船舶結構優化設計方法比較研究

高占鋒

摘 要：本文從經典優化算法、啟發式優化算法等兩個方面綜述了船舶結構優化設計方法的內容、優點和不足，指出了啟發式算法較經典算法更適合船舶的結構設計優化。并提出了動態代理模型是彌補啟發式算法耗時過久的不足，也是當前船舶優化設計的研究重點，在指導實踐研究具有積極的現實意義。

關鍵詞：船舶結構；優化設計；啟發式算法；經典優化

中圖分類號：U663 文獻標識碼：A 文章編號：1006—7973（2017）11-0038-02

船舶結構優化設計是指能夠滿足其強度、剛度、穩性、頻率和建造等約束條件下，借助計算機編程和數學方法，對船舶的形式、布局和尺寸等結構參數進行優化，使船舶結構重量、布局等目標值達到一種最優化的技術。船舶結構優化設計是基于船舶結構與水介質耦合動力學等知識，用以改善船舶的運動性能和結構安全性等，其優化的目標是追求最小的重量結構，滿足最優的動力或靜力形態特性，設計和建造出最合理的船舶框架形式和結構尺寸，在滿足強度、穩性、頻率等設計約束條件基礎上得出一個在力學性能、工藝性能、經濟性能以及使用性能等方面的最優設計方案。船舶結構優化設計包括尺寸、形狀和拓撲優化三個層次。

常用的船舶結構優化設計方法主要有經典優化算法（如準則法、數學規劃法等）、啟發式優化算法（如遺傳算法和蟻群算法等），以及基于代理模型的優化算法。具體選用何種優化算法則主要是根據設計船舶的結構求解方法的不同而不同。

1 經典優化設計方法

移準則創建優化設計迭代的方法，主要是針對一個約束、一組載荷運用拉格朗日乘子法或能量法來推算出完全正確的迭代式。當船舶需要較大外載時，或者出現較多的位移時，便可以應用“包絡法”作出相應的處理。位移準則法對船舶的剛度優化設計方面應用較廣。

（2）數學規劃法。數學規劃法是在準則法發展到一定階段，根據數學規劃的結構優化，以規劃論為基礎，可用于求解不同性質的船舶優化問題。其中，最為典型的是多目標模糊優化設計法。雖然，目標函數和約束條件是預先按照規定確定的，但在實際設計和建造過程中，船舶結構中的優化設計過程、約束條件，以及相應的評價指標是較為模糊的因子，將這些模糊因子進一步地優化，則必須要通過模糊數學方法來實現其各個目標的優化設計。

（3）經典優化算法優勢及不足。①準則法優化船舶設計具有收斂速度快，與優化問題的規模關系不大，重分析次數與設計變量數目沒有直接關系；但不足之處是適用于結構布局及幾何形狀已經預先設定的前提下，所要達到的設計只是理論上接近最優狀態。②經典優化算法基于梯度信息最速下降法，但在船舶設計和建造過程中梯度信息難以完全掌握，這也是在一定程度上限制了經典優化算法在船舶優化設計中的應用。③經典優化算法對于連續變量的優化較為適用，但對船舶的結構優化過程中所出現的離散變量的優化問題適應性較弱。

2 啟發式優化設計方法

隨著船舶行業的快速發展，大型化船舶不斷地被設計和建造出來，對于船舶的結構優化的要求也越來越高，板架、橫剖面、艙段甚至是整個船體都被提出了優化設計要求，設計變量增多、約束條件以及目標函數等非線性程度增大，優化問題呈現出多峰、高維和高非線性特點。于是出現了遺傳優化設計方法和蟻群優化設計等新的優化設計方法，進一步提升了船舶的結構優化成效。

