船舶航行性能综合优化研究

船舶航行性能优化是一个非常复杂的问题,它具有多个设计变量,多个约束和多个极点.传统的优化方法通常无法解决该问题.文中采用了一种传统的优化方法一复合形法(CA)和遗传算法(GA),模拟退火算法(SA)来计算船舶航行性能优化问题,比较了三种优化方法的输出结果并选取最好的那个解作为最终的优化结果.通过这种方法.可以以更高的概率获得真实的最优解.应该指出的是,这三种算法都作了某种程度上的改进.作者采用C++语言基于面向对象思想开发了计算软件-ShipPO.文中列出的所有船舶航行性能优化计算结果都是在ShipPO平台上计算出来的,结果表明采用三种优化方法计算一次船舶航行性能优化问题耗时并不太多.最终的结果表明ShipPO具有很强的寻找全局最优解的能力,它能够很好地满足工程需要.     

基于MATLAB的高速单体船推进系统参数优化配置及实时仿真

以船舶快速性指标和航速控制性能指标的乘积形式作为高速单体船推进系统优化的数学模型,采用模糊优化与遗传算法复合的模糊遗传算法作为其优化方法,在MATLAB平台上建立了仿真模型,编制了优化程序,并进行了船舶推进系统参数的实时优化配置及仿真,结果表明该方法比普通的遗传算法寻优能力要强,符合工程需要。     

一种大中型船舶航行性能综合优化的计算软件

模糊优化与遗传算法相结合构成一种模糊遗传算法，建立了大中型船舶航行性能综合优化数学模型，开发了基于VC 的ShipPO优化系统。该系统操作简便，显示直观、清晰，具有很强的实用性。     

遗传算法在船舶航行性能优化中的惩罚策略

简要介绍了遗传算法的基本思想，讨论了运用该方法进行非线性函数约束优化的约束处理的一种惩罚策略。然后对于船舶航行性能优化这一具体工程问题，运用该策略进行了优化计算。结果表明，该策略具有很强的实用性。     

基于量子行为遗传算法的船体局部结构优化设计

采用遗传算法解决船舶复杂结构中混合设计变量优化问题时,其效果很有效,且能获得全局最优可行解。然而,简单遗传算法局部搜索能力差且易于早熟。为了提高对船舶复杂结构设计变量解空间的搜索能力,该文设计了一种基于二进制编码的适用于混合变量的量子行为遗传算法,比较适合于复杂函数的全局寻优,且搜索能力优于标准遗传算法。通过三个算例对算法的寻优能力进行测试,实验结果表明,采用量子行为遗传算法进行的船体局部结构优化设计具有较好的计算质量与计算效率。     

遗传算法在船舶航行性能优化中的惩罚策略

简要介绍了遗传算法的基本思想,讨论了运用该方法进行非线性函数约束优化约束处理的一种惩罚策略.然后对于船舶航行性能优化这一具体工程问题,运用该策略进行了优化计算.结果表明,该策略具有很强的实用性.     

吃水受限的内河大型船舶航行性能综合优化方法研究

建立吃水受限的内河大型船舶航行性能综合优化的数学模型,又基于并行算法和遗传算法思想,构造了一种分层并行遗传算法,对于吃水受限的内河大型船舶航行性能综合优化问题进行了一般遗传算法、并行遗传算法和两层及三层并行遗传算法的大量优化计算,结果表明,该分层并行遗传算法计算可靠、效率高,为设计综合性能优良的内河船船型准备了良好的基础条件。     

微分群体智能算法在船舶结构混合变量优化中的应用

船舶结构优化设计问题通常是一个包含混合变量的约束优化问题.常用的优化方法是采用遗传算法结合惩罚函数法,但遗传算法的人工参数多,算法复杂,惩罚因子选取困难.该文中把适合约束优化问题的微分群体算法DS(Differential Swarm)进行了改进并用于混合变量的结构优化问题中,对多个工程实例的计算表明,新算法的结果好于已知文献中的最好结果,并得到了以往未发现的新解.DS算法参数少,算法表达简单,全局优化能力强,精度高,在工程中有较大应用前景.     

非线性规划算法在船舶型线优化中的应用

船舶型线的优化设计有助于减小船舶航行的阻力,改善船舶的结构应力,提高船舶的航行效率和质量。目前,船舶型线优化技术主要针对船体的水动力性能优化,存在优化范围大、耗时长且优化精度低等缺点,因此,研究一种良好的船舶线型优化技术迫在眉睫。本文首先建立了船舶的兴波阻力数学模型,在此基础上将非线性规划算法和遗传算法应用于船舶的型线优化中,并详细介绍了船舶型线多目标优化的过程。后期的试验结果表明,采用该非线性规划算法的船舶型线优化技术具有精度高、寻优快等优点。     

电力监控系统中自适应模糊聚类算法的应用

船舶电力监控系统对于船舶的航行非常重要。本文针对C均值模糊聚类局部最优解的情况,从遗传和进化的角度出发,利用遗传算法对其改进,提出基于遗传算法的自适应模糊聚类算法,并将其应用于船舶电力负载监控中,最后通过实验对比说明本文改进算法的有效性。     

Application of a genetic algorithm to the optimal structural design of a ship's engine room taking dynamic constraints into consideration

