工程優(yōu)化問題中的約束處理技術(shù)研究.pdf_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、大多工程優(yōu)化問題往往具有多個約束條件的限制,而這些約束大多都是非線性的計(jì)算密集型復(fù)雜約束。因此,有效的處理復(fù)雜約束在解決工程優(yōu)化問題中就顯得尤為重要,約束數(shù)目的縮減和約束的簡化對計(jì)算效率的提高有著重要的現(xiàn)實(shí)意義。本文從縮減約束數(shù)目和簡化約束模型的思想出發(fā),研究約束處理技術(shù),對實(shí)際工程問題的解決有著重要的理論意義和應(yīng)用前景。
  本文首先對約束處理技術(shù)的研究背景和現(xiàn)狀做了簡單的描述,針對求解約束優(yōu)化問題時大多都是在優(yōu)化過程中處理約束

2、這一現(xiàn)狀,提出在優(yōu)化之前利用KS函數(shù)和近似模型技術(shù)處理約束,以達(dá)到縮減約束條件,降低求解規(guī)模的目的。最后提出兩種基于KS函數(shù)和近似模型的約束處理方法,并與全局優(yōu)化算法相結(jié)合,得到了兩種改進(jìn)的約束優(yōu)化算法。
  第一種方法是利用KS函數(shù)的凝聚特性,將多個約束包絡(luò)成一個約束,結(jié)合分組懲罰的遺傳算法求解。凝聚約束有效降低了求解規(guī)模,將多個約束轉(zhuǎn)化為一個約束,提高了算法全局尋優(yōu)的效率。分組懲罰的方法克服了一般懲罰函數(shù)法懲罰系數(shù)選擇困難的問

3、題。通過幾個典型算例測試了該算法的性能,數(shù)值試驗(yàn)和工程應(yīng)用均證明了該算法的有效性。
  第二種方法是通過建立復(fù)雜約束的近似模型,并利用KS函數(shù)構(gòu)建包含目標(biāo)函數(shù)和約束信息的適應(yīng)值函數(shù),將約束優(yōu)化問題轉(zhuǎn)化為無約束優(yōu)化問題,并結(jié)合模式追蹤采樣算法進(jìn)行求解。用近似模型取代原先的復(fù)雜函數(shù),有效降低了評價計(jì)算密集型復(fù)雜約束的成本。通過幾個數(shù)值算例和工程實(shí)例的檢驗(yàn),表明該算法能夠有效降低目標(biāo)函數(shù)和約束的評價次數(shù),更適合于求解工程設(shè)計(jì)問題中的黑箱

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論