（1）遺傳算法（GA）。遺傳優化設計方法是模擬生物遺傳進行原理所采取的一種新的船舶結構優化方法。它的基本處理流程是：設計參數編碼和生成初始群體，設定初始群體，并通過適合度函數的設計，評估群體中的個體適合度，再進行遺傳操作設計和參數控制，通過繁殖、交叉以及變異等構成GA主要操作算子。與傳統結構優化方法相比，遺傳計算方法具有簡單通用和魯棒性強的特點，不依賴于梯度信息，無需與導數相關的資料，運用目標函數的處罰函數方式，將原先的不足轉化成為沒有約束的問題，效仿生物進化環節中最為重要的三個遺傳三子：繁殖、交叉以及變異。適用于處理各種傳統搜索方法無法解決的非線性領域，被廣泛應用于工程和船舶結構優化等領域。湯金敏將遺傳算法應用到船舶推進軸系統的優化校中，以6500DWT雜貨船軸系為研究對象，將遺傳算法應用軸系結構優化中，軸系簡化為40個節點、39個梁單元，優化后艉管后軸承的載荷減小幅度很大，提升了軸系運行的安全性能。

（2）蟻群算法（ACO）。蟻群算法是應用組合優化問題的啟發式隨機搜索算法，它是對自然界中螞蟻的尋徑方式進行模擬所得出的一種仿生算法，用來在圖中尋找優化路徑的幾率型算法，與其他算法相比，蟻群算法在發現最優解方面具有明顯優勢。在實際應用中，在求解節點樹為5-100的組合優化方面，選用合適的參數，蟻群算法的優化結果要明顯優于遺傳算法、進化算法以及模擬退火算法等。蟻群算法主要由信息素的更新和路徑構建量方面組成，其中，信息素越多，路徑被選擇的概率就會增加。其基本流程是：算法參數和信息素矩陣的初始化、對所有路徑對應的目標函數進行質量評估，通過信息素的更新將搜索范圍縮小到少數、具有較大潛力的路徑上，最后是利用概率選擇機制重構路徑。陳強等人，利用蟻群算法，對長江干散貨船中部結構進行了優化設計，優化后比原始設計重量減少了20.6%，優化后船舶結構更趨合理。

（3）啟發式優化設計方法優勢及不足。啟發式算法除了遺傳算法、蟻群算法外，還有模擬退火算法、粒子群算法等。啟發式優化算法較經典優化算法逐漸被更為廣泛的應用，其主要原因在于：①啟發式算法在船舶優化設計中不需要目標函數導數的有關信息，只需要在迭代過程中應用到相應的目標函數值即可，因此，更適合船舶結構的優化設計；②啟發式算法全局搜索能力更強，設計者不需要關注初始點節點優劣，尋優結果不依賴于初始點的設計，應用效率大為提升；③啟發式算法在高維、多峰、高非線性方面優化能力更強，進一步提升了復雜的船舶結構優化設計處理能力；④對于船舶優化設計中的離散設計變量求解方面具有較好效果。雖然起發式算法較經典式優化算法應用更為更廣，但其自身也有一些不足和局限：首先表現要面對的問題就是啟發式算法“早熟”，即在尋優過程中難以跳出對船舶某個結構或局部過早集中的現象；其次是要面對啟發式算法算量過大問題。無論是遺傳算法還是蟻群算法，都采用的是依靠“群體”概率化尋優模式，導致后期計算量巨大，增加了工作量，有時需要對成百上千的目標值進行計算，一次有限元分析短則幾分鐘，最長甚至需要幾天時間。相對不同結構的優化效果十分明顯，但對于復雜結構的優化過程耗時太長。

3 結語

隨著船舶設計結構朝著大型化、復雜化的方向發展，船舶結構的設計、建造優化具有十分廣闊的市場應用空間，能夠節省建造成本，提高船舶的應用效率。對于上述幾種優化方法比較來看，啟發式算法目前較為成熟。針對啟發式算法耗時過長等不足，代理模型技術是彌補這一短板的重要工具，采用靜態或動態代理模型能夠提升啟發式算法效率不高等難題，也是研究的重點。隨著優化算法的研究深入，目前有限元計算逐漸成為船舶優化設計的主要應用方法之一，無論是局部優化設計還是整體模塊的優化，基于有限元分析成為發展的主要趨勢。

參考文獻：

[1]湯金敏.基于遺傳算法的船舶推進軸系優化校中研究[J]湖南交通科技，2007，33（3）：131-134

[2]陳強，劉家新.基于蟻群算法的長江干散貨船中部結構優化設計研究[J]船舶工程，2012，41（5）：47-50endprint