032
(2.25)
Optimalne dimenzije mehanizma (etiri varijable)
a1 / cm
a2 / cm
a3 / cm
s / cm
42,1474
56,9948
10,1032
-14,8039
21
Slika 8.
Dijagram momenta u ovisnosti o kutu zakreta za sintezu s etiri varijable
2.3.3. Sinteza s dvije varijable

U sklopu sinteze s dvije varijable bit e prikazana dva rjeenja. Jedno s varijablama kao
koordinatama toke B dok e koordinate toke A biti rjeenja iz sinteze s etiri varijable ( u
rjeenjima naznaena s a)), te s varijablama kao koordinatama toke A dok e koordinate
toke B biti rjeenja iz prethodne sinteze s dvije varijable ( u rjeenjima naznaena s b)).
2.3.3.1. Sinteza s dvije varijable i koordinatama toke A iz rjeenja sinteze s

etiri varijable
Odabrane varijable problema su koordinate toke B x3 , x4 , dok e koordinate toke A biti
preuzete iz rjeenja sinteze problema s etiri varijable. Ogranienja jednakosti nema, a
ogranienja sa znakom nejednakosti su:
g1 x3 15 0,
g3 x4 5 0,
g 2 5 x3 0,
g 4 25 x4 0.
(2.26)
Ogranienja (2.26) se za metodu fleksibilnog poliedra prikazuju na nain:

g f 1 f x3 , x3 15 ,
g f 3 f x4 , x4 5 ,
g f 2 f x3 ,5 x3 ,
g f 4 f x4 , 25 x4 .
(2.27)
Dijagram najbolje vrijednosti ciljne funkcije po koracima za sintezu s dvije varijable prikazan
je na slici 8, dok su optimalne dimenzije mehanizma dane u tablici 2. Slika 10 prikazuje
odstupanje momenta M od konstantnog momenta M konst u ovisnosti o kutu zakreta.
imun Svilii
22
Najbolja vrijednost ciljne funkcije po koracima

Fmin
7
6
5
4
3
2
1
10
20
30
40
50
60
70
korak
Rjeenje ciljne funkcije po koracima za sintezu s dvije varijable
Slika 9.
1,02598
(2.28)
x4 14,8028 10,1026
(2.29)
cilja 2varijable a)
Vektor rjeenja je:
x3
Tablica 2.
Slika 10.
imun Svilii
Optimalne dimenzije mehanizma (dvije varijable a))
a1 / cm
a2 / cm
a3 / cm
s / cm
42,1474
56,9937
10,1026
-14,8028
Dijagram momenta u ovisnosti o kutu zakreta za sintezu s dvije varijable
23
2.3.3.2. Sinteza s dvije varijable i koordinatama toke B iz rjeenja

prethodne sinteze s dvije varijable
Odabrane varijable problema su koordinate toke A x1 , x2 , dok e se koordinate toke
B uzeti iz rjeenja prethodne sinteze s dvije varijable. Ogranienja jednakosti nema, a
ogranienja sa znakom nejednakosti su definirane izrazim:
g f 1 f x1 , x1 25 ,
g f 3 f x2 , x2 5 ,
g f 2 f x1 , 45 x1 ,
g f 4 f x2 , 25 x2 .
(2.30)
Dijagram najbolje vrijednosti ciljne funkcije po prikazan je na slici 12, dok su optimalne
dimenzije mehanizma dane u tablici 3. Slika 10 prikazuje odstupanje momenta M od
konstantnog momenta M konst u ovisnosti o kutu zakreta.
Najbolja vrijednostciljne funkcije po koracima
Fmin
50
40
30
20
10
Slika 11.
10
20
30
40
50
60
korak
Rjeenje ciljne funkcije po koracima za sintezu s dvije varijable uz proizvoljne

koordinate toke B
cilja 2varijable b)
1,02598
(2.31)
Vektor rjeenja je:
x1
x2 41,9108 4, 45941
Tablica 3.
imun Svilii
(2.32)
Optimalne dimenzije mehanizma (dvije varijable b))
a1 / cm
a2 / cm
a3 / cm
s / cm
42,1474
56,9937
10,1026
-14,8028
24
Slika 12.
Dijagram momenta u ovisnosti o kutu zakreta za sintezu s dvije varijable uz

proizvoljne koordinate toke B
Slika 13 prikazuje projektni prostor sinteze s dvije varijable s fiksnom tokom B, a na slici 15
je pokazan projektni prostor rjeenja sinteze s dvije varijable s fiksnom tokom B gdje se
jasno vidi pozicija dobivenog vektora rjeenja.
Slika 13.
Slika 14.
imun Svilii
Projektni prostor sinteze s dvije varijable fiksne koordinate toke B
Projektni prostor rjeenja sinteze s dvije varijable uz fiksne koordinate toke B
25
2.3.4. Usporedba dobivenih rjeenja

