一种基于协同优化策略的并行可配置智能优化方法技术

本发明专利技术提供一种基于协同优化策略的并行可配置智能优化方法，步骤如下：一、根据要求构建MDO优化问题，明确优化模型和系统级优化模型；二、根据具体的优化问题，确定自适应混合寻优方法的参数；三、基于惩罚函数法转化优化目标函数；四、系统级向子系统级分配初值，子系统采用常规数值方法进行子系统级优化，并将子系统级的优化结果返回给系统级；五、比较学科优化解和系统级优化解的差值，计算惩罚因子，重构系统级优化模型；六、采用混合智能方法进行系统级优化协调与求解；七、收敛性判断；本发明专利技术完善了复杂产品工程数字化和网络化设计优化体系，扩展了协同优化和智能优化方法在设计优化领域的应用空间，有效提高产品的设计质量和设计效率。

【技术实现步骤摘要】
一种基于协同优化策略的并行可配置智能优化方法
本专利技术一种基于协同优化策略的并行可配置智能优化方法，它涉及基于协同优化策略的并行可配置智能优化方法，属于复杂产品的多学科设计优化

技术介绍
多学科设计优化(MultidisciplinaryDesignOptimization,MDO)是二十世纪八十年代发展起来的处理大规模、多耦合复杂工程系统的设计优化方法。MDO的优点在于通过实现各个学科的模块化并行设计来缩短设计周期，通过考虑学科之间的相互耦合来挖掘设计潜力，通过系统的综合分析来进行方案的选择和评估，通过系统的高度集成来实现复杂产品的自动化设计，通过各学科的综合考虑来提高可靠性，通过门类齐全的多学科综合设计来降低研制费用。协同优化方法(collaborativeoptimization,CO)具有高度学科自治、多级优化和分布式计算等特点，能够有效地解决大规模复杂工程系统的设计优化问题，已在航空航天、船舶、汽车、机械等领域中得到广泛应用。然而，CO方法也因其自身优化模型与原理而存在计算效率低和收敛困难的缺陷。前者是CO方法采用本文档来自技高网...

【技术保护点】
1.一种基于协同优化策略的并行可配置智能优化方法，其特征在于：其步骤如下：/n步骤(一)、设计人员根据设计要求构建MDO优化问题；明确定义学科级优化模型、系统级优化模型、设计变量和学科间耦合设计变量；/n步骤(二)、设计人员确定自适应混合寻优方法的参数，为了最大化寻优方法的适应度，尽量增加方法的可配置参数，同时与传统给定确定的方法参数不同，只给出方法参数的上下限，在优化过程方法会根据具体情况，自适应调整相应的方法参数；需要确定的参数如下：交叉概率取值的上下限P

【技术特征摘要】
1.一种基于协同优化策略的并行可配置智能优化方法，其特征在于：其步骤如下：
步骤(一)、设计人员根据设计要求构建MDO优化问题；明确定义学科级优化模型、系统级优化模型、设计变量和学科间耦合设计变量；
步骤(二)、设计人员确定自适应混合寻优方法的参数，为了最大化寻优方法的适应度，尽量增加方法的可配置参数，同时与传统给定确定的方法参数不同，只给出方法参数的上下限，在优化过程方法会根据具体情况，自适应调整相应的方法参数；需要确定的参数如下：交叉概率取值的上下限Pcmax、Pcmin、变异概率的上下限Pmmax、Pmmin、初始交叉概率Pcini、初始变异概率Pmini，马尔科夫链长Markov，初始接受概率Pr，外循环迭代次数kmax，终止温度阈值te，概率密度参数ξ；
步骤(三)、基于惩罚函数法转化优化目标函数，利用下列式(1)重构CO级优化数学模型，初始化系统设计变量值z0；



s.t.ZL≤Zi≤ZU,gi(z)≤0,Ji(z)＝0,μ×γ＝1
(1)
式中，F(z)是原目标函数；F(z,μ,γ)是应用混合罚函数转化后的目标函数；gi(z)是设计变量自身的约束，由原优化约束的线性近似代替；Ji(z)为子系统的目标函数；ZL、ZU表示系统级设计变量的上下限；γ、μ分别表示内、外点的惩罚变量，前者保证各个变量一直受到边界约束，目标函数始终在可行域内搜索，后者使设计人员任意选取优化初始点；在优化过程中，外点惩罚因子γ逐渐增大，内点惩罚因子μ逐渐减小，能将两者定义为倒数关系；惩罚因子γ、μ能由下列式(2)定义；



式中||Ji(zj-xij)||各子系统级优化点与系统级优化点间的距离；
步骤(四)、系统级向子系统级分配初值z0，子系统依据系统级指定的设计变量值z0采用常规数值方法优化并行执行优化，得到本学科的优化解并返回系统级；子系统级优化模型能定义如式(3)：



s.t.gi(x)≤0(3)
hi(x)＝0
式中Ji是子系统目标函数，x是子系统级的设计变量，z就是系统级向子系统级传递过来的变量；在优化时，CO方法的每个子系统能暂时不考虑其它子系统及系统级的影响，只需要满足自身内部的约束，因此能实现全部子系统的并行优化；子系统优化的目标是使子系统设计优化方案与系统级优化提供的优化变量期望值的差异达到最小；
步骤(五)、比较学科解和系统级分配的变量值构建/更新系统级目标函数中的惩罚因子；
惩罚因子γ、μ由下列式(4)定义；



式中||Ji(zj-xij)||各子系统级优化点与系统级优化点间的距离；
步骤(六)、采用自适应混合智能优化方法进行系统级优化求解，...

【专利技术属性】
技术研发人员：刘继红，付超，于红艳，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11