基于多目标进化算法的工程设计优化中的改进方法和系统技术方案

本发明专利技术公开了在例如汽车、手机等产品的工程设计优化中获得一组更好地收敛和多样化的Pareto最优解的系统和方法。依据一方面，独立地进行产品的多个基于多目标进化算法的工程设计优化。每个独立进行的优化在初始代和/或进化算法等参数上与其它优化不同。例如，初始代的群体(设计方案)可从随机或伪随机数生成器的结果随机生成。另外，每个优化采用特定的进化算法，包括但不限于非支配排序遗传算法、Pareto强度进化算法等。而且，每个独立进行的优化得到的Pareto最优解被组合以生成一组更好地收敛和多样化的解。该组合可以在优化的过程中在一个或多个检验点进行。

【技术实现步骤摘要】

本专利技术涉及工程设计优化，更具体而言，涉及一种在基于多目标进化算法(MOEA) 的工程设计优化中获得一组更好地收敛和多样化的Pareto (帕累托)全局最优解的改进方法。
技术介绍
现在，计算机辅助工程(CAE)已被用在分析、模拟、设计、制造等工作中帮助工程师。在传统的工程设计过程中，CAE分析(如有限元分析(FEA)、有限差分析、无网格分析、 计算流体动力学(CFD)分析、用于减少噪声-振动-声振粗糙度(NVH)的模态分析等)已被用来评价响应(例如压力、位移等)。以汽车设计为例，利用FEA分析汽车的特定版本或设计，以获得特定负载状态下的响应。之后，工程师基于特定的目标和约束条件修改一些参数或设计变量(例如钢壳的厚度、车架的位置等)，以试图改进汽车设计。另一 FEA被处理为反映这些变化，直到实现“最优”设计。然而，该方法通常依赖于工程师的或基于试错法的认识。而且，如在任意工程问题或项目中常见的，这些目标和约束条件通常相互冲突，相互影响，是非线性的设计变量。因此，如何修改它们以实现“最优”设计或折衷(trade-off)， 并不十分清楚。在需要数种不同CAE分析(例如FEA、CFD本文档来自技高网...

【技术保护点】
１．一种计算机实施的方法，用于在产品的基于多目标进化算法的工程设计优化中获得一组多样化的Ｐａｒｅｔｏ最优解，其特征在于，所述方法包括：由计算机系统中的应用程序模块接收待优化产品的描述；由所述应用程序模块独立地进行所述产品的多个基于多目标进化算法的工程设计优化，所述工程设计优化构建为利用一组共同的设计变量和一组共同的设计目标函数，其中，每个工程设计优化与其它工程设计优化在初始代的设计方案和进化方案等一些参数上不同；由所述应用程序模块通过将从每个所述工程优化得到的Ｐａｒｅｔｏ最优器上以图形方式表示。解组合在一个或多个预定的检验点获得Ｐａｒｅｔｏ最优解的组合集；及当总体结束标准被满足时，由所述应用程...

【技术特征摘要】
...

【专利技术属性】
技术研发人员：图沙尔·戈尔，
申请(专利权)人：利弗莫尔软件技术公司，
类型：发明
国别省市：US