第一章 优化方法程序库OPB-2概述 1
1 程序库OPB-2的总体结构 1
2 OPB-2中主要程序算法的内容及特点 2
2.1 混合离散优化的综合求解策略及程序MDOP2.0 2
2.2 混合离散优化基因遗传算法及程序MDOP2.1 2
2.3 人工神经网络优化算法及程序MDOP3.0 3
2.4 混合离散优化方法及程序CVM 02 3
2.8 约束变尺度法程序CVM 01 4
2.7 混合离散变量优化方法及程序的考核程序包 4
2.6 基于人工智能（A）技术的离散二次规划法及程序MQRA 4
2.5 拟离散序列二次规划法及程序CVM03 4
2.9 拟牛顿乘子法及程序QNM 01 5
2.10 可行约束变尺度法及程序CVMFD1 5
2.11 采用拟梯度的序列二次规划法及程序CVMQG1 5
2.12 单调性分析的序列二次规划法及程序MARQ 5
2.13 广义简约梯度法程序GRG-2及其改进型GRG-C 6
2.14 混合罚函数法程序MPOP 6
2.18 机械零部件与机构的优化设计程序MDS1.0 7
2.17 优化设计数学模型的前处理分析专家系统ESAMN1 7
2.16 结构优化设计及程序OOSOP 7
2.15 多目标优化方法及程序MOOP 7
1.1 概述 8
1.2 构造二次规划子问题及Powell算法的基本原理 8
6.7 GRG-2和GRG-C程序及结构分析 8
1 约束变尺度法及其程序CVM 01 8
第二章 连续变量优化设计方法综述 8
1.3 近似Hesse矩阵的修正方法 11
1.4 Powell算法的线性搜索策略 12
1.5 Powell算法存在的问题 13
1.6 CVM01中的线性搜索策略的改进——监控技术的应用 14
1.7 CVM01中的Hesse矩阵B的修正与迭代的改进 17
1.8 CVM01中提高梯度值精度的措施 19
1.9 CVM01的算法步骤 19
1.10 CVM 01的数值结果分析及其应用 23
1.11 CVM01程序及结构分析 26
2 拟牛顿乘子法及其程序QNM 01 29
2.1 概述 29
2.2 构造二次规划子问题QP 30
2.3 QNM 01的算法步骤 31
2.4 拟牛顿乘子法与Powell型方法的主要区别 32
2.5 拟牛顿乘子法的算法步骤 32
2.6 QNM 01程序及其数值实验结果 33
3.1 概述 35
3 可行约束变尺度法及其程序CVMFD1 35
3.2 QP子问题的解的性质 36
3.3 可行方向的构造 37
3.4 确定搜索步长和寻找可行初始点的方法 37
3.5 CVMFD1的算法步骤 39
3.6 CVMFD1程序及其数值实验结果 39
4 采用拟梯度的序列二次规划法及其程序CVMQG1 42
4.1 概述 42
4.2 拟梯度的计算方法 42
4.3 采用拟梯度的序列二次规划方法 47
4.4 CVMQG1的算法步骤 47
4.5 CVMQG1程序及其数值实验结果 48
5 单调性分析的序列二次规划法及其程序MARQ 49
5.1 概述 49
5.2 MARQ的算法原理—Biggs型二次逼近法的数学原理 50
5.3 MARQ的计算方法 52
5.4 Lagrange函数Hesse矩阵逆阵的近似与逼近 53
5.5 不精确—维搜索 54
5.6 起作用约束集与单调性分析技术 55
5.7 MARQ程序及结构分析 58
6 广义简约梯度法及其程序GRG-2和GRG-C 61
6.1 概述 61
6.2 广义简约梯度法的数学模型 62
6.3 简约梯度法 63
6.4 广义简约梯度法 66
6.5 GRG-2的计算方法 72
6.6 GRG-C采用的改进措施 81
7 混合罚函数法及程序MPOP 93
7.1 概述 93
7.2 混合罚函数法的数学模型 94
7.3 混合罚函数法 94
7.4 混合罚函数法的算法步骤 96
7.5 一维搜索的四点三次插值法 100
7.6 MPOP程序及结构分析 105
8.1 概述 106
8 优化设计数学模型的前处理分析专家系统ESAMN 1 106
8.2 优化设计数学模型的诊断 107
8.3 优化设计数学模型的简化 109
8.4 ESAMN1的应用实例 112
参考文献 115
第三章 混合离散变量优化设计方法综述 118
1 概述 118
2.2 混合离散变量直接搜索法MDOD简介 119
2 混合离散变量优化方法及程序CVM 02 119
2.1 CVM 02的基本思想 119
2.3 CVM 02算法特点及过程 120
2.4 连续变量的离散化转换及子程序TRANS 121
2.5 离散搜索中灵敏度分析的应用 122
2.6 离散一维搜索方法的改进 123
2.7 CVM 02中两种搜索策略 124
2.8 应用实例 124
3.1 CVM 03的基本思想 128
