TRƯỜNG ĐẠI HỌC BÁCH KHOA – ĐẠI HỌC ĐÀ NẴNG

KHOA CƠ KHÍ GIAO THÔNG

BỘ MÔN KỸ THUẬT Ô TÔ
Giảng viên: TS. Hoàng Thắng
Email: hthang@dut.udn.vn
Tel: 070.250.9826
Môn học: Trợ giảng
Toán chuyên ngành

Kiến thức :

 Thiết lập các bài toán về tối ưu hóa

 Vận dụng giải các bài toán tối ưu bằng phương pháp khác nhau
Link tải Matlab
 CHƯƠNG 4
CÁC KHÁI NIỆM THIẾT KẾ TỐI ƯU
 Mục tiêu đạt được

• Xác định giá trị cực tiểu và cực đại cho các bài toán không
ràng buộc và có ràng buộc
• Viết điều kiện tối ưu cho các bài toán không ràng buộc
và có ràng buộc
• Kiểm tra tính tối ưu của một điểm cho trước đối với
các bài toán không ràng buộc và ràng buộc
• Giải các điều kiện tối ưu bậc nhất cho các điểm ứng
cử là điểm cực tiểu.
• Kiểm tra tính lồi của một hàm và bài toán tối ưu hóa
thiết kế.
• Sử dụng bội số Lagrange để nghiên cứu sự thay đổi
của giá trị tối ưu của hàm chi phí do sự biến đổi của
ràng buộc.
 4.1 Giới thiệu tổng quan các vấn đề bài
toán tối ưu
Các loại bài toán tối ưu hóa
 4.1 Giới thiệu tổng quan các vấn đề bài
toán tối ưu
Các thành phần của bài toàn tối ưu hóa
 4.1 Giới thiệu tổng quan các vấn đề bài
toán tối ưu
Các thành phần của bài toàn tối ưu hóa
 4.1 Giới thiệu tổng quan các vấn đề bài
toán tối ưu
Tối ưu một biến?
Tối ưu nhiều biến?
Ràng buộc là gì?(Constraints)
Equality constraints (Ràng buộc Đẳng ngang): Đây là điều
kiện mà một hoặc nhiều biểu thức phải bằng nhau trong quá
trình tối ưu hóa một hàm mục tiêu dưới các ràng buộc

Inequality Constraints (ràng buộc bất đẳng thức ): chỉ định

rằng một hay nhiều biểu thức phải thỏa mãn một điều kiện bất
đẳng thức trong quá trình tối ưu hóa
 4.2 Định nghĩa về điểm cực tiểu toàn cục và
cục bộ (definitions of global and local minima )

Bộ khả thi S:
S  { x | hj ( x )  0, j  1 to p; gi ( x )  0; i  1 to m }
Điểm cực tiểu toàn cục (tuyệt đối) :
f ( x*)  f ( x ),x S
X* lớn hơn điểm cực tiểu toàn cục , thì

f ( x*)  f ( x ), x S
X* bé hơn điểm cực tiểu toàn cục , thì

Global minima f ( x*)  f ( x ),x S

 4.2 Định nghĩa về điểm cực tiểu toàn cục và
cục bộ (definitions of global and local minima )
Điểm cực tiểu cục bộ

Bộ khả thi S:
S  { x | h j ( x )  0, j 1to p; gi ( x )  0; i 1to m }

Điểm cực tiểu cục bộ (tương đối) :

f (x*) f ( x ), for xN,
where N  {x | xS with x -x *  },   0

X* lớn hơn điểm cực tiểu cục bộ , thì

f (x*) f ( x ),xN
X* bé hơn điểm cực tiểu cục bộ , thì
f(x*) f(x),xN
 4.2 Định nghĩa về điểm cực tiểu toàn cục và
cục bộ (definitions of global and local minima )
Điểm cực tiểu cục bộ

Cục bộ & toàn cục

• Có thể có một số
điểm có cùng giá trị
tối thiểu
• Có thể có 1 điểm có
giá trị tối thiểu

Câu hỏi: Local và Global minima là gì? Giải thích

 Sự tồn tại của cực tiểu

Định lý Weierstrass – Sự tồn tại của cực

tiểu toàn cục:
Nếu f(x) liên tục trên tập hợp S khả thi không
rỗng bị đóng và bị ràng buộc, thì f(x) có cực
tiểu toàn cục tính bằng S
Note:
• Nếu định lý Weierstrass được thỏa mãn, thì tối
ưu toàn cục tồn tại
• Nếu định lý Weierstrass không được thỏa mãn,
tối ưu toàn cục có thể vẫn tồn tại
 4.3 MỘT SỐ KHÁI NIỆM GIẢI TÍCH

Gradient Vector
f (x*)
• Hướng tăng tối đa
• Bình thường với bề mặt chức
năng
 4.3 MỘT SỐ KHÁI NIỆM GIẢI TÍCH

Ma trận Hessian

2 f
• Đối xứng H 
xx

Ý nghĩa Hessian:
• Hình dạng của Hàm
• Nếu đạo hàm riêng cấp nhất cho biết tốc độ biến động của hàm, thì ma
trận Hessian cung cấp thông tin về tốc độ biến động của đạo hàm riêng
cấp nhất tại từng hướng khác nhau
• Ma trận Hessian được sử dụng để xác định phương hướng và độ lớn của
biến đổi đạo hàm riêng cấp nhất khi đi từ một điểm tới một điểm khác
• Quyết Định Vùng Lân Cận Tối Ưu
• Kiểm Tra Điều Kiện Tối Ưu
 4.3 MỘT SỐ KHÁI NIỆM GIẢI TÍCH

Khai triểnTaylor’s