论文部分内容阅读
在优化设计领域,我们常常将目标或约束函数计算耗时的问题称为耗时优化问题。元启发式优化算法(meta-heuristic algorithms),比如遗传算法和粒子群算法,往往需要对目标和约束进行成千上万次计算才能得到较为可靠的优化结果,这会使得求解过程十分耗时而无法接受。EGO(Efficient Global optimization)算法是目前研究和应用最为广泛的用于求解耗时优化问题的算法之一。EGO算法利用Kriging代理模型近似目标函数,并通过最大化EI(Expected Improvement)准则不断选取新的点进行计算来对原问题的最优解进行搜索。本文在现有的EGO算法基础上进行了如下几个方面的研究:(1)在并行单目标EGO算法方面,本文在多峰EI准则的基础上提出了阈值多峰EI准则。通过合理地设置阈值并容许在一个峰值区域选取多个更新点,基于阈值多峰EI准则的并行EGO算法会在优化搜索的初期将多个更新点分散在设计空间不同区域进行全局搜索,而随着优化过程的进行逐渐将更新点聚拢在最有潜力的区域进行局部搜索。数值实验表明,与多峰EI准则相比,阈值多峰EI准则有更快的收敛速度。此外,本文也将阈值多峰的思想推广到了约束优化问题。(2)本文提出了一种新的并行EI准则——伪EI准则。伪EI准则使用影响函数来近似更新点更新代理模型时给EI函数带来的影响,从而可以在不计算更新点真实目标值的情况下近似地选取出下一个更新点。伪EI准则思想简单、执行方便、有解析表达式。数值实验分析表明,基于伪EI准则的并行EGO算法能显著性加快标准EGO算法的寻优速度,而且搜索效率显著性高于另一种并行EI准则(Constant Liar准则)。本文进一步将伪EI准则拓展到约束优化中,提出了用于求解约束优化问题的伪CEI准则,数值实验表明伪CEI准则对约束优化问题的求解效率也显著性高于Constant Liar准则。(3)在多目标EGO算法方面,本文抛弃了用多维分块积分计算多目标EI准则的思想,提出用一个二维EI矩阵衡量研究点对当前Pareto前沿提高量的方法,并借助多目标提高函数的形式将二维EI矩阵里的元素整合为一个标量,从而得到计算快速,用于求解多目标优化问题的EIM准则。数值实验表明,EIM准则对测试函数Pareto前沿的寻优效率与多目标EI准则相当,但计算时间要远远少于多目标EI准则。本文进一步将EIM准则推广到多目标约束优化中,提出了CEIM准则。数值实验表明,CEIM准则对约束Pareto前沿也要较高的寻优效率。(4)在并行多目标EGO算法方面,本文将影响函数的思想与EI矩阵的思想相结合,用影响函数来模拟更新点更新代理模型时给EI矩阵中每一个EI函数带来的影响,得到一个近似的EI矩阵。将近似EI矩阵中的元素进行整合得到求解多目标无约束优化问题的并行准则——伪EIM准则。数值实验表明,基于伪EIM准则的并行多目标EGO算法相比于串行的多目标EGO算法有更强搜索能力和更快的收敛速度。本文进一步将影响函数的思想用于多目标约束优化问题中,提出了并行约束EIM准则——伪CEIM准则。数值实验结果表明,基于伪CEIM准则的并行多目标约束EGO算法较串行多目标约束EGO算法寻优能力更强,寻优速度更快。(5)将提出的基于伪CEI准则的并行约束EGO算法和基于伪CEIM准则的并行多目标约束EGO算法用于典型船舶结构(甲板板架、船底板架、纵横加筋圆锥壳和环向加筋圆锥壳)的单目标和多目标优化设计。结果表明本文提出的并行单目标和多目标约束EGO算法对这四种典型船舶结构的求解效率要显著性高于串行的单目标和多目标约束EGO算法。本文的研究工作为并行的单目标和多目标EGO算法提供了若干新的选择,为并行的单目标和多目标EGO算法研究提供了新的思路和有价值的参考。