遺傳算法在多學科優(yōu)化中的研究應用.pdf

1、復雜產(chǎn)品的傳統(tǒng)設計模式周期漫長，代價高昂，并且往往只能獲得一個可行的設計而無法獲得系統(tǒng)最優(yōu)。多學科設計優(yōu)化正是為了更好的實現(xiàn)新的設計理念而提出的針對復雜系統(tǒng)設計的新方法，通過充分利用各個學科之間的相互作用所產(chǎn)生的協(xié)同效應，以獲得系統(tǒng)的整體最優(yōu)解。多學科設計優(yōu)化領域中的若干問題如多目標優(yōu)化問題多層決策優(yōu)化問題等正成為工程應用的熱點，但這些工程問題的實際求解復雜性對算法從各個方面提出了新的挑戰(zhàn)。本文研究了多學科設計優(yōu)化問題領域中的一系列問題

2、：
　　智能算法的比較研究到目前為止還沒有一個為大家所公認的衡量指標，本文首先對MDO領域中涉及的幾種智能優(yōu)化算法的特點進行了詳細的研究總結，在此基礎之上提出了時間、精度、解決問題的個數(shù)等幾個比較指標，首次將精度作為算法比較指標，并且創(chuàng)新性的提出一個針對工程問題的有效的比較指標——短時尋優(yōu)能力。建立了算法比較的三維模型，可以作為工程應用中算法選擇的科學的依據(jù)。給出算法選擇一般流程，對算法的選擇有很強的指導意義。通過對所選取的系列案

3、例運行得到一系列對工程問題有指導意義的結論。
　　研究了多目標優(yōu)化保持解的多樣性和提高計算效率的策略改進問題?；趨f(xié)同遺傳算法的進化機制和結構給出了一種適合于求解多目標問題的并行協(xié)同遺傳多目標 MDO算法框架，該框架與 MDO算法體系中的協(xié)同優(yōu)化算法和并行子空間優(yōu)化算法都是并行的處理問題，但是這種算法框架在變量分配、目標選擇、約束滿足、耦合量處理等方面較二者更簡單直觀，構建也更容易。
　　對算法改進進行了改進策略分析。分別從

4、個體適應度、選擇操作和維持種群精英解策略方面給出了改進建議。提出了能夠改善收斂性能和收斂速度的基于混合策略的遺傳優(yōu)化算法。與一般的混合策略不同，該混合策略包括兩個方面：遺傳算法本身的混合策略—采用多種交叉算子混合，能夠更有效的保持解的多樣性；另外，將遺傳算法與幾種啟發(fā)式算法混合構成混合遺傳算法提高解的搜索效率。根據(jù) NSGAⅡ對初始群體的依賴性缺點，按照算法融合的思想，將經(jīng)典算法與現(xiàn)代算法進行融合，提出了貪心NSGAⅡ、分支定界 NSG

5、AⅡ和Or-opt NSGAⅡ三種算法。通過美國密西根州配送中心實例分別驗證算法的有效性和可行性。
　　對多層優(yōu)化問題進行了研究。多層優(yōu)化問題是在一個優(yōu)化問題的約束條件中包括另一優(yōu)化問題，是非常復雜的優(yōu)化問題，其求解非常困難。本文研究了作為多層優(yōu)化問題之一的帶有多目標的三層優(yōu)化問題，從三層優(yōu)化問題的數(shù)學模型角度出發(fā)，分別從求解效率和求解準確性兩個方面給出了兩種算法。按層進行計算，從最外層開始計算，將每一層計算的結果保留一定的余量作