多学科设计优化算法比较及其在船舶和海洋平台设计上的应用

多学科设计优化(Multidiseiplinary Design Optimization,简称MDO)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.多学科设计优化算法是其核心部分,也是研究最活跃的领域.文中首先介绍了MDO算法的定义、分类和发展,然后从算法的来源和目的、优化过程、优缺点、改进方法和应用情况等五个方面对四种基于分解技术的MDO算法进行了综述,进而对比了这四种算法的异同点.最后,针对船舶和海洋平台设计的具体特点,归纳了适合于船舶或海洋平台多学科设计优化的MDO算法所需要具备的特征,并建议使用基于近似模型的协同优化算法或BUSS 2000算法进行船舶和海洋平台的多学科设计优化.     

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.     

微分群体智能算法在船舶结构混合变量优化中的应用

船舶结构优化设计问题通常是一个包含混合变量的约束优化问题.常用的优化方法是采用遗传算法结合惩罚函数法,但遗传算法的人工参数多,算法复杂,惩罚因子选取困难.该文中把适合约束优化问题的微分群体算法DS(Differential Swarm)进行了改进并用于混合变量的结构优化问题中,对多个工程实例的计算表明,新算法的结果好于已知文献中的最好结果,并得到了以往未发现的新解.DS算法参数少,算法表达简单,全局优化能力强,精度高,在工程中有较大应用前景.     

船舶结构多学科设计优化近似方法的比较

随着船舶结构设计日益复杂,使用统计学方法为复杂的计算机分析建立近似模型已经逐渐成为一种趋势.文章简要地介绍了三种多学科设计优化中常用的建立近似模型的方法;响应面、Kriging和径向基神经网络,并通过两个算例对其性能进行了比较.建立近似模型所需的样本点由一系列随机正交表提供,三种近似方法的性能则通过误差分析来进行比较.除了常用的二阶响应面模型,文中也构造了三阶响应面模型来进行比较.研究结果表明:Kriging方法以其准确性和稳定性,比其它方法更加适合船舶结构的多学科设计优化.     

基于蚁群算法的港口船舶调度优化问题研究

港口船舶调度优化问题是当前一个公开的难题,传统方法无法获得理想的港口船舶调度优化方案,为了加快港口船舶调度速度,降低港口船舶调度成本,建立了基于蚁群算法的港口船舶调度优化模型。首先分析当前港口船舶调度优化研究现状,指出各种方法出现不足的原因,然后构建港口船舶调度优化问题的多约束优化目标函数,并引入蚁群算法对多约束优化目标函数进行寻优,求得港口船舶调度优化问题的最优解,最后进行港口船舶调度优化仿真模拟实验。相对于其他港口船舶调度优化模型,蚁群算法改善了港口船舶调度优化问题求解的效率,港口船舶调度优化问题的解质量更高,可以满足港口船舶调度管理的实际应用要求。     

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。     

基于选择性神经网络集成的船舶避碰问题研究

船舶碰撞危险度的确定是保证海上船舶航行安全的重要问题,也是一个复杂的过程,受很多因素的影响,具有很强的非线性特征。神经网络集成是用有限个神经网络对同一个问题进行学习,集成在某输入示例下的输出由构成集成的各种神经网络在该示例下的输出共同决定。本文基于粒子群优化算法实现一种选择性神经网络集成方法,并基于该方法对船舶碰撞危险度问题进行了建模。仿真结果表明,基于粒子群算法的选择性神经网络集成方法适合于船舶避碰问题模型,且模型的精度很高。     

模型参数辨识在运动控制仿真系统的应用

船舶运动控制仿真系统是船舶开发过程中的辅助系统,能够模拟船舶在多种激励下的运动状态,有助于提高船舶运动控制系统的设计水平。本文研究的重点是一种模型参数辨识技术在船舶运动控制仿真系统的应用,本文首先建立了船舶运动仿真力学模型,利用基于粒子群算法等数学算法,针对船舶运动控制仿真系统的参数辨识等进行了优化与仿真试验。     

黄骅港限制性双向航道船舶交通组织优化

为提高黄骅港煤炭港区船舶进出港作业效率,研究该港区在限制性双向航道通航模式下船舶交通组织优化问题。考虑船舶属性、船舶交通状况和航道存在的限制性关键航路风险点等因素,基于限制性通航/单向通航模式转换、限制性单/双向通航模式切换、关键航路风险点交通冲突消解、泊位冲突消解、船舶航行安全性和连续性等约束条件,构建以总船舶调度时间和总船舶等待时间最短为目标函数的限制性双向通航模式下船舶交通组织优化模型,并设计船舶航行时间挖掘算法获取模型的关键输入参数;提出一种改进的双链量子遗传算法(Improved Double Chain Quantum Genetic Algorithm,IDCQGA)高效地求解构建的优化模型;基于船舶交通仿真数据库进行验证。试验结果表明:该算法与常规遗传算法相比在全局寻优时,具有较快的收敛速度和较好的稳定性,模型求解出的最优方案总船舶调度时间和总船舶等待时间较先到先服务(First Come First Serve,FCFS)规则分别下降22.6%和30.8%,较先出后进(First out Last in,FoLi)规则分别下降26.3%和31.5%。     

遗传算法在船舶电缆布局优化设计中的应用研究

船舶电缆布局优化是实现船舶布线自动化的一项技术难题,这一问题的解决可节省大量电缆布局设计的时间和费用。建立优化模型,并对传统遗传算法中初始种群的产生方法、选择算子及变异算子进行改进,增加检测操作,从而构造求解该模型的改进遗传算法。仿真结果表明,该算法是一种具有全局寻优能力的布局优化方法,具有高效性、实用性,并可扩展于解决船舶设计中的其它优化问题。     

