基于PSO-ABC的混合算法求解复杂约束优化问题

为了改善粒子群优化(particle swarm optimization,PSO)算法在处理复杂约束优化问题时的求解效果,提出了一种基于粒子群和人工蜂群的混合优化(particle swarm optimization-artificial bee colony,PSO-ABC)算法。在采用可行性规则进行约束处理的基础上,将PSO种群分为可行子群和不可行子群,并在ABC算法从粒子种群中选择蜜源时,保留部分较优的可行解信息和约束违反程度较低的不可行解信息,弥补了联赛选择算子在处理最优点位于约束边界附近的问题时存在的不足。同时,使用禁忌表存储局部极值,减小了PSO算法陷入局部最优的危险。针对4个标准测试实例的实验结果表明,该算法能够寻得更优的约束最优化解,且稳健性更强。

基于面形均方根误差的成像主镜拓扑优化设计

为平衡高转速下镜面面形变化过大和主镜轻量化这一对矛盾,对主镜开展拓扑优化设计。使用HyperMesh软件将主镜划分为六面体单元,将主镜的两个镜面所有节点沿主镜中轴线方向的位移定义为响应,利用镜面面形均方根误差(相对于静止面形)评估主镜面形变化并作为优化约束,以最轻量化为目标对主镜进行拓扑优化。将优化后结构进行几何重构,代入OptiStruct软件进行重新计算;依据重构模型加工主镜,利用干涉仪测量光学加工后镜面面形均方根误差。优化结果显示,镜面面形均方根误差在0.35μm以内,质量减轻了38.54%。单点车加工面形精度为0.08μm(标定得到的结果),故光学加工后镜面均方根误差理论上不超过(0.35+0.08)μm;利用干涉仪测量光学加工后镜面面形,其镜面1和镜面2的面形相对于单点车理论面形分别相差0.36μm、0.31μm,均小于0.5μm。