多目标遗传算法在船舶操纵性优化设计中的应用

以水面船舶为研究对象,根据操纵性衡准建立了船舶操纵性能的多目标优化模型.基于经验公式和多目标遗传算法,讨论了船舶在概念设计阶段操纵性优化的求解,给出了一个50000吨级散装货船的数值算例.     

多目标模糊优化在船舶结构设计中的应用

船舶的结构设计过程需要分析和处理大量的不确定性因素,比如结构尺寸、载荷、强度和配合公差等参数,是一个典型的多目标优化过程。为了提高船舶结构的质量,对大量不确定性因素进行优化求解具有重要的意义。本文根据船舶结构设计过程的不确定因素,建立多目标模糊优化函数模型,并采用多目标分层序列法和权重分配法对具有重要性差异层次的目标函数进行判定,找到船舶结构设计参数的最优解。     

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。     

主机选型的多目标优化设计

本文根据计算机辅助主推进装置设计的建模理论．以系统、相关的观点为基础，通过建立主机选型的非线性多目标优化模型，阐述了多目标优化设计的方法。     

一类不确定性多属性决策方法及其在船舶优化设计中的应用

本文采用属性值为不确定和多属性的闭区间数多属性决策方法，验证了该方法的可行性有效性。     

基于多目标遗传算法的潜器外形优化设计

计算流体力学软件应用于潜水器外形优化设计时,精度虽高,但效率低下。因此研究了试验设计和响应面模型技术,提出了一个潜水器外形优化设计的策略。其基本思想是:首先应用Gambit软件的日志文件建立起水动力分析模型,然后根据设计要求选取设计变量,用试验设计的方法在设计变量空间里选取样本点并进行阻力性能计算,得到各样本点的响应,并建立阻力、包络体积的二阶多项式模型响应面模型。潜水器设计时需要考虑能源与设备布置要求,因此将阻力与体积作为艇型优化的两个目标,研究了多目标遗传算法,并给出了Pareto最优解集。结果表明,文中采用近似模型的艇型优化过程,不但效率得到提高,精度也能得到保证,而且由CFD结果建立的阻力估算公式可以为后续设计带来很高的参考价值。     

船舶航行性能优化的模糊遗传算法

模糊遗传算法是一种模糊优化与遗传算法紧密结合的优化方法。它兼有模糊优化的考虑到模糊因素从而更能贴近工程的实际情况和遗传算法的全局寻优能力强的特点。本文中模糊优化采用限界搜索法，它可针对模糊非线性一规划给出一个特定的清晰解。对应特定水平则委托遗传算法进行寻优。为处理等式和不等式混合约束，通过惩罚策略将其吸入遗传算法中染色体的适值。本文采用该方法对船舶航行性能进行优化，以船舶的快速性、操纵性和耐波性三个航行性能综合最优为目标函数，具体做法是取三个性能指标的线性加权和，最后建立的数学模型包括三个等式约束和五个不等式约束。根据以上思想本文用VC＋＋6．0开发了ShipPO优化平台，并在其上进行船舶航行性能优化计算，结果表明，该京城地少，全局寻优能力强，非常符合工程需要。     

多目标遗传算法在电机控制系统参数整定中的应用

本文给出了一种基于多目标遗传算法的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（NSGAⅡ）求出Pareto最优解。使用信息熵法对最优解的属性进行权值计算,根据逼近理想解的排序方法对Pareto最优解给出排序。计算了一个电机控制的数值算例,结果表明本文方法所设计的PID控制器性能优异,适合工程实际应用。     

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。     

遗传算法的改进及其在超大型油船结构优化中的应用

遗传算法是一种基于适者生存理念的随机搜索算法,它具有极强的全局搜索能力,且不需要知道问题的导数信息.然而,简单遗传算法局部搜索能力差以及易于早熟.文章编制了一种基于实数编码的适用于连续型变量的遗传算法,比较适合于多峰函数的全局寻优,且对之略作改进,也可用于离散型变量优化.采用大量经典数学测试函数对该遗传算法的优化能力进行测试,取得了很好的优化结果.在此基础上,选用经典10杆桁架结构对该算法的寻优能力进行了验证.最后,以一艘超大型油船的典型中横剖面作为研究对象,选取396个设计变量,所有变量在优化过程中都进行了离散化处理,应用JTP规范[1]作为校核依据,采用该遗传算法进行优化设计.经过优化后,船中剖面面积下降了2.6%.     

