2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩116頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、多學(xué)科設(shè)計(jì)優(yōu)化方法是從現(xiàn)代復(fù)雜系統(tǒng)設(shè)計(jì)的實(shí)際應(yīng)用背景出發(fā)而提出的。在解決模型復(fù)雜、設(shè)計(jì)約束與設(shè)計(jì)變量多、設(shè)計(jì)過程中信息量大的優(yōu)化設(shè)計(jì)問題時(shí)優(yōu)化效率較高。本文對(duì)多學(xué)科設(shè)計(jì)優(yōu)化理論與方法進(jìn)行了深入而系統(tǒng)的研究,歸納而言,工作主要集中在以下幾個(gè)方面。 本文首先對(duì)靈敏度分析技術(shù)進(jìn)行了研究。在多學(xué)科設(shè)計(jì)優(yōu)化過程中,靈敏度分析技術(shù)起著重要的作用,它不僅在優(yōu)化時(shí)能提供導(dǎo)數(shù)信息,而且其中的一種特殊靈敏度分析技術(shù)——全局靈敏度方程可用來進(jìn)行多學(xué)科

2、系統(tǒng)的分解。本文系統(tǒng)地研究與比較了適合多學(xué)科設(shè)計(jì)優(yōu)化的各種靈敏度分析方法。在全局靈敏度方程基礎(chǔ)上,導(dǎo)出二階全局靈敏度方程,并利用二階全局靈敏度方程對(duì)多學(xué)科系統(tǒng)進(jìn)行了基于學(xué)科的分解。利用二階全局靈敏度方程進(jìn)行分解使系統(tǒng)分解后與原多學(xué)科系統(tǒng)維持較好的一致性。 在多學(xué)科設(shè)計(jì)優(yōu)化中,由于一些工程仿真模型較復(fù)雜且計(jì)算費(fèi)時(shí),因此常用近似模型來代替。本文從兩方面對(duì)近似模型進(jìn)行研究。首先,對(duì)多學(xué)科設(shè)計(jì)優(yōu)化中常使用的五種近似技術(shù)——響應(yīng)面模型、K

3、riging模型、BP 神經(jīng)網(wǎng)絡(luò)模型、多元自適應(yīng)回歸樣條、徑向基函數(shù)進(jìn)行了研究與比較,對(duì)其適用情況進(jìn)行了分析。其次,在Kriging模型的基礎(chǔ)上,提出了一種增強(qiáng)型Kriging 近似模型,其理論基礎(chǔ)是貝葉斯推論。增強(qiáng)型Kriging模型不需要對(duì)模型參數(shù)進(jìn)行重新計(jì)算,只需用新的樣本數(shù)據(jù)對(duì)Kriging模型進(jìn)行更新,從而提高模型的近似精度。由于模型建立過程中,樣本信息來源不同,因此可靈活地處理模型的精度,并且模型可重復(fù)使用。 本文在

4、基于并行子空間優(yōu)化方法的基礎(chǔ)上,提出了一種基于二階全局靈敏度方程的系統(tǒng)分解與基于增強(qiáng)型Kriging 近似技術(shù)進(jìn)行協(xié)同的多學(xué)科設(shè)計(jì)優(yōu)化方法。方法首先利用二階全局靈敏度方程對(duì)多學(xué)科系統(tǒng)進(jìn)行分解,整個(gè)多學(xué)科系統(tǒng)的耦合由二階全局靈敏度方程來維持。各個(gè)多學(xué)科子系統(tǒng)進(jìn)行獨(dú)立優(yōu)化,得到各個(gè)學(xué)科子系統(tǒng)的優(yōu)化解。利用增強(qiáng)型Kriging 近似技術(shù)對(duì)分解后的多學(xué)科子系統(tǒng)優(yōu)化解進(jìn)行協(xié)同,得到一個(gè)全局優(yōu)化解。如此循環(huán),最終收斂到原系統(tǒng)的最優(yōu)解。相比全局靈敏度

5、方程,二階全局靈敏度方程能更為精確的對(duì)多學(xué)科系統(tǒng)進(jìn)行分解,更好地維持系統(tǒng)的一致性,從而減少了整個(gè)多學(xué)科系統(tǒng)進(jìn)行分解與協(xié)同的優(yōu)化迭代次數(shù)。由于增強(qiáng)型Kriging 近似技術(shù)使用各個(gè)子系統(tǒng)優(yōu)化后得到的新樣本點(diǎn)對(duì)模型進(jìn)行更新,提高了近似模型的精度,因此使用增強(qiáng)型Kriging 技術(shù)對(duì)分解后的系統(tǒng)協(xié)調(diào)能力較強(qiáng),多學(xué)科設(shè)計(jì)優(yōu)化迭代中全局優(yōu)化解能更快地收斂到最優(yōu)解。在多學(xué)科設(shè)計(jì)優(yōu)化過程中,設(shè)計(jì)變量的不確定性將影響優(yōu)化結(jié)果的不確定性,因此,本文最后對(duì)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論