变尺度混沌优化方法的改进及应用

针对变尺度混沌优化方法MSCOA(Mutative Scale Chaos Optimization Algorithm)的缺陷进行了一些改进,以提高该方法的收敛速度和精确性.多个算例计算结果表明,这些改进是卓有成效的.文中还给出了将此方法应用于一个结构优化设计问题的计算实例,同时指出该例的原文献计算有误.     

高速单体船航行性能综合优化的遗传混沌算法

建立高速单体船航行性能综合优化的数学模型，将遗传算法和混沌算法复合构造一种改进的遗传混沌算法，并将其应用于高速单体船航行性能综合优化计算问题，利用界面友好的VC＋＋软件编程。优化结果表明，该遗传混沌算法计算可靠、效率高。并为设计综合性能优良的高速单体船船型准备了良好的基础条件。     

基于并行遗传混沌方法的UUV性能综合优化分析

从船舶快速性、操纵性和能源系统等角度出发,建立分析UUV性能的综合优化数学模型;基于遗传算法、混沌算法、分层并行思想,构造一种分层并行遗传混沌方法,并将该方法应用于求解此类综合优化问题。利用此方法,分析数学模型中的目标函数类型及性能指标权重对该优化计算问题的影响。计算结果表明,该分层并行遗传混沌方法能较好的解决此类优化问题,其计算结果稳定可靠、约束满足程度好、效率高。同时,目标函数类型的不同及性能指标权重的改变均对该优化问题有较大影响。该UUV性能综合优化方法提供了一种优化设计思路,综合性能指标较高。     

混沌优化算法在船舶主尺度优化中的应用

混沌优化方法是近几年兴起的一种新的优化方法,目前已在部分领域内得到很好的应用。本文介绍了混沌优化算法,并将该方法应用到船舶主尺度优化中。通过实例论证了该方法的可行性,同时也为船舶设计者提供了一种新的优化手段。     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法。首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤。对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度。然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度。通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度。     

加速混沌优化算法的改进及其在船型论证中的应用

利用混沌运动所特有的随机性、遍历性和规律性,对加速混沌优化算法进行一些改进,提高了混沌优化算法的收敛速度和精确性.改进的加速混沌优化算法利用混沌运动的性质,同时不断缩小变量的搜索空间,在混沌优化搜索过程中,以具有一定保证的当前最优解为中心,不断地缩小优化变量的搜索区间,调整细化参数,促使搜索能够更快、更有效地向全局最优解收敛.将该改进算法应用到具体的船型论证中,不仅证明了该改进算法简单,容易实现,具有较高的收敛速度和可靠性,而且具有较高的寻优精度和较少的优化迭代次数,也体现了该算法在船型论证领域中的实用性和有效性.     

基于改进混沌优化算法的船舶综合负荷模型参数辨识

参数在线辨识是目前电力系统负荷建模的主要手段,而在辨识方法上主要使用了优化类算法.首先改进以往混沌优化算法的流程,增加参数搜索范围自动缩小的功能,减少一次混沌序列生成的步骤.对测试函数的优化结果表明改进算法在保证精度的基础上大大提高了寻优速度.然后,将该改进算法应用到了船舶综合负荷模型的参数辨识上,仿真结果说明该算法寻优速度快,并且有良好的辨识精度.通过对仿真结果的分析指出,对于负荷模型参数辨识,合理缩小参数寻优范围有助于提高算法的精度.     

集装箱船主尺度全局最优化的混沌算法

提出了应用混沌优化方法（Chaos Optimization Algorithm,COA)进行集装箱船船型主尺度要素全局优化的新策略。混沌优化方法利用混沌变量的随机性、规律性、遍历性寻优，能够克服经典优化方法如直接法、梯度法、Hessian法等方法容易陷入局部极小点的不足，方法简单、快速、易于掌握，其效率比一些目前广泛应用的随机优化方法如模拟退火法（SAA）、遗传算法（GA）等高得多。实际算例的结果证实了混沌优化方法用于集装箱船船型优化的有效性。     

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.     

基于序列近似优化方法的水下航行器水动力外形优化设计

为了解决复杂工程优化问题中计算效率与代理模型精度之间的矛盾,本文基于最大最小距离准则和最小化代理模型预测准则提出一种多点加点准则,构建改进序列近似优化方法的算法流程.以二维Rosenbrock函数和Golinski减速器优化问题为例,与传统方法相比,改进方法得到的全局最优解精度更高,所需构造样本更小.将该方法应用到某型...     

