摘要:隨著優(yōu)化設(shè)計在工程領(lǐng)域應(yīng)用的深入,各種傳統(tǒng)的優(yōu)化方法往往無能為力,為解決工程優(yōu)化設(shè)計面臨的復(fù)雜問題,將計算智能與優(yōu)化設(shè)計有機結(jié)合,形成了基于計算智能的優(yōu)化設(shè)計｡?

　　關(guān)鍵詞:優(yōu)化設(shè)計,計算智能,遺傳算法

　　1優(yōu)化設(shè)計與計算智能?

　　優(yōu)化設(shè)計是在20世紀60年代隨著計算機的廣泛應(yīng)用而發(fā)展起來的一種現(xiàn)代設(shè)計方法｡由于該方法將工程或產(chǎn)品的設(shè)計問題轉(zhuǎn)化為最優(yōu)化問題,在計算機上基于最優(yōu)化理論進行尋優(yōu)計算,從而能在滿足設(shè)計要求和限制條件的全部可行方案中選定最優(yōu)方案,大大提高了設(shè)計質(zhì)量和效率,因此在工程和產(chǎn)品設(shè)計中得到廣泛應(yīng)用｡?

　　就工程優(yōu)化設(shè)計而言,隨著優(yōu)化設(shè)計在工程領(lǐng)域應(yīng)用的深入,人們趨向與用更接近實際的模型解決大型復(fù)雜系統(tǒng)或結(jié)構(gòu)的整體､全局､全方位的優(yōu)化問題,優(yōu)化設(shè)計所要解決的問題因其大(設(shè)計變量､約束條件數(shù)目大)､雜(不同性質(zhì)的對象并存)和灰(不確定性,包括隨機､模糊､未確知)而十分復(fù)雜｡面對這樣復(fù)雜的問題,各種傳統(tǒng)的優(yōu)化方法往往無能為力｡?

　　向生命學習,從生物和人的自身尋求如何解決問題的答案｡80年代末~90年代初,人們創(chuàng)建出計算智能｡智能計算方法的應(yīng)用證明,計算智能對解決大規(guī)模､復(fù)雜系統(tǒng)的問題非常有力｡?

　　將計算智能與優(yōu)化設(shè)計有機結(jié)合,運用計算智能的計算方法解決優(yōu)化問題,這就是基于計算智能的優(yōu)化設(shè)計-智能優(yōu)化設(shè)計｡

　　2基于計算智能的優(yōu)化設(shè)計

　　2.1基于模糊計算的優(yōu)化設(shè)計?

　　工程設(shè)計存在大量的模糊信息,如:設(shè)計標準的模糊性､設(shè)計準則(規(guī)范)的模糊性､外部環(huán)境作用的模糊性等｡由于模糊信息不能用準確的數(shù)量來表達,必須用模糊計算的方法來處理,包括:模糊變量､模糊約束､模糊目標函數(shù)､模糊推理計算等｡?

　　模糊優(yōu)化設(shè)計包括三個方面的內(nèi)容:

　　①模糊優(yōu)化設(shè)計方法;

　�、谧赃m應(yīng)模糊優(yōu)化系統(tǒng)模型;

　　③模糊專家系統(tǒng)｡

　　2.2基于神經(jīng)網(wǎng)絡(luò)的優(yōu)化設(shè)計?

　　人工神經(jīng)網(wǎng)絡(luò)是模擬人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)而形成的,具有一定智能(自學習､自適應(yīng)､容錯性)的計算模型,也是一個大規(guī)模復(fù)雜非線性動力學系統(tǒng)｡它具有非線性大規(guī)模并行分布處理的高速運算能力､很強的非線性映射能力和信息的分布式動態(tài)存貯能力｡可以處理不完整､不準確的信息｡

　　2.3基于進化計算的優(yōu)化設(shè)計?

　　進化是自然界最為壯麗的過程｡進化的自然法則是過度繁殖､生存斗爭､遺傳和變異､優(yōu)勝劣汰､適者生存｡這一法則的選擇結(jié)果就是物種的優(yōu)化｡進化過程也是自然界的優(yōu)化過程｡?

　　進化計算是模仿自然界進化過程的計算方法｡該方法無須明確描述問題的全部特征,只需根據(jù)自然法則來產(chǎn)生新的更好的解｡?

　　實現(xiàn)進化計算的思路是:用簡單的編碼來表示復(fù)雜的結(jié)構(gòu),通過對一組編碼(種群)進行遺傳和變異的操作,優(yōu)勝劣汰的選擇,實現(xiàn)進化(尋優(yōu))的計算過程｡?