Application of the optimal Latin hypercube design and radial basis function network to collaborative optimization

Improving the efficiency of ship optimization is crucial for modern ship design. Compared with traditional methods, multidisciplinary design optimization (MDO) is a more promising approach. For this reason, Collaborative Optimization (CO) is discussed and analyzed in this paper. As one of the most frequently applied MDO methods, CO promotes autonomy of disciplines while providing a coordinating mechanism guaranteeing progress toward an optimum and maintaining interdisciplinary compatibility. However, there are some difficulties in applying the conventional CO method, such as difficulties in choosing an initial point and tremendous computational requirements. For the purpose of overcoming these problems, optimal Latin hypercube design and Radial basis function network were applied to CO. Optimal Latin hypercube design is a modified Latin Hypercube design. Radial basis function network approximates the optimization model, and is updated during the optimization process to improve accuracy. It is shown by examples that the computing efficiency and robustness of this CO method are higher than with the conventional CO method.     

基于多维多项式混沌展开法的船舶不确定性优化设计

以船舶不确定性优化设计为对象,分析考虑多个随机变量对优化目标和约束的影响,提出一种基于多维多项式混沌展开法(PCE)的船舶不确定性优化设计,并将其应用于散货船工程优化实例中,保证船舶的稳健性和可靠性。     

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。     

知识工程在船舶结构优化设计中的应用

针对船舶结构设计变量是涉及多种设计和约束条件的离散变量,造成结构优化的高度非线性、多峰性等问题,而且设计过程中需要设计规范和专家经验等知识支持,结合其具有很强的综合性、模糊性等特点,提出了基于知识工程的船舶结构优化设计方法。该方法利用知识工程与结构优化相结合,将获取的设计知识构建知识库应用于船舶结构优化设计,并通过知识工程技术实现参数化结构模型与优化数学模型的相互转化,降低结构优化设计对用户知识水平的要求。水密横舱壁结构的优化设计算例表明,满足约束要求的情况下,其结构重量在优化后比优化前降低了,保证了结构性能合理的同时实现重量最轻的目标;将结构参数化模型和数学优化模型结合在一起,为设计经验少的设计者提供了一种结构设计的捷径;实现了从不同资源中获取知识并应用于优化设计过程,促进设计能力的提高,降低优化设计过程对知识和经验的依赖。     

基于区间分析方法的船舶不确定稳健设计优化

实际船舶优化设计中,大量不确定因素的存在可能会导致船舶性能达不到预定的设计目标。因此为了保证船型方案的可行性,本文将区间分析方法应用到不确定稳健设计优化中,以一条散货船的概念设计为例,针对单个不确定变量存在和多个不确定变量共同存在的情况,分别进行研究,以单位运输成本的中值和半径最小为目标,采用双层嵌套优化体系,内层采用多岛遗传算法求解目标函数的区间,外层采用NSGA-II算法来优化目标函数,从而保证船舶的稳健性。     

基于参数化模型的船舶圆柱売结构声学优化分析方法

复杂圆柱壳结构是船舶结构的主要形式,建立其快速声学优化分析方法对促进船舶结构声学设计, 实现“分析驱动设计”理念具有重要价值。基于隐式参数化建模方法,建立船舶复杂圆柱壳结构参数化模型库,提出基于参数化模型的船舶圆柱壳结构声学优化分析方法,解决了分析流程中数据自动传输、软件调用和变量控制等问题。算例结果表明所提方法是合理的,初步满足船舶复杂圆柱壳结构声学优化设计需求。     

船舶主尺度方案的博弈优选

优化选择的船舶主尺度方案需要具有较好的经济性、技术性能,而博弈论是研究解决、优化决策选择的科学,根据船舶主尺度方案优选问题与经济学中博弈问题之间的相似性,从博弈的观点确定了船舶设计中的博弈方及其对应的策略空间,即各设计目标视为博弈问题博弈方;设计变量集合视为所有博弈方的战略集组合,从而提出了船舶主尺度方案优选设计问题的博弈方法。通过实例应用表明,合作博弈论方法能更好地综合反映设计目标的要求,优选结果更加合理。     

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。     

基于序贯Kriging模型的潜器型线优化设计

潜器型线优化设计是一个多目标优化问题,在型线设计过程中,阻力性能与包络体积的要求是相互冲突的。为了解决计算流体力学软件如Fluent在进行潜器的外形优化设计时效率低下问题,采用Kriging模型代替仿真模型进行潜器外形设计的策略,其基本思想是：选取设计变量和样本点,利用ICEM软件建立参数化的水动力分析模型,用Fluent软件计算得到样本点的阻力响应值,建立反映设计变量与响应之间关系的Kriging模型,将阻力和体积作为潜器外形优化的两个目标,利用多目标遗传算法求出Pareto最优解。由于采样策略对Kriging模型精度影响很大,本文提出了一种新的序贯采样方法命名为加权累积误差方法,来选取样本点以提高Kriging模型精度。结果表明提出的序贯Kriging建模技术能极大提高潜器型线优化设计效率,同时保证设计精度。     

基于蚁群算法的大型油船中剖面结构优化设计

采用蚁群算法对大型油船中剖面结构进行了优化设计,选取了纵骨型号等18个设计变量,建立了以单位长度中剖面构件重量最轻的目标函数,根据DNV(挪威规范)提取了总纵强度等29个约束条件,从而建立了大型油船中剖面结构优化模型。改进的蚁群算法对该模型进行优化计算,该船的中剖面纵向结构单位长度的重量减轻3.35%,结果表明蚁群算法是行之有效的。