多UUV搜索海底声信标任务规划方法

[目的]为了提高特定海域内多水下无人航行器(UUV)执行海底声信标搜索任务时的搜索性能,需增加对目标的搜索概率。[方法]首先,给出各UUV所载被动声呐的搜索能力指标函数,采用蒙特卡罗方法模拟海底声信标的坐标位置,并在任务区域建立搜索能力函数,从而得到本次优化任务的优化目标;然后,根据UUV实际执行任务时的队形要求建立本次优化的约束条件,整合得到基于海底声信标搜索概率最大化的多UUV队形优化模型,并使多UUV按照此队形完成指定区域的声信标搜索工作;最后,采用遗传算法对优化模型进行参数优化,通过设定合理的目标函数以及改进传统的遗传算子使目标函数的值达到设定标准,随之取出相应的参数完成值的选择。[结果]将求解出的优化队形与传统优化队形进行对比发现,求解出的优化队形具有更高的发现海底信标的平均概率。[结论]该方法能够有效提升多UUV对海底声信标的搜索性能,并给出合理的队形优化方案。     

基于改进蚁群算法的多自主式水下机器人任务分配

[目的]以多自主式水下机器人(MAUV)执行海底地形勘察任务为背景,提出一种基于改进蚁群算法的MAUV最优任务分配算法。[方法]首先,建立任务分配问题模型;然后,针对基本蚁群算法进行改进。改进的蚁群由多个子群组成,通过对任务执行能力蚂蚁的选择方法、启发函数和全局信息素更新方式进行改进,以此提高算法的自适应能力和全局搜索能力,并在局部搜索中通过2-opt算法进一步加快最优解的收敛速度。[结果]Matlab仿真结果表明,改进的蚁群算法可以有效提高MAUV的任务分配效率,从而快速地平衡航行距离和能耗代价。[结论]研究成果可为MAUV海底地形勘察任务分配提供参考。     

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。     

基于多目标遗传算法的船舶修理计划优化研究

针对船舶修理工作中的计划任务分配问题,提出了基于多目标遗传算法的船舶修理计划优化的方法。将修理经费和时间作为两个追求的目标函数,采用改进的非支配解排序的多目标进化算法（NSGA II）对优化模型进行了求解,得到了任务分配的Pareto优化解。这种方法能够比通常的加权和方法得到更多的计划方案,能够给任务制订者更多的选择。文中计算了一个维修任务分配例子,并且和通常单目标优化结果进行了比较,表明了该方法的有效性和实用性。     

基于分层聚类拍卖的集群UUV多目标分配方法

针对水下UUV集群协作多目标任务分配问题,提出一种基于市场拍卖机制的分层聚类目标分配方法,研究异步/同步2种任务分配模式及模型。相对已有相关研究工作,该方法改进了任务分组的方式,任务分配机制能够较好地适应动态变化的条件。该方法分为3步:首先基于最小生成树距离的分层聚类对目标集分组为若干任务包,然后由UUV群根据各自的状态对各任务包计算执行代价并投标,最后拍卖方根据投标结果确定中标的UUV及所执行的任务包,同时根据UUV系统状态可动态调整任务分配。仿真结果表明,该方法能够较好地解决集群UUV任务分配问题。     

基于多目标遗传算法的复杂系统可靠性冗余优化

提出了将多目标遗传算法用于复杂系统可靠性冗余优化设计的方法。根据系统可靠性冗余的模型,采用多目标遗传优化技术,同时考虑可靠性、费用和重量目标,得到了冗余系统的Pareto最优解。设计者能在这些Pareto解中根据偏好选择最后的折中解。计算了1个3目标的可靠性冗余优化的例子,数值结果表明,多目标遗传算法能迅速搜索到可靠性冗余指标的Pareto解,并且这些解的分布均匀。     

基于多学科设计优化的UUV总体组合优化方法

无人水下航行器(UUV)是多学科交叉的复杂耦合系统,采用多学科设计优化(MDO)可以大大缩短UUV研发周期,提升UUV总体性能。针对UUV的总体设计,开展模块化学科划分,建立各学科分析模型。由于UUV总体系统属于多变量高维空间,单一的优化方法并不能得到全局范围的最优解,采用序列二次规划法结合自适应模拟退火法以及序列二次规划法结合多岛遗传算法的组合优化设计方法,基于协同优化策略,开展以UUV总重量为主优化目标的多学科设计优化,并利用仿真分析对优化后的UUV结构强度与稳定性进行校验。由优化设计的结果可以看出,UUV满足各个子系统约束的前提下,有效地减小了UUV总重量。     

舰艇核动力装置蒸汽发生器的初步设计多目标优化方法

蒸汽发生器的设计实践表明,由于设计问题的复杂性,仅用单目标优化方法求得的解不能完全适合设计需要。本文讨论了在舰艇核动力装置蒸汽发生器初步设计中引入多目标优化方法的必要性,介绍了蒸汽发生器初步设计的计算模型,讨论了决策变量、目标函数的选取,搜索过程中约束条件的某些假定,以及搜索过程。本文给出了蒸汽发生器多目标优化的一些结果,分析了设计变量和部分约束条件变化对目标函数的影响,计算结果表明,所提出的方法是有效的。     

基于微观遗传算法的结构形状优化设计

在形状优化中,传统的优化方法对目标函数和约束条件形态的要求严格,难以获得全局最优解。为解决这个问题,将微观遗传算法应用于结构形状优化中。既消除了对目标函数和约束条件形态的限制,提高了全局寻优能力;又减少了结构分析次数,节省了计算时间,为结构的形状优化提供了一种实用方法。通过算例,验证了该方法的正确性。     

