組合優(yōu)化策略的改進協同優(yōu)化方法

羅偉林， 呂文靖

(福州大學機械工程及自動化學院， 福建 福州 350116)

組合優(yōu)化策略的改進協同優(yōu)化方法

羅偉林， 呂文靖

(福州大學機械工程及自動化學院， 福建 福州 350116)

為克服傳統協同優(yōu)化方法一致性約束造成的收斂困難和局部最優(yōu)問題， 提出將粒子群優(yōu)化算法和修正可行方向法結合并引入協同優(yōu)化. 應用粒子群算法獲得全局最優(yōu)解近似， 在此基礎上應用修正可行方向法進行局部精確搜索. 分別以一個典型的二次函數優(yōu)化問題和一個減速器設計優(yōu)化問題作為測試實例， 優(yōu)化結果表明, 所提出組合優(yōu)化策略是有效的, 同時兼顧了優(yōu)化效率和精度.

協同優(yōu)化; 粒子群算法； 修正可行方向法； 全局最優(yōu)解； 收斂性

0 引言

協同優(yōu)化方法(collaborative optimization, CO)是在20世紀90年代提出的一種有效的多學科設計優(yōu)化方法[1]. 該方法在基于一致性約束的基礎上提出， 具有符合實際工程設計的框架結構形式、 易于軟件集成、 能夠并行處理等優(yōu)點. 因此， 協同優(yōu)化方法非常適合應用在大規(guī)模工程系統中. 另一方面， 協同優(yōu)化方法本身也存在一定缺陷， 如： 對于某些復雜工程系統會出現收斂困難或者陷入局部最優(yōu)解[2]. 研究表明， 協同優(yōu)化的缺陷主要是由一致性約束引起[3]. 為此， 研究者相繼提出了一些改進措施， 如引入松弛因子[4]、 懲罰函數[5]、 響應面模型[6]及人工智能技術[7]等. 采用的優(yōu)化算法通常有兩類： 一類是數值型算法, 另一類是人工智能型算法.

數值型算法利用函數的導……