3 拟离散序列二次规划法及程序CVM 03 128
3.2 离散问题的单调性分析 129
3.3 近似的收敛准则 131
3.4 CVM 03的圆整策略 132
3.5 离散变量的灵敏度分析技术及坐标轮换搜索 135
3.6 应用实例 136
4 基于人工智能（AI）技术的离散二次规划法及程序MQPAI 142
4.1 MQPAI的基本思想 142
4.2 离散序列二次规划的可行方向法 143
4.3 寻找初始可行离散点的方法 145
4.4 基本规划的建立原则 146
4.5 Lagrange函数或目标函数的Hesse矩阵的修正 146
4.6 离散序列二次规划中的可行方向修正 147
4.7 离散搜索步长 147
4.8 部分基本规则 147
4.9 MQPAI的基本思想与程序结构 148
4.10 MQPAI的主要算法步骤 151
参考文献 152
1.2 圆整策略的局限性 154
1.1 混合离散变量优化的特点 154
1 概述 154
第四章 混合离散变量优化的综合求解策略及其程序MDOP2.0 154
2 混合离散变量优化的数学模型描述 156
2.1 混合离散变量优化的数学模型 156
2.2 一般非线性混合离散变量优化设计的数学模型转化 157
3 混合离散变量优化的基本定义及最优性条件 159
3.1 基本概念和定义 159
3.2 离散变量问题的最优性条件 161
3.3 两类代表性方法及其特点 161
4 MDOP2.0核心算法的基本思想 162
4.1 基因遗传算法——寻求离散可行点算法之一 163
4.2 离散变量复合形法——寻求离散可行点算法之二 166
4.3 Monte-Carlo随机试验法——寻求离散可行点算法之三 168
4.4 自适应随机搜索法—寻求离散可行点算法之四 169
5 离散局部最优解的寻求 171
5.1 离散局部最优解的避免 171
6 离散一维搜索技术 171
6.1 相对混合次负梯度方向——离散搜索方向之一 173
6.2 PRP共轭梯度方向——离散搜索方向之二 173
7.1 隐枚举查点技术——跳出局部最优解措施之一 174
7 离散查点技术 174
7.2 人工神经网络查点技术—跳出局部最优解措施之二 175
8 MDOP2.0的分析 176
8.1 算法终止准则 176
8.2 MDOP2.0算法流程 177
9 工程应用实例 177
10 MDOP2.0的结构及使用说明 184
10.1 程序结构 184
10.2 用户接口 184
参考文献 186
第五章 混合离散变量优化基因遗传的算法及程序MDOP2.1 188
1 概述 188
1.1 基因遗传算法概况 188
1.2 基因遗传算法的基本思路 188
1.3 基因遗传算法的常规步骤 189
2 MDOP2.1求解步骤 190
2.1 设计变量的二进制代码的映射转换 190
2.2 MDOP2.1的计算步骤 191
3 MDOP2.1的分析及结构 195
4 MDOP2.1的应用实例 196
参考文献 198
第六章 多目标优化算法原理及程序MOOP 200
1 概述 200
1.1 基本概念 200
1.2 多目标优化算法的分类 201
1.3 多目标优化的对偶性 202
2 常用多目标优化算法及原理 202
2.1 约束法 202
2.2 分层序列法（目标分量排序法） 203
2.3 功效函数法 205
2.4 权函数法 207
2.5 理想点法 211
2.6 主要目标法 213
3 交互式协调割平面法 217
3.1 概述 217
3.2 算法的基本思想 218
3.3 算法原理 218
3.4 算法步骤 223
3.5 实例 224
4.1 引言 226
4.2 多目标评价函数混合离散优化算法 226
4 混合离散多目标优化问题的处理方法 226
4.3 混合离散多目标优化序列圆整算法 227
5 MOOP结构及分析 230
5.1 算法总体流程 230
5.2 MOOP的总体结构 231
5.3 主要子程序的功能及分析 232
参考文献 234
1.1 连续Hopfield神经网络模型 236
第七章 人工神经网络优化设计原理及方法 236
1 概述 236
1.2 多层神经网络模型 238
1.3 Boltzmann机模型 238
1.4 Cauchy机模型 239
1.5 人工神经网络优化方法的基本原理 239
2 人工神经网络混合离散优化算法及程序MDOP3.0 242
2.1 基本原理 242
2.2 优化问题的神经网络模型化——构造能量函数 242
2.3 神经网络优化模型的求解方法——模拟退火算法 243
2.4 混合离散变量优化问题的神经网络模型求解算法 244
2.5 人工神经网络混合离散变量优化设计程序MDOP3.0的结构及评价 245
3 人工神经网络的结构优化方法 246
3.1 人工神经网络结构优化的基本构成 246