可靠性验证试验费用优化模型研究

分析了可靠性验证试验的费用优化问题，并以指数寿命型序贯试验方案为例，给出了费用优化的建模及计算方法。给出了模型计算关键参数的取值表，使得计算过程简单实用。所举算例表明了这一点。     

基于改进的混沌优化的翼滑艇推进系统仿真

通过Matlab平台建立翼滑艇推进系统的数学仿真模型,将翼滑艇的快速性指标和经济性指标的加权形式作为推进系统优化目标,并以Simulink进行实时仿真分析。首先,运用改进的混沌优化算法对模糊控制系统进行优化,求解最小控制目标值,然后对转速控制和螺距控制的控制器参数进行优化,并通过模糊控制器对不同工况下主机转速和可调桨螺距进行控制。最后,对比分析了常规模糊控制器与混沌算法优化后的模糊控制器之间的差别。结果表明,优化后的推进系统在进行航速控制时不仅超调量小,而且稳定性好,该优化方法有效可行。     

结构优化方法及其在舰载武备结构设计中的应用

结构优化方法是一种以有限元法为基础的现代设计方法。详细介绍了结构优化的基本概念和分类，以及结构优化在机械结构设计中的详细应用流程。最后以某型发射装置基座为例，利用Hypermesh建模工具和Opti—struct优化工具，对其结构优化的过程进行了较为详细的说明。优化结果表明，该方法在提高结构材料的利用率和提高结构刚性方面有较高的现实意义。结构优化方法将会代替传统的设计方法，成为机械结构设计中最主要的设计方法之一。     

改进遗传算法在船舶自由浮态计算中的应用

为了更快、更准确地计算船舶自由浮态问题,对原有计算方法进行改进。根据船舶自由漂浮的平衡条件,将自由浮态计算归结为多目标约束优化问题,并引入一种改进遗传算法对该优化问题进行求解。实例计算表明,使用该方法,迭代次数明显少于基本遗传算法,船舶自由浮态计算时间大幅下降,计算结果准确可靠。研究结果对于迅速掌握船舶状态,可靠保障船舶生命力具有重要意义。     

船舶结构混合变量优化的遗传算法

本文针对船舶结构优化设计中普遍存在的混合离散变量现象，对遗传算法进行了若干探讨和改进，以直接获得实用的最优解。通过两个船舶结构优化的算例，验证了本文方法的有效性。     

高速单体船航行性能综合优化的遗传混沌算法

建立高速单体船航行性能综合优化的数学模型,将遗传算法和混沌算法复合构造一种改进的遗传混沌算法,并将其应用于高速单体船航行性能综合优化计算问题,利用界面友好的VC 软件编程.优化结果表明,该遗传混沌算法计算可靠、效率高.并为设计综合性能优良的高速单体船船型准备了良好的基础条件.     

一种混沌遗传混合算法及其在机动多目标数据关联中的应用

讨论了混沌优化方法和自适应遗传算法在多目标数据关联中的应用，针对这两种算法的不足，提出了一种集成混沌优化与遗传算法的混沌遗传算法。仿真结果表明，将本文提出的集成算法运用于数据关联，可以提高关联成功率，加速算法收敛速度。     

基于遗传-混沌算法的船舶动力学性能综合优化研究

将遗传算法和混沌算法复合构造了一种遗传混沌算法,并将其应用于船舶动力学性能综合优化计算问题,编制了界面友好的vc＋＋软件。计算结果表明,该软件运行稳定可靠;该算法不但能有效地克服遗传算法的早熟问题,而且耗时少,计算效率高。使用该软件能方便地得到各设计变量的动力学综合最优可能性分布函数,为船舶设计方案的综合评估及其船型参数的综合决策准备了条件。该软件具有较强的实用性,具有推广意义。     

大型中速船舶快速性和操纵性综合优化研究

本文将遗传优化算法应用于大型中速船舶快速性和操纵性综合优化，建立了船舶快速性和操纵性综合优化数学模型，编制了计算软件。大量计算结果表明该算法和计算软件用于求解船舶快速性和操纵性综合优化问题是可行的。     

基于多维PC扩展的多学科稳健优化算法研究

针对多维不确定性下的多学科稳健设计优化问题,以随机不确定性因素的均匀分布和正态分布并存状况为例,提出一种新的以Legendre polynomials和Hermite polynomials为基础与多维多项式混沌方法,构建多维不确定性量化模型,完成多学科稳健设计优化框架的研究。同时将多维稳健优化方法应用于多学科设计优化的实际工程算例散货船优化论证中,并与文献的单维稳健优化方法进行比较。结果表明,在多维不确定性因素影响下,采用多维多项式混沌方法解决多学科稳健设计优化问题,其优化结果与确定性多学科设计优化结果相差不大,能够得到较为稳健的计算优化结果,有效减少和避免设计优化方案失效的可能性。