机械优化设计及应用 / 普通高等教育“十三五”规划教材
￥45.00定价
作者： 樊军庆
出版时间：2016-07
出版社：机械工业出版社
- 机械工业出版社
- 9787111522492
- 1-2
- 120996
- 46249181-2
- 平装
- 16开
- 2016-07
- 390
- 250
- 工学
- 机械工程
- TH122
- 机械设计制造及其自动化
- 本科
内容简介
本书主要内容分为两大部分，分别介绍了优化设计的基本概念及数学基础，以及具体的优化设计方法，包括一维搜索方法、无约束优化方法、线性规划、约束优化方法等。
本书从应用实际出发，注重理论教学与实际应用相结合，与机械原理、机械设计等课程紧密衔接，列举了许多工程中的设计实例。因此，通过对本书的学习，不但可以掌握优化设计理论，而且可以很容易地将该理论应用到实践中去。
本书可作为高等工科院校机械设计类专业的本科生、研究生教材，也可供有关专业的学生、教师及工程技术人员阅读参考。
本书从应用实际出发，注重理论教学与实际应用相结合，与机械原理、机械设计等课程紧密衔接，列举了许多工程中的设计实例。因此，通过对本书的学习，不但可以掌握优化设计理论，而且可以很容易地将该理论应用到实践中去。
本书可作为高等工科院校机械设计类专业的本科生、研究生教材，也可供有关专业的学生、教师及工程技术人员阅读参考。
目录
前言
绪论
0.1 什么是机械优化设计
0.2 传统设计与优化设计
0.3 机械优化设计的特点
0.4 优化设计在机械设计中的作用
0.5 机械优化设计的发展概况
0.6 本课程的主要内容
第1章 机械优化设计概述
1.1 工程中的机械优化设计问题
1.2 机械优化设计中的数学模型
1.3 优化设计问题的基本解法
习题
第2章 极值理论简介
2.1 多元函数的方向导数与梯度
2.2 多元函数的泰勒展开式
2.3 无约束优化问题的极值条件
2.4 函数的凸性
2.5 等式约束优化问题的极值条件
2.6 不等式约束优化问题的极值条件
习题
第3章 一维搜索方法
3.1 概述
3.2 搜索区间的确定与区间消去法原理
3.3 一维搜索的试探法
3.4 一维搜索的插值法
3.5 工程设计应用
习题
第4章 无约束优化方法
4.1 概述
4.2 最速下降法
4.3 牛顿型方法
4.4 共轭方向及共轭方向法
4.5 共轭梯度法
4.6 变尺度法
4.7 鲍威尔法
4.8 坐标轮换法
4.9 单形替换法
4.10 工程设计应用
习题
第5章 线性规划
5.1 线性规划的标准形式与基本性质
5.2 基本可行解的转换
5.3 单纯形法
5.4 单纯形法应用举例
5.5 修正单纯形法
5.6 工程设计应用
习题
第6章 约束优化方法
6.1 概述
6.2 随机方向法
6.3 复合形法
6.4 可行方向法
6.5 惩罚函数法
6.6 二次规划法
6.7 工程设计应用
习题
第7章 多目标及离散变量优化方法简介
7.1 多目标优化问题
7.2 多目标优化方法
7.3 离散变量优化问题
7.4 离散变量优化方法
7.5 工程设计应用
第8章 智能优化计算简介
8.1 人工神经网络与神经网络优化算法
8.2 遗传算法
8.3 模拟退火算法
8.4 神经网络权位的混合优化学习策略
8.5 工程设计应用
部分习题参考答案
参考文献
绪论
0.1 什么是机械优化设计
0.2 传统设计与优化设计
0.3 机械优化设计的特点
0.4 优化设计在机械设计中的作用
0.5 机械优化设计的发展概况
0.6 本课程的主要内容
第1章 机械优化设计概述
1.1 工程中的机械优化设计问题
1.2 机械优化设计中的数学模型
1.3 优化设计问题的基本解法
习题
第2章 极值理论简介
2.1 多元函数的方向导数与梯度
2.2 多元函数的泰勒展开式
2.3 无约束优化问题的极值条件
2.4 函数的凸性
2.5 等式约束优化问题的极值条件
2.6 不等式约束优化问题的极值条件
习题
第3章 一维搜索方法
3.1 概述
3.2 搜索区间的确定与区间消去法原理
3.3 一维搜索的试探法
3.4 一维搜索的插值法
3.5 工程设计应用
习题
第4章 无约束优化方法
4.1 概述
4.2 最速下降法
4.3 牛顿型方法
4.4 共轭方向及共轭方向法
4.5 共轭梯度法
4.6 变尺度法
4.7 鲍威尔法
4.8 坐标轮换法
4.9 单形替换法
4.10 工程设计应用
习题
第5章 线性规划
5.1 线性规划的标准形式与基本性质
5.2 基本可行解的转换
5.3 单纯形法
5.4 单纯形法应用举例
5.5 修正单纯形法
5.6 工程设计应用
习题
第6章 约束优化方法
6.1 概述
6.2 随机方向法
6.3 复合形法
6.4 可行方向法
6.5 惩罚函数法
6.6 二次规划法
6.7 工程设计应用
习题
第7章 多目标及离散变量优化方法简介
7.1 多目标优化问题
7.2 多目标优化方法
7.3 离散变量优化问题
7.4 离散变量优化方法
7.5 工程设计应用
第8章 智能优化计算简介
8.1 人工神经网络与神经网络优化算法
8.2 遗传算法
8.3 模拟退火算法
8.4 神经网络权位的混合优化学习策略
8.5 工程设计应用
部分习题参考答案
参考文献