　　進化計算具有適合大規(guī)模并行計算和不受搜索空間限制條件(如:可微､連續(xù)､單峰)的約束的特點｡?

　　進化計算包括:演化算法和遺傳算法｡

　　3關(guān)于基于遺傳算法的優(yōu)化設(shè)計的討論

　　3.1基于遺傳算法的優(yōu)化設(shè)計方法?

　　3.2基于遺傳算法的優(yōu)化設(shè)計方法的討論?

　　(1)由于Ai=a1a2……an,且ai∈xi,基于遺傳算法的優(yōu)化過程是在優(yōu)化問題的解空間中利用進化規(guī)則進行尋優(yōu)的過程｡作為遺傳操作,由于只有編碼碼位在不同個體之間的交換,沒有碼值的改變,故遺傳操作是在由群體所有碼值張成的子空間的有限點集中的尋優(yōu)｡因此,遺傳操作可以獲得解的收斂性,但難以得到全局最優(yōu)｡變異操作改變了碼位值,因而,改變了尋優(yōu)空間,這將有助與跳出局部極值的陷阱,得到更優(yōu)的解｡?

　　(2)盡管變異操作可以不斷改變尋優(yōu)空間,仍存在兩個問題:?

　　第一,如何保證尋優(yōu)搜索的非重復(fù)性和遍歷性,這關(guān)系到尋優(yōu)的效率和得到全局最優(yōu)解｡?

　　第二,優(yōu)化過程通常是非線性系統(tǒng)的動力學過程,變異操作中碼位值的變化都有可能使尋優(yōu)過程進入混沌狀態(tài),在奇異吸引子的吸引和束縛下,優(yōu)化解點在混沌區(qū)內(nèi)無規(guī)､不定､不重復(fù)的跳動,從而導(dǎo)致優(yōu)化過程無法收斂｡?

　　(3)將混沌理論引入優(yōu)化設(shè)計,有可能解決上面的問題｡?

　　混沌運動具有無重復(fù)和遍歷性,這正是尋優(yōu)搜索所需要的｡利用混沌生成技術(shù),將碼位值定義為混沌變量,通過變異操作,實現(xiàn)尋優(yōu)的無重復(fù)､遍歷搜索｡?

　　在適應(yīng)度判別時,利用混沌分析技術(shù)識別尋優(yōu)過程是否進入混沌狀態(tài)｡若是混沌狀態(tài),則利用混沌控制技術(shù),將混沌狀態(tài)轉(zhuǎn)化為非混沌狀態(tài)｡從而保證優(yōu)化過程收斂｡

　　4結(jié)束語?

　　隨著優(yōu)化設(shè)計在工程領(lǐng)域應(yīng)用的深入,面對因其大､雜和灰而十分復(fù)雜的問題,各種傳統(tǒng)的優(yōu)化方法往往無能為力｡計算智能,包括模糊計算､人工神經(jīng)網(wǎng)絡(luò)､進化計算(包括遺傳算法),被證明對解決大規(guī)模､復(fù)雜系統(tǒng)的問題非常有力｡將計算智能與優(yōu)化設(shè)計有機結(jié)合,形成基于計算智能的優(yōu)化設(shè)計,為解決工程優(yōu)化設(shè)計面臨的復(fù)雜問題提供了可行途徑｡

　　參考文獻

　　[1]?呂大剛,王光遠.結(jié)構(gòu)智能優(yōu)化設(shè)計——一個新的研究方向[J].哈爾濱建筑大學學報,1999,(4).

　　[2]?李泉永.機械結(jié)構(gòu)優(yōu)化設(shè)計的回顧與展望[J].桂林電子工業(yè)學院學報,2000,(4).

　　[3]?樊會元,席光,王尚錦.應(yīng)用遺傳算法對葉柵進行改進設(shè)計的研究[J].機械科學與技術(shù),2001,(1).

　　[4]?黃文培,王金諾,于蘭峰.混沌-Powell混合算法在機械優(yōu)化設(shè)計中的應(yīng)用研究[J].四川大學學報,2001,(5).

　　[5]?龍運佳.混沌工程學[J].中國工程科學,2001,(2).

　　[6]?錢敏平,龔光魯.從數(shù)學角度看計算智能[J].科學通報,1998(16).

---

轉(zhuǎn)載請注明來自：http://www.jinnzone.com/zhinengkexuejishulw/23877.html