基于非支配排序遗传算法的的多学科鲁棒协同优化方法

针对鲁棒协同优化(robust collaborative optimization,RCO)具有两级优化结构和多目标形式的特点,提出基于非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA--Ⅱ)的RCO求解方法.在NSGA--II非支配排序中,根据个体的不可行度和不可行度阈值来决定其可行性,并给出随进化过程逐渐减小的不可行度阈值.在该阈值的作用下,在进化初期,保留较多的目标函数和标准差较小的个体,以便优化向全局极值点附近靠近;在进化后期,保留较多的学科间一致性好的个体,以便增强学科间的一致性.该方法在保证各子学科间一致性的前提下,可有效避免RCO优化结果易收敛到局部极值点的问题.利用典型算例对该方法进行了验证,结果表明该方法的优化性能良好.

基于遗传算法的协同优化方法

针对协同优化的系统级优化可行域可能不存在的问题,采用遗传算法,并借鉴逐步增强约束强度的思想,提出了基于遗传算法的协同优化算法.该算法利用各子学科返回的优化值,计算种群中个体的不可行度,根据不可行度和阈值来判定该个体是否为可行解.提出利用循环迭代次数调整阈值的方法,保证了系统级优化向一致性等式约束不满足度减小的方向进行,达到了有效增强子学科间一致性的目的.最后,利用减速器典型算例对该方法进行了验证,结果表明该方法的优化性能良好.