基于渐近松弛的协同优化方法

针对协同优化方法受起始点影响较大、稳定性不足和收敛难度大的问题,定义了耦合一致度来衡量各学科变量间的一致性要求,并提出了基于渐近松弛的协同优化方法（CO-AR）.该方法的计算过程分为2个阶段：① 根据设定的耦合一致度,确定系统级松弛因子,并计算得到近似全局优化解;② 以第1阶段的优化解作为起始点,并选取符合一致性精度要求的松弛因子进行协同优化,求得最终优化解.减速器标准算例结果表明,所提方法能够大大降低对起始点的敏感程度,有效改善协同优化方法的收敛性和稳定性.
     

基于满意度原理的多学科协同优化

由于多学科设计优化涉及众多复杂因素，各个学科需要满足的约束是不同的，而系统级通常采用一致性约束来保证学科级共享、耦合变量及目标值的一致,在很多情况下共享、耦合变量及目标值满足了约束，但是各个学科获得的并不是本学科的最优解．本文采用满意度原理设计协同优化的系统级目标函数，综合考虑了学科级优化解的满意度和共享、耦合变量及目标值对于一致性约束的满意度，以增强协同优化的综合处理能力．齿轮变速箱优化实例表明该方法是可行有效的．     

基于约束网络的多学科协同设计方法

针对多学科设计问题中约束条件过多过于复杂的情况 ,为了保证设计参数一次选取成功 ,提出了一种基于约束网络的多学科协同设计方法。该方法利用约束网络模型收集分属于不同学科的约束条件 ,并在设计期间监控这些约束关系。提出了反映协同设计需求的数学模型 ,设计了一个通用的一致性求解算法框架 ,并利用了基于区间代数的一致性算法。该方法能够在设计的初期就监控设计过程 ,有效地预报冲突。将该方法应用到铁路车辆的转向架设计中 ,已证明了它的有效性。     

基于协同优化方法的分布式协同演化系统的设计与实现

基于遗传算法的协同优化方法的基本思想,在C#平台下设计与实现了一个分布式协同演化系统.该系统具有长基因群体分解、分配任务给子服务器、综合、演化、产生新的群体、短基因群体在局部空间上演化、数据输入、输出等功能.     

基于非对称模糊优化模型的多学科协同满意优化

协同优化(CO)作为一种多学科设计优化(MDO)方法,包括两级优化:系统级和若干个学科级.然而工程设计实践中往往存在很多不确定因素,而且互相冲突的多个优化目标的存在,进一步增加了CO建模的求解复杂性.采用模糊截集水平法为各个学科设计了非对称CO模型,扩展了学科分析模块,使学科级能独立获取本学科最优的截集水平,以构造相应决策空间.利用满意度原理设计了学科级优化的目标函数,并将其作为一致性方程的组成部分传递到系统级.系统级在满足一致性约束的同时,最大化综合满意度方程,使所有学科同时获得最满意的优化解.电子封装问题的多学科协同满意优化实例表明该方法是行之有效的.     

零件设计过程多学科协同优化

基于传统零件设计与优化遵循顺序过程无法达到面向载荷—结构—工艺的全局最优,对轴类零件的过程设计多学科优化进行研究;以质量为系统级目标函数,以集中载荷截面的弯矩和扭矩、安全系数变化、切削加工去除材料总量为学科目标函数,建立过程协同优化模型,以遗传-粒子群算法进行求解,并以某电动助力转向器(EPS)输出轴为研究对象进行优化计算.研究结果表明:输出轴质量减小5.5％,在300N·m扭矩或80N·m助力转矩2种状态下优化后最大变形分别减小4.2％和9.6％,最大应力分别减小4.4％和10.1％.     

基于协同进化遗传算法的水库群供水优化调度研究

针对水库群供水优化调度问题,介绍了一种改进的协同进化遗传算法。该算法针对求解高维、复杂的水库群优化调度时多约束条件难以处理、计算机时长、易陷入局部最优解等缺陷,建立了相应的罚因子的评价机制,生成了两类进化子种群,运用改进遗传算法同时对不同种群进行操作,并将其应用在滦河下游六水库联合供水优化调度中。实例计算结果表明,用该算法求解水库群供水优化调度问题,结果可靠、合理,计算效率高。     

协同优化计算方法的分析与改进

针对协同优化算法对初始点选取敏感的问题,从保证系统级优化可行有解的角度,以一典型算例为研究对象,对已有的改进措施进行了分析与完善.当初始点在可行域内时,采用固定因子松弛法进行求解,并给出了动态松弛法失效的原因.当初始点在可行域外时,利用动态松弛因子和固定松弛法因子相结合的策略进行求解,并对动态松弛法优化结果精度不高,以及其值在可行域边界徘徊的情况,分别从系统级和学科级给出了相应的解释.最后,采用减速器优化算例,对所提出的优化策略进行了验证,得到了较为满意的结果.     