Tablica 4 prikazuje dobivene rezultate za dimenzije mehanizma. Vidljivo je kako su sva
dobivena rjeenja izmeu sinteza vrlo slina. Razlog tome je to je za sintezu s dvije varijable
a) uzeto da su koordinate toke A jednake rjeenjima koordinata toke A kod sinteze s etiri
varijable, te time rjeenje sinteze s dvije varijable tei rjeenjima sinteze s etiri varijable.
Rjeenja sinteza s dvije varijable odgovaraju u decimalu iz istog razloga. Takoer je vidljivo
da je dolo do promjene dimenzija u odnosu na poetne dimenzije
Tablica 4.
Prikaz dimenzija mehanizma i funkcije cilja dobivenih u analizama
Poetne dimenzije
Sinteza s 4 varijable
Sinteza s 2 varijable a)
Sinteza s 2 varijable b)
Slika 15.
imun Svilii
Fcilja
a1 / cm
a2 / cm
a3 / cm
s / cm
1,0278
1,02598
1,02598
36,4005
42,1474
42,1474
42,1474
40,05
56,9948
56,9937
56,9937
8
10,1032
10,1026
10,1026
-5
-14,8039
-14,8028
-14,8028
Prikaz poetnog i krajnjeg poloaja optimiziranog mehanizma [5]
26
3. ZADATAK Aproksimacija funkcije

3.1. Tekst zadatka
Potrebno je aproksimirati funkciju f x 3 x sin 2 4 x 2cos 3x na intervalu

2
x 0, s aproksimacijskom funkcijom oblika g x cii x . Gdje su ci R konstante

i 1
koje treba odrediti (projektne varijable), a i x su zadane bazne funkcije. Funkcija cilja za
aproksimaciju je min max f x g x . Potrebno je izabrati n baznih funkcija iz skupa

c1 ,...,cn
( n 16 ):
1, x, x , x , x , x , x , x ,sin x ,sin 2 x ,sin 3 x ,sin 4 x ,cos x ,cos 2 x ,cos 3x ,cos 4x

2
3.2. Teorijske osnove linearnog programiranja

OPA FORMULACIJA PROBLEMA
Trai se optimum funkcije:
n
z c1 x1 c2 x2 ... cn xn c j x j
(3.1)
j 1
uz ogranienja:
a11 x1 a12 x2 ... a1n xn b1

a21 x1 a22 x2 ... a2 n xn b2
am1 x1 am 2 x2 ... amn xn bm
b1
b2
bm
max
(3.2)
min
x j 0; j 1, 2,..., n
bi 0; i 1, 2,..., m
Ili u matrinom obliku:
x1
optimirati z = cx; c c1 , c2 ,..., cn , x
xn
b min
uz uvjet: Ax
b max
imun Svilii
(3.3)
27
Uvjet Ax b moe se zamijeniti s:
Ax y b;
y1
y
ym
(3.4)
gdje su y nove varijable, pa je standardni model linearnog programiranja:
z cx
max
uz uvjet: Ax y b; x 0; y 0; b 0
(3.5)
Oznae li se i dodatne varijable y takoer s x i to xn1 , xn2 ,..., xk , matrina jednadba

ogranienja e glasiti:
Ax b; x j 0, j 1, 2,..., k
bi 0, i 1, 2,..., m
(3.6)
3.3. Formulacija problema u oblik linearnog programiranja

Navedeni problem slian je vrlo estom i vanom problemu u statistici pod nazivom
linearna regresija. U statistici se on odnosi na pripajanje krivulje statistikim podacima.
Kriterij max | yi y xi | koji e se koristiti ovdje naziva se jo i ebievljev kriterij.
Funkciju
f x 3 x sin 2 4 x 2cos 3x potrebno je diskretizirani na intervalu

2
x 0, u n 100 toaka. U svakoj toki diskretizacije maksimalna greka aproksimacije

mora biti to manja, tj.:
n
f
x
cii x1
i 1
f
x
2
i i
2
min max
i 1
c1 , c2 ,..., cn
f xn cii xn
i 1
(3.7)
Apsolutna greka aproksimacije f x g x se moe prikazati kao::
f x g x z
gdje je:
imun Svilii
(3.8)
- z maksimalno dozvoljena greka aproksimacije.

