求解多學(xué)科設(shè)計優(yōu)化問題的雙層分解方法.pdf_第1頁
已閱讀1頁,還剩50頁未讀, 繼續(xù)免費閱讀

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)行舉報或認(rèn)領(lǐng)

文檔簡介

1、多學(xué)科設(shè)計優(yōu)化(Multidisciplinary design optimization,MDO)問題是工程設(shè)計問題,需要考慮到各個學(xué)科之間的相互作用.多學(xué)科設(shè)計優(yōu)化問題常見于航空航天、土木工程、汽車和電子設(shè)計等領(lǐng)域。由于MDO問題的組織結(jié)構(gòu),分解算法通常被認(rèn)為是可行的解決方法。分解算法把MDO問題分解為一系列獨立的子問題(每一個學(xué)科),和一個與之協(xié)調(diào)的主問題.針對解決MDO問題,雙層分解算法通常是有效可行的方法,其中著名的雙層分解算

2、法是協(xié)同優(yōu)化(Collaborative Optimization,CO)算法、非精確罰分解算法(Inexact Penalty Decomposition,IPD)和精確罰分解算法(Exact Penalty Decomposition,EPD)。在非精確罰分解方法中,由于較大的罰參數(shù)值會引起病態(tài)和影響數(shù)據(jù)實驗結(jié)果。本文在罰分解方法基礎(chǔ)上,提出了兩種新的雙層分解方法。
  論文的主要工作如下:
  第一章簡要敘述了多學(xué)科設(shè)

3、計優(yōu)化問題的基本概念和研究背景,并對多學(xué)科設(shè)計優(yōu)化問題與雙層分解方法的研究現(xiàn)狀進(jìn)行了闡述,繼而提出了本文主要研究內(nèi)容。
  第二章介紹一些與本文相關(guān)的知識,包括一些符號、定義和定理。
  第三章基于非精確罰分解方法提出了增廣拉格朗日罰分解(Augmented Lagrangian Penalty Decomposition,ALPD)方法,該方法在使全局變量收斂于目標(biāo)變量時,利用了增廣拉格朗日罰函數(shù)來代替二次(非精確)罰函數(shù)

4、,克服了非精確罰分解算法中的病態(tài)缺點,隨后給出具體的增廣拉格朗日算法,并且對收斂性給出了理論分析并對具體算例進(jìn)行了數(shù)值試驗,從而說明了算法的有效性。
  第四章在增廣拉格朗日罰分解方法和精確罰分解方法的基礎(chǔ)上,提出了一種新的雙層分解方法,該方法使用一種特殊的增廣拉格朗日函數(shù),稱之為Sharp增廣拉格朗日函數(shù),它滿足零對偶間隙性質(zhì),并在進(jìn)行罰參數(shù)更新時,參數(shù)選取不至于過大。我們給出Sharp增廣拉格朗日罰分解算法,然后通過數(shù)值試驗,

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