摘 要:隨著優(yōu)化設(shè)計(jì)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(jì)面臨的復(fù)雜問題,將計(jì)算智能與優(yōu)化設(shè)計(jì)有機(jī)結(jié)合,形成了基于計(jì)算智能的優(yōu)化設(shè)計(jì)｡?
關(guān)鍵詞:優(yōu)化設(shè)計(jì);計(jì)算智能;遺傳算法
1 優(yōu)化設(shè)計(jì)與計(jì)算智能?
優(yōu)化設(shè)計(jì)是在20世紀(jì)60年代隨著計(jì)算機(jī)的廣泛應(yīng)用而發(fā)展起來的一種現(xiàn)代設(shè)計(jì)方法｡由于該方法將工程或產(chǎn)品的設(shè)計(jì)問題轉(zhuǎn)化為最優(yōu)化問題,在計(jì)算機(jī)上基于最優(yōu)化理論進(jìn)行尋優(yōu)計(jì)算,從而能在滿足設(shè)計(jì)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(jì)質(zhì)量和效率,因此在工程和產(chǎn)品設(shè)計(jì)中得到廣泛應(yīng)用｡?
就工程優(yōu)化設(shè)計(jì)而言,隨著優(yōu)化設(shè)計(jì)在工程領(lǐng)域應(yīng)用的深入,人們趨向與用更接近實(shí)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(jì)所要解決的問題因其大(設(shè)計(jì)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(jī)､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(xué)習(xí),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(jì)算智能｡智能計(jì)算方法的應(yīng)用證明,計(jì)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(jì)算智能與優(yōu)化設(shè)計(jì)有機(jī)結(jié)合,運(yùn)用計(jì)算智能的計(jì)算方法解決優(yōu)化問題,這就是基于計(jì)算智能的優(yōu)化設(shè)計(jì)-智能優(yōu)化設(shè)計(jì)｡
2 基于計(jì)算智能的優(yōu)化設(shè)計(jì)
2.1 基于模糊計(jì)算的優(yōu)化設(shè)計(jì)?
工程設(shè)計(jì)存在大量的模糊信息,如:設(shè)計(jì)標(biāo)準(zhǔn)的模糊性､設(shè)計(jì)準(zhǔn)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(zhǔn)確的數(shù)量來表達(dá),必須用模糊計(jì)算的方法來處理,包括:模糊變量､模糊約束､模糊目標(biāo)函數(shù)､模糊推理計(jì)算等｡?
模糊優(yōu)化設(shè)計(jì)包括三個方面的內(nèi)容:
①模糊優(yōu)化設(shè)計(jì)方法;
?、谧赃m應(yīng)模糊優(yōu)化系統(tǒng)模型;
?、勰：龑＜蚁到y(tǒng)｡
2.2 基于神經(jīng)網(wǎng)絡(luò)的優(yōu)化設(shè)計(jì)?
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(xué)習(xí)､自適應(yīng)､容錯性)的計(jì)算模型,也是一個大規(guī)模復(fù)雜非線性動力學(xué)系統(tǒng)｡它具有非線性大規(guī)模并行分布處理的高速運(yùn)算能力､很強(qiáng)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(zhǔn)確的信息｡
2.3 基于進(jìn)化計(jì)算的優(yōu)化設(shè)計(jì)?
進(jìn)化是自然界最為壯麗的過程｡進(jìn)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(jìn)化過程也是自然界的優(yōu)化過程｡?
進(jìn)化計(jì)算是模仿自然界進(jìn)化過程的計(jì)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(shí)現(xiàn)進(jìn)化計(jì)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(jìn)行遺傳和變異的操作,優(yōu)勝劣汰的選擇,實(shí)現(xiàn)進(jìn)化(尋優(yōu))的計(jì)算過程｡?
進(jìn)化計(jì)算具有適合大規(guī)模并行計(jì)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(diǎn)｡?
進(jìn)化計(jì)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(jì)的討論
3.1 基于遺傳算法的優(yōu)化設(shè)計(jì)方法?
3.2 基于遺傳算法的優(yōu)化設(shè)計(jì)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(jìn)化規(guī)則進(jìn)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(diǎn)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(xué)過程,變異操作中碼位值的變化都有可能使尋優(yōu)過程進(jìn)入混沌狀態(tài),在奇異吸引子的吸引和束縛下,優(yōu)化解點(diǎn)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(jì),有可能解決上面的問題｡?
混沌運(yùn)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(shí)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(jìn)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(jì)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(jì)算智能,包括模糊計(jì)算､人工神經(jīng)網(wǎng)絡(luò)､進(jìn)化計(jì)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(jì)算智能與優(yōu)化設(shè)計(jì)有機(jī)結(jié)合,形成基于計(jì)算智能的優(yōu)化設(shè)計(jì),為解決工程優(yōu)化設(shè)計(jì)面臨的復(fù)雜問題提供了可行途徑｡
參考文獻(xiàn)
[1]?呂大剛,王光遠(yuǎn).結(jié)構(gòu)智能優(yōu)化設(shè)計(jì)——一個新的研究方向[J].哈爾濱建筑大學(xué)學(xué)報(bào),1999,(4).
[2]?李泉永.機(jī)械結(jié)構(gòu)優(yōu)化設(shè)計(jì)的回顧與展望[J].桂林電子工業(yè)學(xué)院學(xué)報(bào),2000,(4).
[3]?樊會元,席 光,王尚錦.應(yīng)用遺傳算法對葉柵進(jìn)行改進(jìn)設(shè)計(jì)的研究[J].機(jī)械科學(xué)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(jī)械優(yōu)化設(shè)計(jì)中的應(yīng)用研究[J].四川大學(xué)學(xué)報(bào),2001,(5).
[5]?龍運(yùn)佳.混沌工程學(xué)[J].中國工程科學(xué),2001,(2).
[6]?錢敏平,龔光魯.從數(shù)學(xué)角度看計(jì)算智能[J].科學(xué)通報(bào),1998(16).