28
Izraz (3.8) moe se zapisati i u obliku:

f x g x z
(3.9)
f x g x z
Pa funkcija cilja tada postaje:
min
c1 ,c2 ,...,cn ,
(3.10)
uz ogranienja:
z f x1 c11 x1 c22 x1 ... cnn x1 z
z f x2 c11 x2 c22 x2 ... cnn x2 z
(3.11)
z f xn c11 xn c22 xn ... cnn xn z
Ogranienja nejednakosti (3.11) mogu se matrino zapisati kao:

1 1 x1 2 x1
1 1 x2 2 x2
1 1 xn 2 xn
1 x
2 x1
1
1
1 1 x2 2 x2
1 1 xn 2 xn
n x1
f x1
n x2
f x2
c1
n xn
f xn
c
n x1 2 f x1
n x2 f x2

cn
n xn
f xn
(3.12)
Kako su ci neogranieni u predznaku, mogu se predstaviti s dvije pozitivne varijable na

nain:
ci ci ci ,
ci 0,
(3.13)
ci 0.
Izraz (3.12) se skraeno moe zapisati:

Ax b
(3.14)
Dozvoljena maksimalna greka aproksimacije odreuje se prema:
z vT x
imun Svilii
(3.15)
29
gdje je x definiran izrazom (3.12), a v T je:
vT 1 0 0
(3.16)
3.4. Rjeenja
U nastavku su dana rjeenja za etiri primjera odabira baznih funkcija za aproksimaciju
funkcije f x . Prikazana su 3 primjera sa po 4 bazne funkcije kako bi se usporedio utjecaj
pojedinih baznih funkcija na rjeenje ( polinomi, trigonometrijske funkcije i kombinacija), te
primjer sa 15 baznih funkcija.
Zadani problemi linearnog programiranja rijeeni su u programskom paketu Wolfram
Mathematica, naredbom LinearProgramming.
3.4.1. Prvi primjer bazne funkcije potencije varijable x

Za prvi primjer odabrane su etiri bazne funkcije potencije varijable x:
1 x x
2 x x 2
3 x x 3
(3.17)
4 x x 4
Aproksimacijska funkcija glasi:
g1 x c1 x c2 x 2 c3 x3 c4 x
(3.18)
Nakon provedenog optimiranja, dobivena su rjeenja:

z2
c1 2, 61713
c2 0, 0563425
(3.19)
c3 1,80304
c4 -0,486497
Nakon uvrtavanja vrijednosti (3.19) u izraz (3.18) dobiva se aproksimacijska funkcija g1 x :
g1 ( x) 2,61713x 0,563425x2 1,80304 x3 0, 486497 x 4 .
(3.20)
Na slici 16 prikazane su funkcije f x i g1 x dok slika 17 prikazuje apsolutnu greku

aproksimacije za prvi primjer odabira baznih funkcija.
imun Svilii
30
f x
gx
Slika 16.
Funkcija g1(x) koja aproksimira funkciju f(x) na intervalu x[0,]
greka z
Slika 17.
imun Svilii
Apsolutna greka aproksimacije prvog primjera odabranih baznih funkcija
31
3.4.2. Drugi primjer bazne funkcije kao trigonometrijske funkcije varijable x

