2。理论背景和现有注塑模型工艺参数优化的调查

2。1 优化技术 如果我们对现有的数值优化技术通过基于每次迭代后改进设计点的方式进

行分类，有三种优化技术：非基于梯度的优化技术、基于梯度的优化技术和混合 优化技术。对他们的大致描述如下：非基于梯度的优化技术不需要目标函数 f(x)， 具有可区分性，因为这类算法中没有 f(x)的微分方程。非基于梯度的优化技术 的例子有自适应模拟退火法、胡克-纪夫斯直接搜索法以及遗传算法(以下简称 GA)。这些优化方法旨在寻求整体的最佳效果，但是需要大量的函数估计。GA 是 一个比较著名的非基于梯度的优化技术。它是一个模仿达尔文生物进化论的随机 研究或者最优化算法基于梯度的优化技术现阶段主要通过功能梯度来定义调查 方向。在实际生产中，有很多的基于梯度的优化技术，例如广义简约梯度、共轭 梯度、可行方向法、混合整数优化、序列线性规划、序列二次规划、和大卫-弗 莱彻-鲍威尔法。一般而言，基于梯度的优化技术可以给出一个快速集合，但是 当变量增长是可能需要长时间运行。基于梯度的优化技术也可以得到高非线性最 优化问题的局部风险极值。论文网

混合优化技术同时使用非基于梯度和梯度为基础的技术随后的结合，利用了 双方的优点，同时减少单优化技术的缺点。上文所述的这些优化技术都不在本文 讨论范围内。

2。2 一般优化法 在本文的优化方法，不论显性目标函数是否用公式表示出