多目标的分布式协同进化MDO算法

通过引入非优超排序和排挤的多目标处理机制 ,将分布式协同进化MDO算法的能力扩展到多目标的多学科设计优化问题。多目标的分布式协同进化MDO算法在保持各学科充分自治和各学科并行设计优化协同的基础上 ,通过一次运行即可获得具有良好分布的多个Pareto最优解 ,逼近整个Pareto最优前沿。应用于导弹气动 /发动机 /控制三学科两目标设计优化问题 ,与约束法计算结果的对比表明算法能够有效逼近该问题的Pareto最优前沿 。

微生物动力学优化算法

为了解决一类函数优化问题,利用带时滞影响的混杂食物链微生物培养动力学理论提出一种微生物动力学优化(MDO)算法。在该算法中,假设有多个微生物种群在一个培养系统中培养,微生物种群的生长不但受注入到培养系统中的培养液流量、营养物质和有害物质的浓度影响,而且受种群之间相互作用的影响;定期注入的培养液会突然增加营养物质和有毒物质的浓度,从而会突然加大对种群的影响。利用上述特点构造出了吸收算子、攫取算子、混杂算子和毒素算子;利用这些算子和种群的生长变化,能够快速求解优化问题的全局最优解。仿真实验结果表明,MDO算法对求解维数较高的优化问题具有一定的优势。

iSIGHT——多学科设计优化集成平台

一、多学科设计优化 在工业产品和系统的设计中,一个标准优化问题通常包括最大/最小的优化目标、一系列约束条件和控制变量.用户通过改变控制变量获得最切实可行的设计方案.