一種基于線性物理規(guī)劃和兩級(jí)集成系統(tǒng)綜合方法的多目標(biāo)多學(xué)科優(yōu)化方法

陶友瑞 韓 旭 姜 潮 劉迎春

1.湖南工程學(xué)院,湘潭,411104 2.湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙,410082

一種基于線性物理規(guī)劃和兩級(jí)集成系統(tǒng)綜合方法的多目標(biāo)多學(xué)科優(yōu)化方法

陶友瑞1韓 旭2姜 潮2劉迎春1

1.湖南工程學(xué)院,湘潭,411104 2.湖南大學(xué)汽車車身先進(jìn)設(shè)計(jì)制造國(guó)家重點(diǎn)實(shí)驗(yàn)室,長(zhǎng)沙,410082

提出一種高效、直觀的方法來(lái)解決多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化問(wèn)題。在該方法中,設(shè)計(jì)者首先確定線性物理規(guī)劃中各目標(biāo)的偏好類型及偏好值,然后利用ε約束法將多目標(biāo)問(wèn)題轉(zhuǎn)換成單目標(biāo)問(wèn)題,再采用兩級(jí)系統(tǒng)集成綜合方法進(jìn)行多學(xué)科設(shè)計(jì)優(yōu)化,得到不同設(shè)計(jì)優(yōu)化方案,最后采用線性物理規(guī)劃評(píng)價(jià)各設(shè)計(jì)方案的優(yōu)劣并得到最優(yōu)方案。采用該方法對(duì)一個(gè)工程實(shí)例(減速器模型)進(jìn)行了優(yōu)化,從5個(gè)設(shè)計(jì)方案中求得了最優(yōu)設(shè)計(jì)方案,最優(yōu)解中的兩個(gè)目標(biāo)函數(shù)值都在可容忍區(qū)間,從而也驗(yàn)證了該方法的有效性。通過(guò)該算例也說(shuō)明該方法具有很好的工程應(yīng)用價(jià)值。

多學(xué)科設(shè)計(jì)優(yōu)化;多目標(biāo)優(yōu)化;線性物理規(guī)劃;兩級(jí)集成系統(tǒng)綜合方法

0 引言

多學(xué)科設(shè)計(jì)優(yōu)化(MDO)是一種用于大型系統(tǒng)的并行設(shè)計(jì)方法,是一種通過(guò)充分探索和利用系統(tǒng)中相互作用的協(xié)同機(jī)制來(lái)設(shè)計(jì)復(fù)雜系統(tǒng)工程和子系統(tǒng)的方法論,目前已經(jīng)成為優(yōu)化設(shè)計(jì)領(lǐng)域的研究熱點(diǎn),主要應(yīng)用于航空航天領(lǐng)域[1]。在工程問(wèn)題中很多學(xué)科設(shè)計(jì)優(yōu)化問(wèn)題是多目標(biāo)問(wèn)題,由于多目標(biāo)優(yōu)化問(wèn)題一般不存在單個(gè)最優(yōu)解,因此希望求出其Pareto最優(yōu)解集,然后根據(jù)Pareto前沿的分布情況進(jìn)行多目標(biāo)決策。求解Pareto最優(yōu)解集傳統(tǒng)的方法是將多目標(biāo)問(wèn)題轉(zhuǎn)換為多個(gè)不同的單目標(biāo)優(yōu)化問(wèn)題,用單目標(biāo)優(yōu)化方法分別進(jìn)行求解,這些單目標(biāo)最優(yōu)解對(duì)應(yīng)原多目標(biāo)優(yōu)化問(wèn)題的Pareto最優(yōu)解,用這些解的集合去近似Pareto最優(yōu)解集。求解方法主要有加權(quán)法和約束法[2]。

