共查询到10条相似文献,搜索用时 15 毫秒
1.
在舰船概念设计阶段,设计者经常遇到要牛成大量的船型方案,并从中筛选出1个或者几个综合性能比较好的方案的问题.将基于进化箅法的多目标优化技术与多属性决策方法联合运用,探讨了船舶的多目标优化和决策问题.对于多目标优化问题,采用改进的非支配解排序的多目标进化优化算法(NSGA Ⅱ),求出Pareto最优解,由这些Pareto最优解构成决策矩阵.基于信息熵方法和层次分析法(AHP)联合得到属性权重,用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序.应用本文方法,对水面舰船概念设计进行了分析.数值计算结果表明,综合多目标优化和多属性决策技术,能够迅速、客观地选择合理的主要参数.这种综合方法也能够广泛应用于舰船其它设计领域. 相似文献
2.
3.
船舶概念设计阶段多学科和多目标优化研究 总被引:1,自引:0,他引:1
船型设计之初,设计者往往会通过船舶多个学科的分析,并从很多船型方案中进行选择比较.该文基于多学科设计优化(MDO)的框架,采用多目标进化算法和决策技术的运用,讨论了船舶概念设计阶段的综合性能优化问题.将船舶总体概念设计按MDO的要求分解为系统控制层和5个子系统,考虑了排水量、综合效率、相对回转直径和造价等多目标函数,采用改进的非支配解排序的多目标进化优化算法(NSGA Ⅱ)和多学科可行解方法(MDF)求出Pareto最优解.然后用逼近理想解的排序方法(TOPSIS)对这些Pareto解进行选优.应用文中的方法,对35 000吨载重量的油船进行了概念设计分析.数值算例表明,综合多学科设计和多目标优化以及决策,能够有效、客观选择合理的船型和主尺度参数. 相似文献
4.
对多目标优化问题的固定加权和方法加以改进,采用随机权系数方法将多目标优化问题转换成为单目标优化问题,利用序列二次规划方法获得问题的最优解。由于权系数的随机性,多次运行能够得到多目标优化问题的Pareto优化解和Pareto前沿。和固定权系数相比,这种方法能够找到非凸均衡面上所有的Pareto最优解。采用TOPSIS法进行多属性决策(MADM)研究,对Pareto最优解给出排序。针对船舶概念设计阶段主尺度确定过程的多目标优化问题,给出了一艘散装货船两个优化目标的数值算例。计算结果表明,随机加权和方法可以求出多目标Pareto最优解集,和先验加权方法相比,随机加权方法能为设计者提供更多的选择;和遗传算法相比,现在的方法简便且精度良好。 相似文献
5.
多目标、多准则决策问题中,决策结果的准确性与属性权重的合理性和评价系统的可行度密切相关。分析了主观赋权法、客观赋权法的优缺点, 提出了基于优化的组合赋权方法。该方法应用序列二次优化方法求解组合权向量,使最终的组合权向量与专家统计评分法、层次分析法、信息熵法、变异系数法这四种单一的主客观赋权方法相似度最高。将这种组合赋权方式与模糊综合评价法结合应用于秦皇岛至温州电厂航线散装运煤船方案决策分析,并与灰色关联评价法结果比较,决策结果证明该综合方法能合理、客观的给出排序方案,同时也能推广应用于船舶与海洋工程决策的相关领域。 相似文献
6.
7.
基于多目标粒子群算法的船舶主尺度优化设计研究 总被引:1,自引:0,他引:1
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。 相似文献
8.
提出了应用于船舶初步设计的多目标优化策略和决策方法.详细介绍了集成模型分析和优化算法的多目标优化求解思路,并使用改进的非支配排序遗传算法获取优化问题的Pareto解集.针对多目标优化问题中各子目标之间存在相互冲突、不能同时达到最优的特性,采用多属性决策理论对设计空间进行计算分析,找出.Pareto前沿面上的最优解.以散货船的初步设计为实例,对多目标优化策略和决策方法进行了验证分析.结果表明优化策略和决策方法不仅是可靠的、实用的,而且能广泛应用于各类船舶初步设计的优化与决策分析中.该文为船舶的初步设计提供了一条新途径. 相似文献
9.
《舰船科学技术》2015,(8):45-51
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。 相似文献
10.
提出了一种基于多目标遗传算法和多属性决策的PID参数设计方法,综合考虑系统超调量、稳定时间和ITAE指标,采用多目标遗传算法(MOGA)求出Pareto最优解.由这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行权值计算,然后采用逼近理想解的排序方法(TOPSIS)进行多属性决策(MADM)研究,对Pareto最优解给出排序.计算了一个二阶船舶控制的数值算例,结果表明本文提出的联合方法通用性好,设计的PID性能优异,适合工程实际应用. 相似文献