工程優(yōu)化問題中的約束處理技術研究.pdf

1、大多工程優(yōu)化問題往往具有多個約束條件的限制，而這些約束大多都是非線性的計算密集型復雜約束。因此，有效的處理復雜約束在解決工程優(yōu)化問題中就顯得尤為重要，約束數(shù)目的縮減和約束的簡化對計算效率的提高有著重要的現(xiàn)實意義。本文從縮減約束數(shù)目和簡化約束模型的思想出發(fā)，研究約束處理技術，對實際工程問題的解決有著重要的理論意義和應用前景。
　　本文首先對約束處理技術的研究背景和現(xiàn)狀做了簡單的描述，針對求解約束優(yōu)化問題時大多都是在優(yōu)化過程中處理約束

2、這一現(xiàn)狀，提出在優(yōu)化之前利用KS函數(shù)和近似模型技術處理約束，以達到縮減約束條件，降低求解規(guī)模的目的。最后提出兩種基于KS函數(shù)和近似模型的約束處理方法，并與全局優(yōu)化算法相結合，得到了兩種改進的約束優(yōu)化算法。
　　第一種方法是利用KS函數(shù)的凝聚特性，將多個約束包絡成一個約束，結合分組懲罰的遺傳算法求解。凝聚約束有效降低了求解規(guī)模，將多個約束轉化為一個約束，提高了算法全局尋優(yōu)的效率。分組懲罰的方法克服了一般懲罰函數(shù)法懲罰系數(shù)選擇困難的問

3、題。通過幾個典型算例測試了該算法的性能，數(shù)值試驗和工程應用均證明了該算法的有效性。
　　第二種方法是通過建立復雜約束的近似模型，并利用KS函數(shù)構建包含目標函數(shù)和約束信息的適應值函數(shù)，將約束優(yōu)化問題轉化為無約束優(yōu)化問題，并結合模式追蹤采樣算法進行求解。用近似模型取代原先的復雜函數(shù)，有效降低了評價計算密集型復雜約束的成本。通過幾個數(shù)值算例和工程實例的檢驗，表明該算法能夠有效降低目標函數(shù)和約束的評價次數(shù)，更適合于求解工程設計問題中的黑箱