Za drugi sluaj takoer su odabrane etiri bazne funkcije:
1 x sin 2 x ,
2 x sin 4 x ,
3 x cos x ,
(3.21)
4 x cos 3 x .
** funkcije su odabrane nakon nekoliko pokuaja i promaaja jer npr. za funkciju sin x ,
dobiva se konstanta c reda veliine 1016
Aproksimacijska funkcija drugog primjera sada je:
g2 x c1 sin 2 x c2 sin 4 x c3 cos x c4 cos 3x
(3.22)
Rjeenja dobivena nakon provedenog optimiranja su:
z 0,814071
c1 23,5769
c2 4, 6793
(3.23)
c3 16,5518
c4 13, 7377
Nakon uvrtavanja (3.23) u izraz (3.22) dobiva se aproksimacijska funkcija g 2 x :
g2 x 23,5769 sin 2 x 4,6793sin 4 x 16,5518cos x 13,7377cos 3x
imun Svilii
(3.24)
32
Na slici 18 nalazi se zajedniki prikaz funkcija f x i g 2 x , a slika 19 prikazuje apsolutnu

greku aproksimacije prvog primjera odabira baznih funkcija.
f x
gx
Slika 18.
greka z
Slika 19.
imun Svilii
Apsolutna greka aproksimacije drugog primjera odabira baznih funkcija
33
3.4.3. Trei primjer bazne funkcije kao kombinacija baznih funkcija iz prvog i
drugog primjera
U treem primjeru takoer su odabrane etiri bazne funkcije:
1 x x,
2 x x 2 ,
(3.25)
3 x sin 4 x ,
4 x cos 3 x .
Aproksimacijska funkcija sada glasi:
g3 x c1 x c2 x 2 c3 sin 4 x c4 cos 3x
(3.26)
Nakon provedenog optimiranja, dobivena su rjeenja:

z 1,89778
c1 0,990386
c2 0,590727
(3.27)
c3 1,8858
c4 2,90415
Nakon uvrtavanja (3.27) u izraz (3.26) aproksimacijska funkcija g3 x je:
g3 x 0.990386 x 0.590727 x2 1.8858sin 4 x 2.90415 cos 3x
(3.28)
Na slici 20 prikazane su funkcije f x i g3 x , dok slika 21 prikazuje apsolutnu greku

aproksimacije treeg primjera odabira baznih funkcija.
f x
gx
Slika 20.
imun Svilii
34
greka z
Slika 21.
Apsolutna greka aproksimacije treeg primjera odabira baznih funkcija
3.4.4. etvrti primjer sve bazne funkcije

Odabrane bazne funkcije:
1 x x,
2 x x 2 ,
3 x x 3 ,
4 x x 4 ,
5 x x 5 ,
6 x x 6 ,
7 x x 7 ,
8 x sin x ,
9 x sin 2 x ,
10 x sin 3 x ,
11 x sin 4 x ,
12 x cos x ,
13 x cos 2 x ,
14 x cos 3 x ,
15 x cos 4 x .
(3.29)
Rjeenja etvrtog primjera:

imun Svilii
35
z 0,144108
c1 1, 68874 106
c2 198912
c3 1,10478 106
c4 154364
c5 230717
c6 79695, 7
c7 7247,98
c8 0
c9 848940
c10 0, 0000760374
c11 2289, 63
c12 49657
c13 0, 000874734
c14 49659, 2
c15 4, 63096 10 6
(3.30)
Nakon uvrtavanja rjeenja dobiva se aproksimacijska funkcija g3 x :
g 4 x 7247,98 x 7 79695, 7 x 6 230717 x5 154364, x 4

1,10478 106 x3 198912 x 2 1, 68874 106 x 49657 cos( x )
0, 000874734 cos(2 x) 49659, 2 cos(3x) 4.63096 106 cos(4 x)
(3.31)
848940sin(2 x) 0, 0000760374sin(3x) 2289, 63sin(4 x) 0.
imun Svilii
36
Slika 22 prikazuje funkcije f x i g3 x , dok je na slici 23 prikazana apsolutna greka

aproksimacije etvrtog sluaja odabira baznih funkcija.
f x
gx
Slika 22.
Funkcija f(x) i g4(x) koja aproksimira funkciju f(x) na intervalu x[0,]
greka z
Slika 23.
imun Svilii
Apsolutna greka aproksimacije etvrtog primjera odabira baznih funkcija
37
3.4.5. Zakljuak nakon provedenih primjera

