对地观测卫星系统优化问题的求解框架与方法

对地观测卫星系统优化问题具有设计变量多、设计空间大、难以解析计算而仿真又十分耗时的特点, 因此提出了基于综合拉丁方试验设计和代理模型的仿真优化框架. 该框架通过综合拉丁方试验设计方法生成仿真方案, 然后通过Kriging代理模型对仿真数据进行优化分析, 为实现代理模型的更新提出了代理模型最优点与最大化期望提高相结合的方式, 为实现代理模型的优化, 提出了全局与局部相结合的搜索模式, 其中全局搜索采用遗传算法实现, 局部搜索采用改进广义模式搜索算法实现, 最后通过仿真实例验证了该求解框架的有效性.     

神经网络辅助的多目标粒子群优化算法在复杂产品设计中的应用

复杂产品有限元分析(Finite Element Analysis，FEA)费用很高，给多目标优化(Multi-Objective Optimization，MOO)带来很大困难。提出一种人工神经网络(Artificial Neural Network，ANN)辅助的多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization，MOPSO)处理这类计算密集的设计问题：以基于噪声的虚拟样本丰富ANN的训练样本集，通过虚拟样本的控制参数和ANN模型参数的协同优化提高ANN泛化能力；以此ANN为代理模型支持多目标粒子群算法的进化，并采用基于网格邻域信息的拥挤指标提高Pareto前沿的收敛性、多样性及均匀性。最后，以航空发动机高压涡轮盘（High Pressure Turbine Disc，HPTD）多目标优化案例验证该策略的有效性和可用性。试验证明，这种面向成本的MOO方法降低了复杂产品多目标优化的工程应用难度，提高了设计质量。     

考虑供应不确定性与需求非平稳性的项目调度与材料供应集成优化

在工程建设中，项目调度与材料供应是相互关联和影响的，需要集成管理这两个决策事项.本文考虑供应不确定性与需求非平稳性，以项目总工期提前/延迟奖惩、施工活动开始时间偏离惩罚以及材料库存持有成本之和最小化为目标，研究项目调度与材料供应的集成优化.其中，材料供应主要涉及安全库存设置与分拨决策.该集成优化模型形式复杂，决策变量维度高，难以采用解析方法与传统仿真优化方法进行分析与求解.为此，设计了基于代理模型的优化方法来求解该模型.该方法的核心是采用代理模型来逼近决策变量与优化目标的函数关系，以减少方案评估时的计算成本，提高优化效率.算例分析验证了基于代理模型的优化方法的有效性，并表明项目调度与材料供应集成优化相比于独立决策可以节约成本.     

梯形机翼多目标气动优化研究

针对气动优化设计问题,基于优化集成软件ModelCenter结合VB自编程序、CAD、计算流体力学仿真(CFD)软件及多目标遗传算法构建气动协同优化设计、分析平台,进行梯形机翼多目标气动优化、仿真分析研究.论文研究了三维CFD仿真、响应面代理模型(RSM)分别与多目标遗传算法结合的优化方案及其关键技术的解决途径.算例结果表明两种优化方案结果吻合,结合流场分析,表明优化方法的合理,气动优化设计平台有效.     

一种基于代理模型引导采样的多目标优化方法

针对复杂的实际工程多目标优化问题,提出代理模型引—手采祥的多目标优化方法。通过自适应的加强径向基函数构造的代理模型寻找Pareto优化解集,从找到的解集中通过一定策略筛选出部分作为样本点加入到下代样本空间中,样本点随着迭代的进行越来越靠近全局Pareto最优解集。从当前所有样本点中获得Pareto解,并根据其分布情况作为收敛条件。该方法中代理模型仅仅用来引导采样,也不需要反复计算大量样本点验证代理模型的精度,得到的解都被实／承模型验证过。在雌利害目标测试函数中体现了精度和效率。最后成功应用于薄板冲压成形变压边力优化中,表明了具有解决多目标实际工程优化问题的能力。     

元启发式数据关联的多目标跟踪方法

提出了一种元启发式数据关联的多目标跟踪方法。首先,该方法根据跟踪门逻辑确定目标的有效量测。然后,利用滤波信息的似然函数描述量测点与目标之间的关联关系,并建立约束条件下多目标数据关联模型。最后,对蚁群优化算法进行改进设计,引入量测剔除策略,将求解问题转化为无约束的组合优化形式,从而利用蚁群优化算法在离散空间的启发式机制搜索量测与目标的最佳关联。仿真结果表明,该方法可以有效实现多目标数据关联且计算量较小,具有一定的工程实用价值。     

模型与数据混合驱动的代理模型构建方法研究

以某作战样式下的立体投送行动为研究对象,针对模拟仿真推演计算因子过多、计算资源开销过大、普通解析模型计算精度不足等问题,提出了一种模型与数据混合驱动的代理模型构建方法,支撑作战行动的研究。基于军事理论构建了包含武器装备、作战力量等在内的含待优化系数的立体投送解析模型组,并依托自主研发的“代理模型可视化平台”,实现前述解析模型组的复合和参数设置;通过模拟仿真系统实施推演,采集高可信度仿真数据;以高可信度仿真数据为样本,采用多目标遗传优化算法NSGA-II对解析模型中的待定关键系数进行优化,获得能够兼顾计算精度和计算速度的立体投送代理模型。经对比实验结果表明,构建的立体投送代理模型计算结果与高可信度仿真推演相比,战损最大相对误差不超过6.5%,而计算速度提升了150倍。     

基于Kriging遗传算法的高速公路应急车道管控优化

针对如何在不同交通流状况下有效提高高速公路运行效率和降低安全风险的问题,提出基于Kriging代理模型的遗传算法优化应急车道管控策略。结合应急车道开放策略的时空特性设计数学优化模型,通过引入Kriging代理模型,结合遗传算法搭建优化框架,采用仿真软件获取数据训练代理模型,以此求解带有开放时间和开放空间双重约束的总行程时间与总碰撞暴露时间最小化问题。对车道控制时间与空间变量的变化频次进行了约束,并对目标函数中效率与安全指标权重变化对优化结果的影响进行了分析。实验表明：该优化方法使路网总行程时间减小14.9%,碰撞暴露时间减小44.2%,控制效果提升。     

基于空间划分的分解算法

充分利用具体优化问题的模型空间结构或性质,往往可以减少搜索的不确定性,提高优化效率.多目的间歇生产调度形成的混合整数规划模型中只有0-1变量和连续变量,而且0-1变量和部分连续变量有对应关系.根据问题的特点将原模型分解为含有0-1变量的优化主问题和连续变量的子问题,并提出分解算法,降低了相应连续子规划的规模和复杂度.从计算复杂度的角度分析分解算法适用的问题情形,并用一个典型的批量生产调度问题进行分析实验,结果表明分解算法可以降低实际计算的复杂度,提高解的质量.     

基于仿真模型的鲁棒协同优化方法研究

复杂产品往往由多个子系统通过复杂的耦合方式组成.针对复杂产品的多学科鲁棒设计优化技术已得到广泛应用.为了使用仿真模型进行多学科鲁棒设计优化,提出了SUA-RCO和DRS-RCO两种方法.在SUA-RCO方法中,仿真模型首先被拟合为近似的数学模型,然后利用近似数学模型进行RCO计算.系统的不确定性由SUA方法进行计算.为了解决大参数方差问题,DRS-RCO方法将仿真模型近似拟合为双响应面形式,分别使用两个响应面来拟合均值和方差.然后,进行协同优化计算.