在多學(xué)科設(shè)計(jì)優(yōu)化研究的早期,包括協(xié)同優(yōu)化(CO)策略在內(nèi)的所有的MDO策略只能處理單目標(biāo)的多學(xué)科優(yōu)化問(wèn)題。近年來(lái),研究人員開(kāi)始關(guān)注多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化問(wèn)題。Tappeta等[3]對(duì)協(xié)同優(yōu)化策略進(jìn)行了改進(jìn),使其能夠處理多目標(biāo)問(wèn)題,在該方法中,采用加權(quán)法將多目標(biāo)問(wèn)題轉(zhuǎn)換為單目標(biāo)問(wèn)題。Sobieszczanski-Sobieski等[4]的研究表明,加權(quán)法用于設(shè)計(jì)空間的搜索是有效的。Zhang等[5]將自適應(yīng)的權(quán)系數(shù)方法引入并行子空間優(yōu)化(concurrent subspace optim ization,CSSO)策略中,得到了一種新的處理多目標(biāo)多學(xué)科問(wèn)題的方法,該方法可以用來(lái)處理大規(guī)模變量的問(wèn)題。但是,加權(quán)法的主要缺點(diǎn)是對(duì)Pareto前沿非凸的情形不能求出所有Pareto最優(yōu)解,而且多個(gè)目標(biāo)之間往往不可比較,從而限制了其應(yīng)用。Huang等[6]也對(duì)CSSO處理多目標(biāo)問(wèn)題進(jìn)行了研究,采用約束方法使CSSO在多學(xué)科設(shè)計(jì)優(yōu)化的框架中處理多目標(biāo)問(wèn)題。然而,該方法只用于求得Pareto最優(yōu)解,而不能直接得到滿足設(shè)計(jì)者偏好的Pareto最優(yōu)解,另外,約束法的主要缺點(diǎn)是約束邊界值變化范圍的確定需要先驗(yàn)知識(shí)。

物理規(guī)劃由美國(guó)學(xué)者M(jìn)essac[7]于1995年提出,它是一種新的處理多目標(biāo)優(yōu)化問(wèn)題的有效方法。物理規(guī)劃能從本質(zhì)上把握設(shè)計(jì)者的偏好,無(wú)需反復(fù)設(shè)置各個(gè)目標(biāo)的權(quán)重系數(shù),大大減輕了大規(guī)模多目標(biāo)設(shè)計(jì)問(wèn)題的計(jì)算負(fù)擔(dān),并將整個(gè)設(shè)計(jì)過(guò)程置于一個(gè)更加靈活、自然的框架中。它通過(guò)綜合偏好函數(shù)將工程設(shè)計(jì)問(wèn)題中的多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)換為單目標(biāo)優(yōu)化問(wèn)題,獲得反映設(shè)計(jì)者偏好的最優(yōu)設(shè)計(jì)。線性物理規(guī)劃(LPP)是物理規(guī)劃的特殊形式,用于處理線性問(wèn)題。M cA llister等[8]將線性物理規(guī)劃方法引入?yún)f(xié)同優(yōu)化策略中,用于處理多目標(biāo)多學(xué)科問(wèn)題。在該方法中,設(shè)計(jì)者可以采用有物理意義的參數(shù)來(lái)描述多個(gè)系統(tǒng)級(jí)的目標(biāo)。毫無(wú)疑問(wèn),該方法擴(kuò)展了協(xié)同優(yōu)化的應(yīng)用范圍,也為線性物理規(guī)劃方法在多學(xué)科設(shè)計(jì)優(yōu)化中的應(yīng)用打下了基礎(chǔ)。但是協(xié)同優(yōu)化策略本身存在優(yōu)化結(jié)果可能不收斂的缺陷,故該方法的應(yīng)用也受到相應(yīng)的影響。因此,尋求線性物理規(guī)劃方法在其他多學(xué)科設(shè)計(jì)優(yōu)化策略中的應(yīng)用勢(shì)在必行。

兩級(jí)集成系統(tǒng)綜合(bi-level integrated system synthesis,BLISS)方法是Sobieszczanski-Sobiesk等[9]在1998年提出的一種基于分解技術(shù)的工程系統(tǒng)多學(xué)科設(shè)計(jì)優(yōu)化方法,由于它具有可以處理多變量和較容易人為干預(yù)優(yōu)化過(guò)程的獨(dú)特優(yōu)點(diǎn)而被認(rèn)為是性能最強(qiáng)的一種多學(xué)科優(yōu)化策略。BLISS方法只能處理單目標(biāo)的多學(xué)科優(yōu)化問(wèn)題,本文欲將線性物理規(guī)劃方法嵌入到BLISS中,使其能處理多目標(biāo)多學(xué)科問(wèn)題。

