區(qū)間非概率多目標(biāo)優(yōu)化設(shè)計(jì)方法及其在車(chē)身設(shè)計(jì)中的應(yīng)用.pdf

1、現(xiàn)代經(jīng)濟(jì)、工業(yè)的發(fā)展使優(yōu)化技術(shù)在各個(gè)領(lǐng)域得到了廣泛應(yīng)用，很多工程問(wèn)題常常涉及到多目標(biāo)優(yōu)化問(wèn)題，多個(gè)目標(biāo)之間的相互競(jìng)爭(zhēng)和相互沖突常常使得最優(yōu)解不存在，因此，不能簡(jiǎn)單地應(yīng)用單目標(biāo)優(yōu)化方法來(lái)解決。此外，不確定性也廣泛存在于實(shí)際工程問(wèn)題中，這使得傳統(tǒng)的優(yōu)化理論和方法難以直接得到應(yīng)用，給求解帶來(lái)了困難和挑戰(zhàn)。隨機(jī)和模糊優(yōu)化方法是兩類傳統(tǒng)的不確定優(yōu)化方法，然而要獲得不確定量的精確概率分布和模糊隸屬度函數(shù)較為困難。區(qū)間數(shù)優(yōu)化是一類相對(duì)較新的不確定優(yōu)化

2、方法，它利用區(qū)間對(duì)不確定參數(shù)建模，只需要較少的信息即可獲得變量的上下界，有較好的經(jīng)濟(jì)性和方便性。當(dāng)前區(qū)間不確定優(yōu)化問(wèn)題大多是單目標(biāo)優(yōu)化問(wèn)題，然而在實(shí)際工程中常常涉及到區(qū)間多目標(biāo)優(yōu)化問(wèn)題，特別是非線性區(qū)間數(shù)多目標(biāo)優(yōu)化問(wèn)題。目前為止，還沒(méi)有發(fā)展出一種有效的算法來(lái)處理該類問(wèn)題。為此，本論文對(duì)非線性區(qū)間不確定多目標(biāo)優(yōu)化問(wèn)題進(jìn)行了研究。
　　 本文的研究工作按以下幾個(gè)方面展開(kāi)：首先，提出了一種非線性區(qū)間不確定性多目標(biāo)優(yōu)化轉(zhuǎn)換模型，實(shí)現(xiàn)了不

3、確定多目標(biāo)優(yōu)化問(wèn)題向確定性優(yōu)化問(wèn)題的轉(zhuǎn)換。
　　 其次，基于該轉(zhuǎn)換模型，將自適應(yīng)近似模型技術(shù)引入非線性區(qū)間多目標(biāo)優(yōu)化，構(gòu)造出一種具有一定工程實(shí)用性的高效非線性區(qū)間不確定優(yōu)化算法，主要解決兩層嵌套優(yōu)化造成的效率低下問(wèn)題。再次，基于該轉(zhuǎn)換模型，拓展到不確定多學(xué)科優(yōu)化問(wèn)題中，構(gòu)造出一種適用于多學(xué)科多目標(biāo)的不確定優(yōu)化算法。最后，將算法應(yīng)用于車(chē)身設(shè)計(jì)領(lǐng)域中的一些實(shí)際問(wèn)題?；诖怂悸罚疚闹饕芯?jī)?nèi)容如下：
　　 (1)提出了一種基

4、于非線性區(qū)間的不確定多目標(biāo)轉(zhuǎn)化模型。基于區(qū)間序關(guān)系和區(qū)間可能度，將不確定多目標(biāo)的目標(biāo)函數(shù)和約束轉(zhuǎn)化為確定性的目標(biāo)函數(shù)和約束。通過(guò)轉(zhuǎn)換模型，得到確定性的兩層嵌套優(yōu)化問(wèn)題。基于多目標(biāo)遺傳算法和序列二次規(guī)劃算法的兩層嵌套優(yōu)化算法來(lái)求解轉(zhuǎn)換后的確定多目標(biāo)優(yōu)化問(wèn)題。對(duì)車(chē)輛耐撞性和薄板沖壓成形兩類不確定優(yōu)化問(wèn)題進(jìn)行求解。結(jié)果表明該算法具有較好的工程實(shí)用性。
　　 (2)提出了一種基于自適應(yīng)近似模型技術(shù)的不確定多目標(biāo)優(yōu)化算法。整個(gè)優(yōu)化過(guò)程由一

5、系列的近似不確定優(yōu)化問(wèn)題迭代完成，通過(guò)拉丁方試驗(yàn)設(shè)計(jì)，在設(shè)計(jì)空間和不確定空間進(jìn)行采樣，建立目標(biāo)函數(shù)和約束的Kriging 近似模型。自適應(yīng)方法的每一迭代步，通過(guò)非線性區(qū)間數(shù)優(yōu)化求解轉(zhuǎn)換后的確定優(yōu)化問(wèn)題，獲得Pareto 解集和不確定集，組成設(shè)計(jì)點(diǎn)集，根據(jù)空間填充設(shè)計(jì)標(biāo)準(zhǔn)，從設(shè)計(jì)點(diǎn)集選擇幾個(gè)設(shè)計(jì)點(diǎn)對(duì)近似模型更新直到收斂為止。該算法不僅更新了設(shè)計(jì)空間和不確定空間，提高了近似模型的精度，而且減少了樣本的數(shù)量，提高了優(yōu)化效率。
　　 (

6、3)在區(qū)間非概率可靠性指標(biāo)的基礎(chǔ)上，建立了具有可靠性指標(biāo)約束的多目標(biāo)優(yōu)化模型。針對(duì)該內(nèi)層優(yōu)化為極小極大問(wèn)題的嵌套優(yōu)化模型，轉(zhuǎn)換為易于處理的等效形式，同時(shí)通過(guò)區(qū)間序關(guān)系給出了目標(biāo)函數(shù)穩(wěn)健性的求解方法。
　　 (4)提出了一種基于多學(xué)科可行方法的區(qū)間不確定多目標(biāo)優(yōu)化算法。該多學(xué)科多目標(biāo)算法是三層循環(huán)求解，最內(nèi)層通過(guò)學(xué)科分析求得狀態(tài)變量；中間層搜索不確定量，求得目標(biāo)和約束函數(shù)的區(qū)間；基于區(qū)間序關(guān)系和區(qū)間可能度，轉(zhuǎn)換為確定性多學(xué)科多目標(biāo)