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。     

多学科设计优化在舰船设计中的应用

多学科设计优化是一种通过充分探索和利用系统中的相互作用的协同机制来设计复杂系统工程和子系统的方法论,该法已广泛应用于现代工程设计。舰船设计是一个涉及到多个学科的工程问题,传统设计采用螺旋设计法,割裂了学科之间的相互影响,其设计结果的好坏往往决定于总设计师的经验。本文通过采用多学科设计优化方法,对美国弗吉尼亚理工大学公布的导弹驱逐舰DDG设计模块进行优化设计,对多级多学科设计优化方法在舰船设计方面的应用展开探索。     

螺旋桨流固耦合多目标优化设计

本文提出将NSGA-Ⅱ多目标优化算法应用于螺旋桨多目标优化设计,并通过面元法和有限元法实现螺旋桨流固弱耦合.通过计算安装在Seiun-Maru(一艘日本散货船)上的HPS大侧斜螺旋桨压力系数分布和压力脉动,考虑了流固耦合效应的计算精度要高于不考虑流固耦合效应,验证了考虑流固耦合的必要性.本文以螺旋桨效率、非定常力和重量作为目标函数,在满足水动力性能、结构响应和空泡性能等约束条件下,选取描述螺旋桨外形的6个参数作为设计变量,以此建立优化函数.在不同近似最优解和非设计点为初值的算例中,其结果均改善了所有目标函数,验证了本文方法的有效性、适用性和鲁棒性.本文提出的多目标优化方法将有助于提高设计效率,节省计算资源,可成为未来螺旋桨设计的有效工具.     

基于船舶焊接工艺优化设计的探讨分析

文章主要以船舶焊接工艺为研究对象,针对传统焊接工艺的焊接效率低、焊接易变形且不能得到很好的控制等问题与不足,从船舶焊接工艺的质量要求出发,探讨分析出一种船舶修造中的高效焊接工艺,介绍了其设计方案和焊接流程,并从检测结果等方面论证了该焊接工艺具有焊接质量好、经济成本低、焊接效率高、焊接变形能得到很好的控制等优点.     

全局优化算法在船舶结构优化设计中的应用

为了提高船舶龙骨结构在受力过程中应力分布的均匀性和提高材料的利用率,本文采用Hypermesh软件建立了龙骨结构有限元模型,并结合其MORPH功能定义筋板形状变量,建立形状优化模型。随后,将全局优化算法与形状优化模型相结合,对船舶龙骨结构进行优化设计。结果表明,在筋板交错位置增加筋板高度能够有效提升龙骨结构整体刚度,其余位置可以采用较小的筋板高度。本文研究可为船舶龙骨结构改进设计提供参考。     

基于多目标遗传算法的约束阻尼柱壳结构优化

文章为了改进被动约束阻尼柱壳结构的减振特性,解决引入约束阻尼的合理分布问题,提出了一种基于多目标遗传算法的优化设计方法。建立了以振动模态的前两阶损耗因子和引入约束阻尼材料总质量比为优化目标,以约束层、阻尼层厚度和粘弹性材料剪切模量为设计变量的多目标函数。利用遗传算法对 Pareto 最优进行优化选择,避免了对目标函数值的直接计算。通过分析和比较优化前后结构的模态振动频率变化以及幅频响应,表明引入质量太多会影响柱壳结构固有特性,而优化后结构能够避免太多的质量引入,并且具有更好的减振效果。     

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。     

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     

遗传粒子群优化算法在船舶动力定位控制中的应用

针对船舶动力定位系统精确定点控制的问题,结合遗传算法（GA）独特的选择交叉变异功能和粒子群优化算法（PSO）较好的记忆功能等优点,提出了遗传粒子群（GAPSO）算法,并应用到最优控制性能指标加权矩阵的权重系数选择中。通过1艘海工多用途动力定位船舶定点控制仿真实验,使船舶纵荡和横荡的位置及艏摇角都逐渐保持在期望值,且所有输出值都收敛有界,结果与传统最优控制相比,遗传粒子群算法在最优控制中更具有效性及较好的寻优性能,有益于船舶工程的应用。