1 多目標(biāo)多學(xué)科問(wèn)題的描述

與單學(xué)科問(wèn)題不同,在多學(xué)科問(wèn)題中各學(xué)科之間存在耦合關(guān)系,因此多目標(biāo)多學(xué)科問(wèn)題較單學(xué)科多目標(biāo)問(wèn)題復(fù)雜。多目標(biāo)多學(xué)科問(wèn)題可描述如下:

式中,X為系統(tǒng)設(shè)計(jì)向量;X1,X2,…,Xn為各子系統(tǒng)的設(shè)計(jì)向量;y1,y2,…,yn為學(xué)科狀態(tài)變量;y1i,y2i,…,yni為耦合狀態(tài)變量;g為不等式約束;H為系統(tǒng)分析中必須滿足的方程。

2 多目標(biāo)多學(xué)科優(yōu)化方法的建立

由于多學(xué)科優(yōu)化問(wèn)題本身非常復(fù)雜,因此在多目標(biāo)多學(xué)科優(yōu)化中要求得所有的Pareto最優(yōu)解的計(jì)算成本將會(huì)很高。一般而言,從工程應(yīng)用的角度出發(fā),設(shè)計(jì)人員希望能夠從少量的Pareto最優(yōu)解中找到能夠滿足設(shè)計(jì)人員偏好的最優(yōu)解。本文提出的多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化新方法中,設(shè)計(jì)者的偏好采用具有物理意義的參數(shù)進(jìn)行描述,采用約束法將多目標(biāo)問(wèn)題轉(zhuǎn)換為單目標(biāo)問(wèn)題,利用BLISS求解Pareto最優(yōu)解,最優(yōu)方案通過(guò)線性物理規(guī)劃進(jìn)行評(píng)價(jià)。

2.1 線性物理規(guī)劃

線性物理規(guī)劃通過(guò)偏好函數(shù)來(lái)表達(dá)設(shè)計(jì)者的偏好程度,將設(shè)計(jì)目標(biāo)的取值范圍按不同的滿意程度等級(jí)(滿意,可以容忍,不滿意等)劃分為若干連續(xù)區(qū)間,以反映設(shè)計(jì)者的各種偏好程度[7]。在線性物理規(guī)劃中,偏好函數(shù)有4種類型,根據(jù)偏好精確度的不同,每一類包括軟、硬兩種情況。軟偏好函數(shù)對(duì)應(yīng)優(yōu)化設(shè)計(jì)問(wèn)題的設(shè)計(jì)目標(biāo),硬偏好函數(shù)對(duì)應(yīng)約束條件。4種類型的軟偏好函數(shù)定義為:①目標(biāo)最小化(1S);②目標(biāo)最大化(2S);③目標(biāo)趨于某定值最好(3S);④目標(biāo)趨于某區(qū)間最好(4S)。

采用線性物理規(guī)劃進(jìn)行多目標(biāo)優(yōu)化的步驟如下:

(1)設(shè)計(jì)者根據(jù)問(wèn)題的性質(zhì)規(guī)定各設(shè)計(jì)目標(biāo)的偏好函數(shù)類型(軟型或硬型)。

(2)為各定量及非定量的設(shè)計(jì)目標(biāo)規(guī)定用數(shù)值表示的滿意程度區(qū)間。

(3)利用決策者在規(guī)定的各設(shè)計(jì)目標(biāo)偏好函數(shù)類型及滿意程度區(qū)間來(lái)計(jì)算線性物理規(guī)劃數(shù)學(xué)模型中的遞增權(quán)值

