高速单体船航行性能与结构特性综合优化方法研究杨松林,李密,陈.docVIP

高速单体船航行性能与结构特性综合优化方法研究 杨松林，李密, 陈淑玲 摘 要 本文以典型高速单体船为基础，根据一些实船的资料和相关经验公式并结合高速单体船的结构特点，探讨一种将船舶航行性能与结构力学特征两者综合优化的方法。 首先依次建立了基于 (VC++6.0)软件的高速单体船快速性优化、操纵性优化、耐波性优化的数学模型，并包括了这三个方面的优化变量、目标函数和约束条件。在选择算法方面，本文将遗传算法与混沌算法复合构造了一种遗传混沌算法，并利用C++语言对其编制了友好界面。大量的计算数据表明：遗传混沌算法不仅能克服遗传算法的不足，而且能减少计算、提高效率。 其次，基于舰船通用设计规范（GJB 4000-2000）并行遗传算法(VC++6.0)软件能方便的获取船舶航行性能分布函数中的每个最优设计变量，为船舶设计综合评估、船舶参数确定提供条件。 关键词：高速单体船；航行性能；结构力学特征；遗传混沌算法；综合优化 引言 在工程领域，我们可以利用经典的数学和系统工程原则作为工具来完成分析设计但是，复杂的系统问题尽管建立分析设计和制造模型我们经常面对关环境等复杂因素和各种不确定性。，设计的某些参数或进行评估的研究方法，这是船舶设计的问题，复杂设计问题优化理论现在已广泛应用于科研，企业管理，军事事务领域。优化方法可分为优化方法和现代优化方法。前者通常陷入局部优不适合多变量，多约束，多目标函数复杂优化。遗传算法，一现代化的优化方法具有很强的全局优化能力，船舶工程但遗传算法多设计变量，削减的遗传算法一代很可能因此，者提出了一种分层并行遗传混沌成功地运用这一综合方法船舶力学性能综合优化。2分层并行遗传混沌算法遗传算法是一种基达尔文进化论和孟德尔遗传学理论的随机新型优化方法与优化方法遗传算法具有许多优点，如计算速度快，全局搜索能力强，和良好的鲁棒性。大量研究和应用表明，遗传算法复杂的综合优化。然而遗传算法是解决多设计变量并行算法使结合起来另一方面，遗传算法多个目标函数和多约束条件规模非常复杂的。分层并行遗传算法，克服缺点。分层并行遗传算法以方式每一个变量的值分成几个部分，并贯穿这些（变量是可变的，将引起目标函数值重大变化）。然后变量值范围结合遗传算法的作业范围最后，指定一个值到遗传算法的规模。例如，12个设计变量2个是变量变量由6 × 3最后设计变量挑选了几个(或优化)方法。考虑到遗传算法面对船舶航行性能综合优化这类非常复杂的多目标、多约束和多变量工程优化设计问题，带来的特大种群规模和特别复杂的适应度函数处理及计算时间过长和较大概率的早熟问题，本文采用的优化计算分两步走：首先，采用遗传算法进行有限代数计算，并在遗传算法程序中嵌入辅助进化子函数，从每次计算后的种群中选择4个适应度相对较高的个体进行混沌搜索。接着，在遗传算法优化结果的小范围内采用二次载波混沌算法进一步完成最优值点的计算，作为改进后的遗传混沌算法，具体实现细节如下。 第一步 遗传算法优化。遗传算法求解的组成为: 编码方法 在遗传算法中对每一个染色体进行适当的编码是必不可少的一步，算法中问题的构成以及遗传算子的使用都取决于编码方式。这些编码方法可以分为三大类：二进制编码方法、浮点数编码方法和符号编码方法Holland的简单遗传算法采用的是二进制编码，二进制编码理论分析方便，遗传操作与生物进化相似，能在相同的范围内表示最多的模式，能够充分体现隐性的并行性。 选择 选择是实现进化的重要一环，许多学者提出了种种不同的选择方法，这里采用比较通用的轮盘赌法。 交叉 交叉运算使用单点交叉算子。在生物的自然进化过程中，两个同源染色体通过交配而重组，形成新的染色体，从而产生出新的个体或物种，， 变异 在生物的遗传和自然进化过程中，其细胞复制环节有可能会因为某些偶然因素的影响而产生一些复制差错，这样会导致生物的某些基因发生某些变异，从而产生新的染色体，表现出新的生物性状。在遗传算法中也引入了变异算子来产生新的个体。基本位变异算子是最简单和最基本的变异操作算子。对于基本遗传算法中用二进制编码符号串所表示的个体，若需要进行变异操作的某一基因座上的原有基因值为0，则变异操作将该基因值变为1；反之亦然。 适应度值 在遗传算法中，适值是一个至关重要的概念。对于无约束优化问题，适值可取为该问题的优化目标值。但对于有约束的优化问题，适值就不一定是该问题的优化目标值。但其对应关系应是明显的。实际上，正是通过适值的合适选取，可将约束优化问题转化成无约束优化问题。我们知道，约束优化问题的一个可行解应满足约束条件，而最优解不但要满足约束条件，还必需使得目标函数值最大或最小。 进化停机准则 如果对遗传算法的搜索过程进行跟踪观察，我们会发现它将很快收敛于一个稳定的最优解。在实际优化过程中，为提高计算速度，可每隔10代判断一下