3.2 基于人工神经网络的结构近似分析方法的理论基础 247
3.3 基于人工神经网络的结构近似分析算法 248
3.4 多层神经网络样本学习的多级优化模型 250
3.5 改进的多层神经网络学习算法 251
3.6 应用实例 254
参考文献 257
第八章 结构优化设计 258
1 概述 258
2 敏度分析原理及实施 260
2.1 敏度分析方法 260
2.2 商用有限元软件敏度分析的实施 263
3 结构优化准则法 265
3.1 满应力法 265
3.2 单位移约束准则法 266
4 结构优化的齿行法 267
3.3 多位移约束准则法 267
4.1 齿行法的实施 268
4.2 杆结构优化齿行法 268
4.3 板结构优化齿行法 269
4.4 梁结构优化齿行法 272
4.5 组合结构优化齿行法 273
5 结构优化的基因遗传（GA）算法 275
5.1 动态种源GA算法 276
5.2 动态种源GA结构优化算法实施 278
5.3 GA数值实例 280
5.4 结构优化混合算法 282
6 多级结构优化技术与面向对象方法 282
6.1 面向对象的多级结构优化建模 283
6.2 多级结构优化算法 285
7 结构优化程序OOSOP1.0的结构及使用 286
7.1 OOSOP1.0的算法流程 286
7.2 OOSOP1.0的总体结构 286
7.3 用户接口 288
8.1 大型工业剪切机组合结构优化设计实例 289
8 工程应用实例 289
8.2 大型工业打包机组合结构优化设计实例 291
8.3 起重机端梁优化设计实例 291
参考文献 292
第九章 形状优化设计 293
1 概述 293
2 形状优化参数描述 294
2.1 Ferguson曲线 295
2.2 Ferguson曲面 295
2.3 Bezier曲线 296
2.4 Bezier曲面 297
2.5 B样条曲线 298
2.6 B样条曲面 300
2.7 NURBS曲线 301
2.8 NURBS曲面 302
3 形状优化的敏度分析 303
3.1 有限元离散模型形状解析敏度 303
3.2 形状敏度分析拟载荷法实施步骤 305
3.3 形状敏度分析的单位虚载荷法 306
3.5 敏度分析的物质导数法 307
3.4 形状敏度分析的半解析法 307
4 网格自动生成 308
4.1 参数映射法 309
4.2 基于速度场的网格自动划分 312
4.3 Delauray法网格自动划分 317
4.4 四叉树（八叉树）法 318
5 自适应有限元分析 319
5.1 误差估计 320
5.2 h自适应法 322
5.3 p自适应法 324
5.4 p方法误差估计 328
6 自适应形状优化 329
6.1 形状优化数学模型 329
6.2 形状优化算法 330
7 工程形状优化应用实例 331
7.1 梁的形状应力敏度分析 331
7.2 连杆的形状优化设计 332
7.3 起重吊钩的自适应形状优化 333
参考文献 334
1 机械零部件优化设计中的几个问题 335
1.1 数学模型 335
第十章 机械零部件及机构的优化设计与程序MDS1.0 335
1.2 优化方法的选择 336
1.3 优化结果的分析和处理 337
2 以承载能力最大为目标的优化设计 339
2.1 传递功率最大的圆柱齿轮传动优化设计 339
2.2 强度最大的弧齿锥齿轮传动优化设计 343
3.1 行星齿轮减速器的优化设计 347
3 以体积最小或重量最轻为目标的优化设计 347
3.2 弹簧的优化设计 353
4 以摩擦学特性最佳为目标的优化设计 356
1.1 流体动压径向圆柱滑动轴承最佳润滑性能的设计 357
4.2 星变速箱换档离合器最佳摩擦特性的优化设计 364
5 再现连杆机构从动件运动性能的优化设计 369
5.1 以复演预期位置（或速度、加速度等）为目标的优化设计 369
5.2 以复演预期轨迹为目标的优化设计 371
5.4 优化设计数学模型建立的原则 372
5.3 以复演预期传动函数为目标的优化设计 372
6 以动力学特性取最佳为目标的优化设计 377
6.1 齿轮传动的最佳动态性能设计 377
6.2 机构的最佳动力学参数优化设计 384
参考文献 388
第十一章 优化程序的考核及评价 389
1 评价标准 389
1.1 概述 389
1.2 评价标准的分析 389
2.1 敏度分析技术 393
2 评价方法 393
2.2 优化结果的综合评估系统 395
3 混合离散变量优化考题及考核分析 399
3.1 测试考核题的选择 399
3.2 考核指标 421
3.3 考核结果比较 421
4 三维网格绘图技术的基本原理及其在评估中的应用 423
4.1 三维网格绘图技术的基本原理 423
4.2 示例 425
参考文献 429