用“模拟退火”算法实现船舶主尺主工的全局最优化

本文把模拟退火（ＳＡ）法应用于船舶主尺优化问题中，针对船舶主尺优化问题的特性和状态，对ＳＡ算法具体应用中的几个问题进行了探讨，同时，与单纯形法进行了优化结果的比较，比较表明ＳＡ法算法能很好地逃离局部极值的陷阱找到全局最优解，其优化结果与初始点的选择无关，从而为船舶主尺度优化问题提供了一种稳定可靠的全局最优化算法。     

基于模拟退火算法在尺度优化设计方法

详细介绍了神经网络的模拟退火算法法（以下简称ＳＡ）的特点，基本思想及步骤，它是基于ＭｏｎｔｅＣａｒｔｏ迭代精法的一种随机搜索算法，以主尺度优化设计为例，针对主尺度优化问题解的特性和状态，对模拟退火算法是具体应用的几个问题进行了探讨，仿真结果表明，ＳＡ算法能很好的姚离局部最优解的陷阱找到全局最优解，其优化与初始点的选择无关，从而为船舶主尺度优化问题提供了一个稳定的全局最优化算法。     

基于节能减排目标下高能效船舶设计方法研究

为了设计满足新的排放要求的高能效船舶,通过研究现有船型的CFD/水池实验的结果,从不同船型的船舶主尺度的总体优化选择的角度进行分析和比较,论证了散货船、集装箱船和油船在不同设计尺度下的不同能效设计指数,最终得出通过选择船舶的主尺度来得到高能效船舶的设计基本思路.     

多学科设计优化技术在船舶初步设计中的应用

首先阐述了船舶的设计过程,指出传统的船舶初步设计是一种串行的设计模式,即是先确定主尺度,然后根据主尺度确定船型.这种设计模式通常只能得到一个满足各指标要求的可行解,而得不到全局最优解.将多学科设计优化技术(MDO)应用到初步设计阶段,将主尺度的确定与船型变换并行考虑,使主尺度的确定充分利用后期船型变换的信息,可实现全局最优的设计.最后,本文以油船的优化为例进行了验证.     

基于多目标粒子群算法的船舶主尺度优化设计研究

粒子群优化是一种新兴的进化计算技术。文章基于多目标粒子群优化算法讨论了船舶主尺度论证中的多目标优化和决策问题。对于多目标优化问题,采用基于Pareto占优方法的多目标粒子群算法得到最优解,然后采用距离理想解最近的方法对这些Pareto最优解给出排序。应用文中给出的两个阶段求解方法,对散装货船概念设计阶段主尺度确定的问题进行了分析。结果表明,综合多目标粒子群优化和决策技术,能够迅速、客观地选择合理的船舶主尺度,可以给设计人员提供更多的选择。这种综合方法也能够广泛用于船舶其他设计领域。     

基于多目标粒子群优化和主成分聚类分析的船舶主尺度分析

根据多个技术和经济指标进行船舶主尺度优化论证是船舶设计人员需要着重解决的问题。提出结合粒子群优化和主成分聚类两阶段的方法进行船舶主尺度论证分析。建立了以载重量、建造费用、服务航速和提供舱容为设计指标的水面船主尺度论证模型。采用多目标粒子群优化算法对船舶优化模型进行求解,获得问题的Pareto解集。使用主成分聚类分析对该数据集进行综合评价。先将Pareto解集进行主成分分析,使用前2个主成分就能够表达原始数据的绝大部分信息,再通过对主成分进行聚类,获得不同类别中Pareto解集的特征,根据第一主成分得分获得每个聚类中设计样本的排序,最终可以从Pareto解集中得到折中解。利用主成分分析和聚类技术还研究了变量在主平面上的映射以及聚类特性。给出了1艘水面船的主尺度论证算例,表明本文给出的方法合理可行。     

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.     

