遺傳算法在多學(xué)科優(yōu)化中的研究應(yīng)用.pdf

1、復(fù)雜產(chǎn)品的傳統(tǒng)設(shè)計(jì)模式周期漫長(zhǎng)，代價(jià)高昂，并且往往只能獲得一個(gè)可行的設(shè)計(jì)而無(wú)法獲得系統(tǒng)最優(yōu)。多學(xué)科設(shè)計(jì)優(yōu)化正是為了更好的實(shí)現(xiàn)新的設(shè)計(jì)理念而提出的針對(duì)復(fù)雜系統(tǒng)設(shè)計(jì)的新方法，通過(guò)充分利用各個(gè)學(xué)科之間的相互作用所產(chǎn)生的協(xié)同效應(yīng)，以獲得系統(tǒng)的整體最優(yōu)解。多學(xué)科設(shè)計(jì)優(yōu)化領(lǐng)域中的若干問(wèn)題如多目標(biāo)優(yōu)化問(wèn)題多層決策優(yōu)化問(wèn)題等正成為工程應(yīng)用的熱點(diǎn)，但這些工程問(wèn)題的實(shí)際求解復(fù)雜性對(duì)算法從各個(gè)方面提出了新的挑戰(zhàn)。本文研究了多學(xué)科設(shè)計(jì)優(yōu)化問(wèn)題領(lǐng)域中的一系列問(wèn)題

2、：
　　智能算法的比較研究到目前為止還沒(méi)有一個(gè)為大家所公認(rèn)的衡量指標(biāo)，本文首先對(duì)MDO領(lǐng)域中涉及的幾種智能優(yōu)化算法的特點(diǎn)進(jìn)行了詳細(xì)的研究總結(jié)，在此基礎(chǔ)之上提出了時(shí)間、精度、解決問(wèn)題的個(gè)數(shù)等幾個(gè)比較指標(biāo)，首次將精度作為算法比較指標(biāo)，并且創(chuàng)新性的提出一個(gè)針對(duì)工程問(wèn)題的有效的比較指標(biāo)——短時(shí)尋優(yōu)能力。建立了算法比較的三維模型，可以作為工程應(yīng)用中算法選擇的科學(xué)的依據(jù)。給出算法選擇一般流程，對(duì)算法的選擇有很強(qiáng)的指導(dǎo)意義。通過(guò)對(duì)所選取的系列案

3、例運(yùn)行得到一系列對(duì)工程問(wèn)題有指導(dǎo)意義的結(jié)論。
　　研究了多目標(biāo)優(yōu)化保持解的多樣性和提高計(jì)算效率的策略改進(jìn)問(wèn)題?；趨f(xié)同遺傳算法的進(jìn)化機(jī)制和結(jié)構(gòu)給出了一種適合于求解多目標(biāo)問(wèn)題的并行協(xié)同遺傳多目標(biāo) MDO算法框架，該框架與 MDO算法體系中的協(xié)同優(yōu)化算法和并行子空間優(yōu)化算法都是并行的處理問(wèn)題，但是這種算法框架在變量分配、目標(biāo)選擇、約束滿足、耦合量處理等方面較二者更簡(jiǎn)單直觀，構(gòu)建也更容易。
　　對(duì)算法改進(jìn)進(jìn)行了改進(jìn)策略分析。分別從

4、個(gè)體適應(yīng)度、選擇操作和維持種群精英解策略方面給出了改進(jìn)建議。提出了能夠改善收斂性能和收斂速度的基于混合策略的遺傳優(yōu)化算法。與一般的混合策略不同，該混合策略包括兩個(gè)方面：遺傳算法本身的混合策略—采用多種交叉算子混合，能夠更有效的保持解的多樣性；另外，將遺傳算法與幾種啟發(fā)式算法混合構(gòu)成混合遺傳算法提高解的搜索效率。根據(jù) NSGAⅡ?qū)Τ跏既后w的依賴性缺點(diǎn)，按照算法融合的思想，將經(jīng)典算法與現(xiàn)代算法進(jìn)行融合，提出了貪心NSGAⅡ、分支定界 NSG

5、AⅡ和Or-opt NSGAⅡ三種算法。通過(guò)美國(guó)密西根州配送中心實(shí)例分別驗(yàn)證算法的有效性和可行性。
　　對(duì)多層優(yōu)化問(wèn)題進(jìn)行了研究。多層優(yōu)化問(wèn)題是在一個(gè)優(yōu)化問(wèn)題的約束條件中包括另一優(yōu)化問(wèn)題，是非常復(fù)雜的優(yōu)化問(wèn)題，其求解非常困難。本文研究了作為多層優(yōu)化問(wèn)題之一的帶有多目標(biāo)的三層優(yōu)化問(wèn)題，從三層優(yōu)化問(wèn)題的數(shù)學(xué)模型角度出發(fā)，分別從求解效率和求解準(zhǔn)確性兩個(gè)方面給出了兩種算法。按層進(jìn)行計(jì)算，從最外層開(kāi)始計(jì)算，將每一層計(jì)算的結(jié)果保留一定的余量作