2.2 BLISS方法

BLISS方法的基本思想是將系統(tǒng)層優(yōu)化從潛在的眾多子系統(tǒng)優(yōu)化中分離出來(lái),使得系統(tǒng)層設(shè)計(jì)變量顯著減少。BLISS運(yùn)行之初要先對(duì)系統(tǒng)設(shè)計(jì)變量賦初始值,然后通過(guò)循環(huán)來(lái)改進(jìn)設(shè)計(jì)變量以達(dá)到最優(yōu)[9]。每次循環(huán)都由兩步組成:第一步,凍結(jié)系統(tǒng)層變量,對(duì)子系統(tǒng)層內(nèi)的局部設(shè)計(jì)變量進(jìn)行獨(dú)立的、并行的、自主的優(yōu)化;第二步,在第一步的基礎(chǔ)上優(yōu)化系統(tǒng)層變量以達(dá)到更進(jìn)一步的優(yōu)化,在進(jìn)行子系統(tǒng)優(yōu)化之前要進(jìn)行系統(tǒng)分析及靈敏度分析。

2.3 基于LPP和BLISS的多目標(biāo)多學(xué)科優(yōu)化流程

多學(xué)科設(shè)計(jì)優(yōu)化中面臨的困難是結(jié)構(gòu)復(fù)雜和計(jì)算量巨大,而且多學(xué)科設(shè)計(jì)優(yōu)化中還可能包含多個(gè)相互矛盾的優(yōu)化目標(biāo),因此,多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化是一個(gè)更為復(fù)雜的問(wèn)題。本文將線性物理規(guī)劃應(yīng)用于多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化之中,提出一種高效、直觀的方法來(lái)解決該問(wèn)題。首先,設(shè)計(jì)者確定線性物理規(guī)劃中各目標(biāo)的偏好類型及偏好值,即設(shè)定各目標(biāo)5個(gè)滿意程度區(qū)間的邊界值,然后利用ε約束法將多目標(biāo)問(wèn)題轉(zhuǎn)換成單目標(biāo)問(wèn)題,即將多個(gè)目標(biāo)中的一個(gè)作為優(yōu)化目標(biāo),其余的目標(biāo)轉(zhuǎn)換為約束,且該約束的上界設(shè)定為某一個(gè)滿意程度區(qū)間的邊界值,再采用兩級(jí)集成系統(tǒng)綜合方法進(jìn)行多學(xué)科設(shè)計(jì)優(yōu)化,從而得到一個(gè)設(shè)計(jì)優(yōu)化方案(即一個(gè)非劣解)。當(dāng)改變目標(biāo)約束上界并且重新進(jìn)行多學(xué)科設(shè)計(jì)優(yōu)化時(shí),就可得到多個(gè)設(shè)計(jì)方案(即多個(gè)非劣解)。各設(shè)計(jì)方案的優(yōu)劣采用線性物理規(guī)劃評(píng)價(jià)模型來(lái)實(shí)現(xiàn),在該模型中先計(jì)算線性物理規(guī)劃數(shù)學(xué)模型中的遞增權(quán)值,再計(jì)算各設(shè)計(jì)方案的綜合目標(biāo)函數(shù)值,綜合目標(biāo)函數(shù)值最小的方案為最接近設(shè)計(jì)者意愿的方案,即最優(yōu)方案。

該方法的優(yōu)化流程如圖1所示,具體過(guò)程如下:①初始化所有的設(shè)計(jì)變量及耦合變量,i=0,j=0,i為第i偏好區(qū)間,j為第j個(gè)由目標(biāo)轉(zhuǎn)換而來(lái)的附加約束;②設(shè)計(jì)者確定各目標(biāo)所屬的類型(硬型或軟型),并為各目標(biāo)的偏好區(qū)間確定端點(diǎn)處的設(shè)計(jì)目標(biāo)值;③初始化εj,εj=t(j,1),εj為附加約束的上界,t(j,1)為第j個(gè)附加約束的第1個(gè)偏好區(qū)間端點(diǎn)處的設(shè)計(jì)目標(biāo)值;④j←j+1;⑤i←i+1;⑥通過(guò)約束法將多目標(biāo)問(wèn)題轉(zhuǎn)換為單目標(biāo)問(wèn)題,t(j,i)表示第j個(gè)附加約束的第i個(gè)偏好區(qū)間端點(diǎn)處的設(shè)計(jì)目標(biāo)值;⑦采用BLISS方法優(yōu)化轉(zhuǎn)換后的單目標(biāo)多學(xué)科問(wèn)題,得到一個(gè)設(shè)計(jì)方案,即一個(gè)Pareto點(diǎn);⑧如果第j個(gè)附加約束的所有的偏好區(qū)間已經(jīng)全部被選作約束上界,則轉(zhuǎn) ⑨,否則轉(zhuǎn)⑤;⑨如果j＞tota l,轉(zhuǎn) ⑩,否則轉(zhuǎn) ④,tota l為附加約束的總個(gè)數(shù);⑩采用線性物理規(guī)劃方法對(duì)求得的所有設(shè)計(jì)方案進(jìn)行評(píng)價(jià),得到最優(yōu)設(shè)計(jì)方案。