船舶主尺度神经优化分析

本文阐述了以随机神经网络系统理论应用于船舶主尺度优化设计的新方法。介绍了神经网络的模拟退火优化算法的特点与基本思想、数学模型和计算步骤，并给出船舶主尺度神经优化设计的实船算例，以及与其他优化方法之比较。     

船舶主尺度微分进化分析

在探讨微分进化算法机理的基础上，比较微分进化算法与其它的算法，讨论微分进化算法参数的选择。将微分进化算法扩展到可求解混合变量、有约束的船舶主尺度优化问题。扩展后的微分进化算法应用于载重量23800t无限航区散货船的主尺度优选。结果表明微分进化算法是一种高效、实用的工程优化方法。     

典型内河过闸运输船舶标准船型主尺度系列研究

为推进内河过闸运输船舶船型标准化,选取一艘典型内河过闸运输船舶,对新版《内河过闸运输船舶标准船型主尺度系列》进行深入剖析,讨论了主尺度系列总长总宽的定义,比较了新旧主尺度系列的浮动范围,明确了新版主尺度系列的认定标准,对主尺度系列实施过程中存在问题提出了合理化建议,有利于更好地宣贯实施新版主尺度系列。     

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。     

引导进化模拟退火算法在船舶性能优化设计中应用

引导进化模拟退火等法是一种采用全局优化策略的人工神经网络的平行技术，综合了遗传算法、模拟退火、模拟进化的思想，并在解空间实施区域引导。本文用该算法进行船舶性能优化计算，速度快捷，其全局优化策略，可避免陷入局部最小值。     

改进的MODSA算法在船型优化中的应用

针对传统智能优化算法处理高维优化问题时易陷入局部最优解且优化效率低的问题,文章采用近几年提出的基于模型的动态抽样分配(MODSA)算法作为研究对象,该算法具有处理高维优化问题的潜力,但对某些复杂高维问题很难搜索到全局最优解。为避免MODSA算法陷入局部最优解,采用多元正态分布作为抽样分布并推导相应参数更新式;为进一步提升该算法的优化效率,采用均匀设计确定初始抽样分布的期望值并通过Sigma管理水平自适应确定初始方差。通过数值函数测试结果表明:改进的MODSA算法具有更好的优化性能。最后,将改进的MODSA算法应用于5100TEU集装箱船兴波阻力性能优化。     

大型舰艇多学科设计优化船体结构子系统设计方法

多学科设计优化(MDO)是解决复杂系统工程问题的有效手段。通过对大型舰艇多学科设计优化船体结构子系统设计方法进行研究,将船体结构设计分为船体横剖面结构布置方案自动生成、船体横剖面结构方案优选、船体结构重量估算3个步骤;根据总体方案提供的主尺度、横剖面外形轮廓和分层分舱等信息,依据骨材(桁材)均匀布置和余量控制的原则,生成船体横剖面结构布置方案,并提出一套参考母型船设计,确定设计船构件尺寸初值的方法;在船体横剖面结构方案优选过程中,采用调用代理模型代替板架有限元仿真模型的方法来减少结构分析的计算时间,并采用组合法获得重量最轻的设计方案。     

改进Sobol’方法在船型优化模型中的应用

针对船型优化中采用更多的优化变量有可能带来"维度灾难"的问题,通过灵敏度分析确定不重要的变量并降维来缓解该问题。介绍以往提出的改进Sobol’方法,利用该方法对某集装箱船兴波阻力优化模型进行灵敏度分析并降维。为减少分析的计算量,对该船型优化模型构建Kriging模型。对优化模型降维前后的优化过程、最优解及其波形和型线进行对比。结果表明:降维后优化模型收敛更快,最优解兴波阻力系数仅增大0.15%,采用改进Sobol’方法进行降维,能在保证最优解质量的同时,提高优化效率。     

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。     

基于工艺可行性的离散变量结构动力特性设计优化

基于船舶工艺可行性分析,建立了使用自适应模拟退火算法的多工况下船体结构动力特性设计优化模型;并给出了相应的设计流程。模型使用矩阵描述由板材厚度和骨材型号构成的离散变量集合,同时将全体设计变量处理为共享设计变量。将模型应用于某集装箱船艉部结构的动力特性设计优化中,优化后的结构不仅减轻了自重,而且增加了频率储备。实例分析表明该模型能应用于工程结构的实际优化设计。     

高效优化算法在船舶力学中的应用研究

作为一种贝叶斯优化算法,高效全局优化算法(EGO)利用克里格模型来构造近似模型,并采用样本填充准则以寻找下一个样本点来更新近似模型.文中详细介绍了该优化算法,并将其应用于船舶力学的两个典型优化例子.其中一个是潜艇的多学科概念设计,考虑了水动力、推进、重量、性能和成本5个学科;另外一个是屈曲状态下加筋板的优化问题.与传统优化相比,高效全局优化算法不仅收敛到全局最优解,而且更加有效.结果表明高效优化算法非常适用于船舶力学中的优化问题.