Optimiranjem aproksimacije funkcije kroz ova 4 primjera vidljivo je kako se
aproksimacijom sa vie baznih funkcija dolazi do najmanje greke, koja u ovom etvrtom
primjeru iznosi 15 %, ali iziskuje vie raunalnog vremena. Nadalje, vidljivo je kako neke
trigonometrijske funkcije imaju jako niske koeficijente te tako jako malo utjeu na izgled
aproksimacijske funkcije. Takoer je vidljivo kako se uz isti broj baznih funkcija dobiva
tonije poklapanje aproksimacijske funkcije sa trigonometrijskim funkcijama za razliku od
polinoma iz razloga to i u poetnoj funkciji prevladavaju lanovi trigonometrijskih funkcija.
imun Svilii
38
LITERATURA
[1] ap, D., Joki, A. Optimiranje mehanikih konstrukcija teorijske osnove i primjena,
Zagreb, 2014.
[2] Joki, A. Nastavni materijali, Zagreb, 2014.
[3] Rao, S.S. Engineering optimization Theory and practice, New Jersey, 2009.
[4] http://mat.gsia.cmu.edu/classes/QUANT/NOTES/chap4.pdf
[5] ap, D. Optimalna sinteza mehanizma tlanog cilindra, Zagreb, 2013.
[6] Wolfram Research. Wolfram Mathematica 9.0, http://www.wolfram.com/mathematica/
imun Svilii
39

Uvod U Optimiranje Konstrukcija Šimun Sviličić

Uploaded by

Copyright:

Available Formats

You might also like

Uvod U Optimiranje Konstrukcija Šimun Sviličić

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Uvod U Optimiranje Konstrukcija Šimun Sviličić

Uploaded by

Copyright:

Available Formats

FAKULTET STROJARSTVA I BRODOGRADNJE

Programski zadaci iz kolegija

Uvod u optimiranje konstrukcija

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

Optimalne dimenzije mehanizma (etiri varijable) ............................................. 21

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

1. ZADATAK Metoda Lagrangeovih mnoitelja

1.2. Teorijske osnove metode Lagrangeovih mnoitelja

uz ogranienja ili nametnute veze:

potrebno je formirati Lagrangeovu funkciju oblika:

gdje je i Lagrangeov mnoitelj. Iz uvjeta dL 0 (uz i konst. ) slijedi:

Iz izraza (1.4) i (1.5) moe se odrediti n m nepoznanica ( x1 , x2 ,..., xn , 1 , 2 ,..., m ).

gi x 0 moe pisati gi x ui2 0

gi x 0 moe pisati gi x ui2 0

ui nova varijabla koju tek treba odrediti.

Za ui 0 ogranienje gi x e biti aktivno, dok e za svaki ui 0 ogranienje gi x biti

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

Za optimizacijski problem oblika:

Lagrangeova funkcija glasi:

dok za ogranienje oblika gi x 0 izgleda:

te za problem bez ogranienja:

Da bi se u izrazima (1.9) i (1.10) zadrao ispravan utjecaj kriterija gi x u smislu

Izrazi (1.9) i (1.10) mogu se zapisati u obliku:

Na temelju funkcije (1.13) i uvjeta stacionaranosti ( dL 0 ) slijede uvjeti optimalnosti:

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

Broj nepoznanica sustava (1.15) ( x j , j 1, 2,..., n ; i , i 1, 2,..., p ; ui , i m 1,..., p ) podudara

Uvjeti optimalnosti (1.17) nazivaju se Kusher-Kahn-Tucker (KKT) nuni uvjeti lokalnog

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

1.3. Optimizacijski problem s dvije varijable

Televizije se proizvode u tvornicama A i B. Funkcija koja prikazuje cijenu proizvodnje

Kako se u zadatku trai minimumfunkcije to se i dobiva metodom Lagrangeovih

Lagrangeova funkcija prema izrazu (1.13) je:

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

Uvjeti optimalnosti prema izrazu (1.17) su:

Uvjet L6 i L7 daje mogue kombinacije:

dva aktivna ogranienja nejednakosti

Prva kombinacija otpada jer dobivamo x 0, y 0 , to naruava uvjet h1 . Rjeavanjem

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

Fakultet strojarstva i brodogradnje

Uvod u optimiranje konstrukcija

1.4. Optimizacijski problem s tri varijable

Fcilja f x1 , x2 , x3 x1 30 x1 x2 50 x2 3x1 5x2 10 x3

Ogranienja nejednakosti su:

Lagrangeova funkcija se prema izrazu (1.13) moe zapisati:

Uvrtavanjem izraza (1.23) i (1.24) u izraz (1.25) slijedi:

Uvjeti optimalnosti prema izrazu (1.17) su:

Fakultet strojarstva i brodogradnje