與傳統(tǒng)的多目標(biāo)優(yōu)化方法相比,如與多目標(biāo)遺傳算法相比,本文所提出的方法可以大大減小計(jì)算量,其原因在于減少了求解 Pareto點(diǎn)的個(gè)數(shù),但同時(shí)又能夠滿足設(shè)計(jì)人員的偏好。例如,對(duì)于一個(gè)兩目標(biāo)的多學(xué)科設(shè)計(jì)優(yōu)化問(wèn)題,所求的Pareto點(diǎn)只有5個(gè),對(duì)一個(gè)三目標(biāo)的多學(xué)科設(shè)計(jì)優(yōu)化問(wèn)題,所求的Pareto點(diǎn)也只有25個(gè)。另外,多目標(biāo)中經(jīng)常存在目標(biāo)量綱不同以及目標(biāo)的量級(jí)不同的情況,該方法也易于處理這一類問(wèn)題,其原因在于在線性物理規(guī)劃方法中對(duì)各目標(biāo)值進(jìn)行了歸一化處理。

圖1 基于線性物理規(guī)劃和BLISS的多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化流程

3 應(yīng)用

3.1 算例介紹

模型為一個(gè)減速器優(yōu)化模型[10],其原始模型的目標(biāo)函數(shù)為使減速器的體積最小,約束為應(yīng)力、撓度及尺寸約束。設(shè)計(jì)變量為齒輪尺寸(x1,x2,x3)和傳動(dòng)軸尺寸(x4,x6,x5,x7),模型如圖2所示。

圖2 減速器模型

本文將該模型改造為兩目標(biāo)問(wèn)題,即體積 f1最小和齒輪應(yīng)力 f2最小,模型的數(shù)學(xué)表達(dá)如下:

3.2 優(yōu)化求解過(guò)程

該模型雖然不太復(fù)雜,但它是一個(gè)典型的多目標(biāo)多學(xué)科問(wèn)題,能夠作為一個(gè)很好的算例來(lái)對(duì)本文所提的方法進(jìn)行驗(yàn)證。首先,確定各目標(biāo)的類型,在本模型中目標(biāo) f1和目標(biāo) f2均為1S型。然后為各目標(biāo)確定各偏好區(qū)間端點(diǎn)處的設(shè)計(jì)目標(biāo)值,如表1所示。

表1 目標(biāo)函數(shù)的類型及偏好區(qū)間的設(shè)計(jì)目標(biāo)值

在兩個(gè)目標(biāo)中需要將其中一個(gè)轉(zhuǎn)換為附加約束,本文取f1為優(yōu)化目標(biāo),將f2轉(zhuǎn)換為附加約束。所以,目標(biāo) f2的各偏好區(qū)間端點(diǎn)處的設(shè)計(jì)目標(biāo)值將作為附加約束的上界。在進(jìn)行多學(xué)科設(shè)計(jì)優(yōu)化之前,需要對(duì)該模型進(jìn)行處理以便能夠采用BLISS方法進(jìn)行優(yōu)化。將該模型分解為3個(gè)子系統(tǒng):D1、D2、D3。各系統(tǒng)的定義如下式所示(x1、x2、x3為系統(tǒng)設(shè)計(jì)變量,x4、x5為子系統(tǒng)D1的設(shè)計(jì)變量,x6、x7為子系統(tǒng)D2的設(shè)計(jì)變量):