The genetic algorithm, known as GA, is used to optimize engine room structure, not only under static constraints, but also under dynamic constraints. A penalty function method is used to handle the complicated constraint conditions based on the numerical results of dynamic and static analyses. There are several ways to take the dynamic effect into account in the optimum design of ship structure. First, the inequality constraint condition is applied to separate the natural frequency and the exciting frequency. Second, generalized design variables are introduced in order to transfer not only the dynamic but also the static equilibrium equations into the equality constraints, resulting in the optimal structural design without the need to solve these equilibrium equations. Third, the magnitudes of the acceleration and displacement are constrained instead of applying the natural frequency constraint condition. In order to achieve better convergency in the optimization with least resources, several operators and methods are considered and then introduced into the structural design of the engine room. The new operator, called either objective elitism or fitness elitism, is introduced to improve the efficiency of the method. The effect of boundary mutation and nonuniform mutation on the performance of the GA is examined. Not only binary representation but also floating-point representation are used to express the design gene in the GA. Fuzzy theory is applied in the GA to handle the uncertainty of the constraint conditions. Two ways of solving fuzzy optimization are investigated in order to obtain a fuzzy solution and a crisp solution. Received: October 2, 2000 / Accepted: November 30, 2000     

模糊混沌算法及其在船舶性能或结构特性综合优化的应用研究

将限界搜索模糊优化与混沌算法复合构成限界搜索模糊混沌算法,并将其应用于大中型船舶性能或结构特性综合优化计算分析中.建立了以加权和形式为目标函数的综合优化数学模型,编制了计算软件,进行了大量对比计算.计算结果表明:这些优化方法和计算软件界面友好、可靠性和计算效率高,并且具有较高的实用性,运用于大中型船舶性能或结构特性综合优化是切实可行的;对于大中型船舶方案或初步设计也有使用价值.     

一种基于克隆选择的量子遗传函数优化算法

为了解决量子遗传算法(QGA)用于连续多峰函数优化易陷入局部极值的问题,将免疫学中的克隆选择算法的概念和原理引入到量子遗传算法中,提出了一种新型的进化算法——基于克隆选择的量子遗传函数优化算法.该算法通过克隆选择、高斯变异以及量子旋转门等操作对可行解进行搜索,提高了算法在解决函数优化问题的全局寻优能力。典型函数的测试结果表明该算法优于传统的QGA和一些遗传算法。     

两种优化算法在螺旋桨优化设计中的应用与比较

为了获取合理且高效的船用螺旋桨,把数值优化算法引用到螺旋桨剖面设计中来。设计过程中以遗传算法和模拟退火算法为优化算法,以提高敞水效率为优化目标,通过优化算法的操作产生新翼型剖面,并结合面元法水动力性能预报程序进行原型桨与设计桨的水动力性能预报。由结果分析可知:结合优化算法的螺旋桨设计是可行的,且在算例中各算法的设置条件下,模拟退火算法无论在优化效果上还是在优化效率上都比遗传算法表现卓越。     

基于多种群萤火虫算法的集装箱船结构优化

针对集装箱船结构优化问题，依据CCS规范建立以集装箱船舯剖面面积最小为优化目标，板厚、型材横截面积为离散设计变量的优化数学模型。提出一种多种群萤火虫算法，各种群设置不同的参数，提高搜索区域，多子群并行寻优、子群主群协作寻优提高算法寻优性能，对所建模型进行优化计算。优化算例表明，所提出的多种群萤火虫算法比标准萤火虫算法可以更快的收敛得到最优解，在满足所有约束条件情况下，集装箱船舯剖面面积最小约13.2%，验证了多种群萤火虫算法应用于集装箱船结构优化的有效性。     

水下爆炸载荷下舰船结构的多目标优化

水面舰船对轻量化和抗爆性能均有特殊的需求，而这两个目标此消彼长的关系又使得实现它们的途径相互矛盾。为找到能同时提高轻量化和抗爆性能的满意解，建立以板厚为变量的多目标优化模型。在优化过程中，通过参数化建模技术实现建模的自动化，数值模拟采用船体三舱段有限元模型，使用ABAQus／ExPLIcIT求解器进行非线性有限元分析，并在优化流程中引入实验设计和近似模型进行响应预报，在此基础上，还通过NSGA—II遗传算法进行多目标优化，得到优解。通过对优化后的船舯舱段与优化前的进行对比分析，发现重量和抗爆性能这两个目标分别有0．46％和22．51％的改进，实现了轻量化和抗爆性能的双向提升。     

基于多目标遗传算法的SWATH船稳定鳍优化设计

针对稳定鳍的各参数对SWATH船纵向运动性能具有较大影响的特点,建立了稳定鳍的多目标优化模型,并运用基于Pareto解的多目标遗传算法对其求解.然后,以SWATH-6A为例对稳定鳍进行了优化设计.从仿真结果来看,在相同条件下优化得到的稳定鳍能使SWATH船具有更好的纵向运动性能.因此,本文的优化方法是合理的、有效的,有一定应用价值.     

Vectorization and constraint grouping to enhance optimization of marine structures

Vectorization converts classical scalar optimization formulation, which strictly separates the objective from constraints, into a vector-based optimization, transforming constraints into objectives. Effectively, the search is not conducted anymore for a single optimum, but for a set of Pareto optima between the original objective and transformed constraints. Constraint grouping enhances handling of multiple constraints for vectorized problems, by combining several constraints within a single-objective function, thus reducing the computational time and computational difficulties of high-dimensional spaces created by vectorization. This paper formulates and investigates these two concepts with respect to design of marine structures. It analyses their effects on the possibility to improve the flexibility of optimization in a practical environment, by implementing them within a simple genetic algorithm. Obtained results of vectorization applied to realistic weight optimization problem are encouraging when compared with the results of the classical scalar form optimization, showing a significant improvement in magnitude as well as in reduced computation time needed to reach the optimum.