基于高精度模型的机翼气动结构多学科设计优化方法

利用低自由度协同优化方法对轻型飞机机翼进行了气动/结构多学科设计优化,气动和结构两个子系统实现了并行,其中气动分析采用CFD软件Fluent,结构分析优化采用有限元软件MSC.Patran＆Nastran。建立了基于Catia、Gambit和Fluent等通用软件的气动自动化分析模型。提出了利用三系数四次响应面模型拟合机翼上的升力分布以实现不同子系统并行和气动力的传递。以气动自动化分析模型和三系数四次响应面气动载荷分布模型为基础,提出了面向高精度气动分析的气动分析代理模型的建立方法。机翼优化结果表明LDFCO/V1方法可以成功地利用高精度模型实现机翼气动/结构多学科设计优化。     

一种改进的快速收敛多学科设计协同优化方法

为解决协同优化(CO)方法计算量过大、收敛速度较慢的问题,提出了一种面向复杂工程系统多学科设计优化的改进的快速收敛协同优化方法(IFCCO).首先,将系统优化的全部设计变量分为全局设计变量和局部设计变量两个部分,在系统级添加各子学科内与全局设计变量相关的约束条件,使得系统级优化只控制全局设计变量,而学科级则只控制局部设计变量,从而消去辅助设计变量;然后,基于学科状态方程,在系统级和学科级同时构建耦合变量的一致性约束条件,保证更严格的耦合变量一致性求解,并赋予各子学科完全的自治权.通过两个典型的MDO算例检验了IFCCO方法的计算特性,结果表明:该方法在严格保证耦合变量一致的前提下,计算量大大减少,收敛速度得到很大提高.     

基于遗传算法的机械优化设计

阐述了遗传算法的原理、理论基础和实现步骤,将遗传算法与搜索算法进行了分析比较,并附有应用实例。     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法，但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制，随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析，典型函数测试结果表明，混沌优化与量子遗传算法相结合全局寻优效果更佳。     

遗传算法在超材料优化设计中的应用及实现

利用遗传算法对超材料进行优化设计,是近年来超材料优化设计的重要方法之一。设计了一套MATLAB与商业电磁仿真软件CST微波实验室的交互仿真体系,在MATLAB环境中编写遗传算法主程序,然后离线调用CST软件进行模型仿真计算,从而将具有强大全局寻优能力的遗传算法充分应用到超材料的优化设计中。然后以Y字紧凑型结构的二阶带通频率选择表面优化设计为例,采用基于罚函数法的遗传算法对这种设计思路进行了验证,取得了良好的设计效果。结果表明:与以往的设计方法相比,该方法编程简单,通用性强,设计周期短,优化效果好,同时可以推广到其他类型的超材料结构的优化设计中。     

基于遗传算法和模式搜索的混合优化方法

遗传算法具有快速随机的全局搜索能力,但当求解到一定范围时往往做大量无为的冗余迭代,求精确解效率低.模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.本文提出了一种混合遗传-模式搜索算法,该方法是将种群分成两个子群,分别进行遗传算法与模式搜索算法,在每一步中两个子群的最佳结果收集起来,用于更新相互的最优个体.仿真结果表明遗传算法与模式搜索的混合优化方法取得了较好的效果.     

基于遗传算法的PID参数优化设计

提出一种新的ＰＩＤ参数设计方法,以模糊化的性能指标为目标函数,以设计参数的取值范围及极限性能指标为约束条件,建立优化数学模型,结果表明,在Ｍａｔｌａｂ环境下,将遗传算法同Ｓｍｕｌｉｎｋ仿真技术有机融合,求解该优化模型,该法能有效提高编程效率,所得优化解大大提高系统性能指标。     

基于自适应遗传算法的无刷直流电机的优化设计

对遗传算法特别是自适应遗传算法作了分析，重点研究了交叉算子和变异算子对遗传算法收敛性的影响，提出了一种改进的自适应遗传算子的方法。该方法可在遗传模式得到保证的基础上加快新个体的产生速度，所构造的遗传算子随适应值自动变化，对远离最优值的个体采用较大的遗传算子值，对接近最优值的个体采用较小遗传算子值，以提高得到全局最优解的概率。通过测试函数的求解，验证了所构造的自适应算子的有效性和正确性。实算结果表明，在无刷直流电机的优化设计中，改进后的自适应遗传算法可在满足各项性能指标的前提下取得良好的优化效果，得到全局最优解的概率较改进前有明显提高。     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.