3.3 結(jié)果和討論

采用本文提出的優(yōu)化方法對(duì)上述多目標(biāo)多學(xué)科優(yōu)化問(wèn)題進(jìn)行求解,得到5個(gè)設(shè)計(jì)方案,如表2和圖3所示。從結(jié)果中可以看出沒(méi)有一個(gè)設(shè)計(jì)方案是完全理想的,因此只有從5個(gè)設(shè)計(jì)方案中選出一個(gè)最能夠滿足設(shè)計(jì)者偏好的方案為最優(yōu)設(shè)計(jì)方案。通過(guò)線性物理規(guī)劃方法對(duì)各方案進(jìn)行評(píng)價(jià),方案3的綜合目標(biāo)函數(shù)值最低,最接近設(shè)計(jì)者的偏好,在該方案中,體積1925和應(yīng)力4,都在可容忍區(qū)間內(nèi)。各設(shè)計(jì)變量的取值為[2.6,0.435 86,17,7.3001,7.7167,3.3609,5.2879]。

表2 優(yōu)化結(jié)果

得到該最優(yōu)方案后,設(shè)計(jì)者根據(jù)實(shí)際情況決定是否接受該方案。如果認(rèn)為該方案還沒(méi)有滿足要求,設(shè)計(jì)者可以在第一次優(yōu)化的基礎(chǔ)上尋求更優(yōu)的設(shè)計(jì)方案,即重新對(duì)該問(wèn)題進(jìn)行優(yōu)化。具體方法如下:選出綜合目標(biāo)函數(shù)值最低和次低的兩個(gè)方案,在這兩個(gè)方案之間重新定義設(shè)計(jì)者的偏好區(qū)間端點(diǎn)處的設(shè)計(jì)目標(biāo)值,如表3所示。

圖3 第一次優(yōu)化后Pareto點(diǎn)的分布

表3 目標(biāo)函數(shù)的類型及偏好區(qū)間的設(shè)計(jì)目標(biāo)值

確定了偏好區(qū)間端點(diǎn)處的設(shè)計(jì)目標(biāo)值后,采用本文提出的方法重新對(duì)該問(wèn)題進(jìn)行優(yōu)化,得到的設(shè)計(jì)方案如表4和圖4所示。從各方案的綜合目標(biāo)函數(shù)值可以看出方案4為最優(yōu)方案,其體積為1966,應(yīng)力為3.5。與上一次優(yōu)化結(jié)果比較可以得知該方案更加接近設(shè)計(jì)者的偏好。毫無(wú)疑問(wèn),優(yōu)化還可以重復(fù)進(jìn)行,但其前提是設(shè)計(jì)者可以接受其計(jì)算成本的增加以及設(shè)計(jì)者是否可以接受已經(jīng)得到的方案。

表4 優(yōu)化結(jié)果

圖4 第二次優(yōu)化后Pareto點(diǎn)的分布

4 結(jié)語(yǔ)

BLISS方法是一種性能好的多學(xué)科設(shè)計(jì)優(yōu)化方法,但傳統(tǒng)的BLISS方法僅僅能夠處理單目標(biāo)問(wèn)題。本文將線性物理規(guī)劃方法嵌入到BLISS方法中,提出了一種新的處理多目標(biāo)多學(xué)科問(wèn)題的方法,并采用工程實(shí)例對(duì)該方法的性能進(jìn)行了評(píng)價(jià)。由于該方法只需要求得少量的Pareto點(diǎn)便能得到滿足設(shè)計(jì)偏好的最優(yōu)設(shè)計(jì)方案,因此該方法具有計(jì)算成本低的優(yōu)點(diǎn)。同時(shí),多目標(biāo)問(wèn)題中經(jīng)常存在目標(biāo)量綱不同以及目標(biāo)的量級(jí)不同的情況,該方法也易于處理這一類問(wèn)題。所以,本文所提出的方法適于處理工程問(wèn)題中的多目標(biāo)多學(xué)科設(shè)計(jì)優(yōu)化問(wèn)題,具有很好的工程應(yīng)用價(jià)值。

[1] 王振國(guó),陳小前,羅文彩,等.飛行器多學(xué)科設(shè)計(jì)優(yōu)化理論與應(yīng)用研究[M].北京:國(guó)防工業(yè)出版社,2006.