基于iSIGHT的UUV优化设计平台

水下航行体(UUV)外形设计的优劣对UUV的最终性能有着举足轻重的影响。传统的设计方法是通过反复的选型-计算-修改来实现的,这种方法不但效率低下,而且由于选型范围有限,常导致得不到最优解。为解决这一问题,本文研究了UUV的参数化设计方法,并通过自编程序实现了在SolidWorks中的参数化建模。利用iSIGHT优化设计平台强大的过程集成能力和各种寻求最优参数的技术,实现了iSIGHT集成并驱动SolidWorks,Gridgen,CFX等软件并寻求最优参数的设计流程。并针对某UUV,以最小阻力为目标,利用NLPQL优化算法进行了优化设计。结果表明,本设计平台达到了实现UUV参数化设计并优化的目的,提高了设计效率。     

舰船汽轮齿轮机组一体化的初步设计多目标优化

本文讨论了在舰船汽轮齿轮机组初步设计中引入一体化多目标优化方法的必要性,介绍了用于优化计算的计算模型,讨论了优化变量、目标函数的选择,搜索过程中约束条件的某些假定,以及优化搜索过程。求一个三目标有约束(90个)多变量(14个)非线性规划决策问题。给出了各型汽轮齿轮机组的单目标和多目标优化分析的一些结果。计算表明所提出的方法是有效且实用的。     

改进的多目标优化算法及其在船舶设计中的应用

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。     

基于自适应加权的多学科多目标设计优化

针对多学科多目标设计优化存在的耦合严重、计算效率低、难以获得体现设计者使用要求的最优解等问题,提出了基于自适应加权的多学科多目标设计优化方法,阐述了该方法的基本思想并给出了设计优化流程.该方法密切结合实际工程设计经验,将多目标优化问题转换为反映设计者使用要求的综合目标优化问题,采用自适应加权的优化策略建立优化模型进行优...     

基于多目标粒子群算法的动力吸振器参数优化和决策研究

动力吸振器在船舶领域得到广泛应用.在船舶振动控制中需要寻找吸振器的最优参数,即最优频率比、最优阻尼比和最优质量比,使得结构在不同的频率激励下获得最好的减振效果.本文将基于多目标粒子群算法的优化技术与多属性决策方法联合运用,针对主系统存在阻尼的减振系统,研究了动力吸振器参数优化和决策问题.对于多目标优化问题,采用多目标粒子群算法(α-MOPSO)求出Pareto最优解,基于熵方法得到属性权重,用逼近理想解的排序方法(TOPSIS)对Pareto最优解给出排序.文中给出了4个设计参数、2个目标函数的动力吸振器优化设计算例.计算结果表明,文中提出的联合方法能够有效应用于动力吸振器的参数优化.     

舰船概念设计多目标优化和多属性决策研究

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.     

多目标遗传算法在水面船舶快速性优化设计中的应用

在船舶设计中,船、机、桨的匹配问题一直是设计人员最关注的问题之一.快速性良好的船舶应使得船、主机和螺旋桨之间的性能综合匹配.通过采用改进的非支配解排序的多目标遗传算法,讨论了船舶概念设计阶段快速性优化问题.以推进系统综合效率和排水量为优化目标,考虑了混合变量的多目标优化问题.文中给出了载重量为35000t油船的快速性优化设计例子.结果表明,多目标遗传算法能够快捷搜索到全局最优解.     

多目标微粒群优化聚类算法及应用

提出了多目标函数评价法,通过定义两个新的目标函数实现了基于多目标微粒群优化聚类算法,可实现对多目标优化问题非劣最优解集Pareto的搜索.同时根据电磁力的计算公式定义了新的相似度测量方法,该相似度测量考虑了聚类簇的大小对数据划分的影响.给出了IRIS数据仿真结果,用入侵数据集KDD CUP99测试,实验结果验证了该算法的有效性.     

基于多种群粒子群算法的舰船消磁决策优化

随着舰船消磁技术的发展,消磁线圈的数目越来越多,调整消磁系统的常规方法越来越难以实施.为解决这一问题,提出一种改进的粒子群算法,该方法利用多种群搜索策略来压缩搜索空间,从而有效提高得到全局最优解的概率.仿真结果表明:该算法在舰船消磁磁场特征均方根最小和峰值最小方面均比其他方法更有优势,此外,该算法具有计算方法直观,编程简单,计算速度快,全局解搜索率高,易于进行多机协作的优点,可以方便地应用于工程实际.     

群智能优化算法的船舶信息管理任务批量流水调度研究

针对传统的船舶信息管理任务调度模型的调度平均等待时间长的问题,研究群智能优化算法的船舶信息管理任务批量流水调度模型。根据群智能优化算法理论,将调度过程中的船舶看作粒子,根据实际调度需求设定调度模型的参数。为缩短船舶调度平均等待时间,规划船舶调度的目标函数以及约束条件。计算粒子适应度,将粒子与任务分配一一映射,根据船舶可信度计算得到局部粒子最优解,更新粒子位置直至出现最优调度解,完成船舶信息管理任务批量流水调度模型的构建。通过与传统调度模型的对比仿真实验,验证构建的基于群智能优化算法的船舶调度模型能够缩短传统调度模型2/3的平均调度等待时间,提高了调度效率。     

船舶概念设计阶段多学科和多目标优化研究

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.