基于计算智能优化设计探析.docVIP

基于计算智能优化设计探析 　　　摘 要:随着优化设计在工程领域应用的深入,各种传统的优化方法往往无能为力,为解决工程优化设计面临的复杂问题,将计算智能与优化设计有机结合,形成了基于计算智能的优化设计#65377; 　　关键词:优化设计;计算智能;遗传算法 　　 　　1 优化设计与计算智能 　　 　　优化设计是在20世纪60年代随着计算机的广泛应用而发展起来的一种现代设计方法#65377;由于该方法将工程或产品的设计问题转化为最优化问题,在计算机上基于最优化理论进行寻优计算,从而能在满足设计要求和限制条件的全部可行方案中选定最优方案,大大提高了设计质量和效率,因此在工程和产品设计中得到广泛应用#65377; 　　就工程优化设计而言,随着优化设计在工程领域应用的深入,人们趋向与用更接近实际的模型解决大型复杂系统或结构的整体#65380;全局#65380;全方位的优化问题,优化设计所要解决的问题因其大(设计变量#65380;约束条件数目大)#65380;杂(不同性质的对象并存)和灰(不确定性,包括随机#65380;模糊#65380;未确知)而十分复杂#65377;面对这样复杂的问题,各种传统的优化方法往往无能为力#65377; 　　向生命学习,从生物和人的自身寻求如何解决问题的答案#65377;80年代末~90年代初,人们创建出计算智能#65377;智能计算方法的应用证明,计算智能对解决大规模#65380;复杂系统的问题非常有力#65377; 　　将计算智能与优化设计有机结合,运用计算智能的计算方法解决优化问题,这就是基于计算智能的优化设计-智能优化设计#65377; 　　 　　2 基于计算智能的优化设计 　　 　　2.1 基于模糊计算的优化设计 　　工程设计存在大量的模糊信息,如:设计标准的模糊性#65380;设计准则(规范)的模糊性#65380;外部环境作用的模糊性等#65377;由于模糊信息不能用准确的数量来表达,必须用模糊计算的方法来处理,包括:模糊变量#65380;模糊约束#65380;模糊目标函数#65380;模糊推理计算等#65377; 　　模糊优化设计包括三个方面的内容: 　　①模糊优化设计方法; 　　②自适应模糊优化系统模型; 　　③模糊专家系统#65377; 　　 　　2.2 基于神经网络的优化设计 　　人工神经网络是模拟人脑神经网络的结构而形成的,具有一定智能(自学习#65380;自适应#65380;容错性)的计算模型,也是一个大规模复杂非线性动力学系统#65377;它具有非线性大规模并行分布处理的高速运算能力#65380;很强的非线性映射能力和信息的分布式动态存贮能力#65377;可以处理不完整#65380;不准确的信息#65377; 　　　2.3 基于进化计算的优化设计 　　进化是自然界最为壮丽的过程#65377;进化的自然法则是过度繁殖#65380;生存斗争#65380;遗传和变异#65380;优胜劣汰#65380;适者生存#65377;这一法则的选择结果就是物种的优化#65377;进化过程也是自然界的优化过程#65377; 　　进化计算是模仿自然界进化过程的计算方法#65377;该方法无须明确描述问题的全部特征,只需根据自然法则来产生新的更好的解#65377; 　　实现进化计算的思路是:用简单的编码来表示复杂的结构,通过对一组编码(种群)进行遗传和变异的操作,优胜劣汰的选择,实现进化(寻优)的计算过程#65377; 　　进化计算具有适合大规模并行计算和不受搜索空间限制条件(如:可微#65380;连续#65380;单峰)的约束的特点#65377; 　　进化计算包括:演化算法和遗传算法#65377; 　　 　　3 关于基于遗传算法的优化设计的讨论 　　 　　3.1 基于遗传算法的优化设计方法 　　 　　 　　3.2 基于遗传算法的优化设计方法的讨论 　　(1)由于Ai=a1a2……an,且ai∈xi,基于遗传算法的优化过程是在优化问题的解空间中利用进化规则进行寻优的过程#65377;作为遗传操作,由于只有编码码位在不同个体之间的交换,没有码值的改变,故遗传操作是在由群体所有码值张成的子空间的有限点集中的寻优#65377;因此,遗传操作可以获得解的收敛性,但难以得到全局最优#65377;变异操作改变了码位值,因而,改变了寻优空间,这将有助与跳出局部极值的陷阱,得到更优的解#65377; 　　(2)尽管变异操作可以不断改变寻优空间,仍存在两个问题: 　　第一,如何保证寻优搜索的非重复性和遍历性,这关系到寻优的效率和得到全局最优解#65377; 　　第二,优化过程通常是非线性系统的动力学过程,变异操作中码