[2] 陳琪鋒,戴金海.多目標(biāo)的分布式協(xié)同進(jìn)化MDO算法[J].國(guó)防科技大學(xué)學(xué)報(bào),2002,24(4):11-15.

[3] Tappeta R V,Renaud J.Mu lti-ob jective Collaborative Op tim ization[J].Journal of Mechanical Design,1997,119(3):403-411.

[4] Sobieszczanski-Sobieski J,Venter G.Imparting Desired A ttributes in Structural Design by Means of Mu lti-objective Optim ization[J].Struct.Multidisc.Op tim.,2005,29(6):432-444.

[5] Zhang Keshi,Han Zhonghua,LiW eiji,et al.Bileve l Adaptive W eigh ted Sum Method for Multi-Objective Optim ization[J].A IAA Journal,2008,46(10):2611-2624.

[6] Huang C H,Galusk J,Bloebaum C L.Multi-objective Pareto Concurrent Subspace Optim ization for Mu ltidisciplinary Design[J].A IAA Journal,2007,45(8):1894-1907.

[7] Messac A.Physical Programm ing:Effective Optim ization for Computational Design[J].A IAA Journal,1996,34(1):149-158.

[8] M cA llister C D,Simpson T W,H acker K,et al.Integrating Linear Physical Programm ing Within Collaborative Optim ization for Multiobjective Multidisciplinary Design Optimization[J].Struct.Multidisc.Op tim.,2005,29(3):178-189.

[9] Sobieszczanski-Sobieski J,Agte JS,Jr Sandusky R R.Bi-level Integrated System Synthesis(BLISS),A IAA-98-4916[R].H ampton,V irginia:Langley Research Center,1998.

[10] 陳偉,楊樹(shù)興,趙良玉.BLISS方法的基本理論及應(yīng)用[J].彈箭與制導(dǎo)學(xué)報(bào),2007,27(5):229-234.

AMulti-objectiveMultidisciplinary Design Optimization Method Based on
Integrating Linear Physical Programming and Bi-level Integrated System Synthesis

Tao Yourui1Han Xu2Jiang Chao2Liu Yingchun1
1.Hunan Institute of Engineering,Xiangtan,Hunan,411101 2.State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body,Hunan University,Changsha,410082

We present a novelmethod to deal w ith multi-objectivem ultidiscip linary design optimization by integrating linear physical programming with bi-level integrated system synthesis.A t first,designers decided to which criterion class theobjectives belong,and choose the range targets for every ob jective.Then themu lti-ob jective p rob lem w as converted to sing le-ob jective p rob lem with-constraintmethod.Bi-levelintegrated system synthesiswas used to solve themu ltidiscip linary design op timization p roblem.A ll design schemeswere evaluated by linear physical p rogramming and the op timum design scheme can be obtained.A speed reducerm odel w as investigated to demonstrate the performance o f the presented method.The op tim al design scheme can be obtained from five design schemes.The volume and stress of the op timal design schem e are in the tolerab le range.The presented method can be app lied in the engineering problems.

m ultidiscip linary design optimization;multi-objective optimization;linear physical programming;bi-level integrated system synthesis

TH 122

1004—132X(2011)11—1357—05

2010—03—02

國(guó)家科技重大專項(xiàng)(2010ZX04017-013-005);國(guó)家自然科學(xué)基金資助項(xiàng)目(51075138);湖南工程學(xué)院 2011年科研啟動(dòng)基金資助項(xiàng)目

(編輯 蘇衛(wèi)國(guó))

陶友瑞,男,1973年生。湖南工程學(xué)院機(jī)械工程系副教授、博士。研究方向?yàn)槎鄬W(xué)科優(yōu)化設(shè)計(jì)、材料成形工藝與仿真。發(fā)表論文 15篇。韓 旭,男,1968年生。湖南大學(xué)機(jī)械與運(yùn)載工程學(xué)院院長(zhǎng)、教授、博士研究生導(dǎo)師。姜 潮,男,1978年生。湖南大學(xué)機(jī)械與運(yùn)載工程學(xué)院副教授、博士。劉迎春,男,1951年生。湖南工程學(xué)院副校長(zhǎng)、教授。