基于分布估計(jì)的人機(jī)結(jié)合演化設(shè)計(jì)方法研究.pdf

1、衛(wèi)星艙空間布局設(shè)計(jì)對(duì)縮短衛(wèi)星設(shè)計(jì)周期、節(jié)約成本、提高性能等方面有著重要作用，是衛(wèi)星總體設(shè)計(jì)的關(guān)鍵技術(shù)之一。該問(wèn)題在數(shù)學(xué)上屬于混合(離散與連續(xù))組合最優(yōu)化問(wèn)題和NP-難(NP-hard)或NP-完全(NP-complete)問(wèn)題，在工程上屬于方案設(shè)計(jì)和復(fù)雜工程系統(tǒng)問(wèn)題，其求解面臨的主要困難是既要解決數(shù)學(xué)上的組合爆炸問(wèn)題，又要解決工程系統(tǒng)復(fù)雜性問(wèn)題。 本論文以委托項(xiàng)目”航天器布局優(yōu)化設(shè)計(jì)平臺(tái)研究與開(kāi)發(fā)”為應(yīng)用背景，在國(guó)家自然科學(xué)基金

2、資助下，研究該類(lèi)布局空間結(jié)構(gòu)本質(zhì)，研究統(tǒng)計(jì)學(xué)習(xí)技術(shù)以及人機(jī)結(jié)合設(shè)計(jì)策略在演化計(jì)算中的應(yīng)用，用于一類(lèi)以改善衛(wèi)星艙質(zhì)量特性為目標(biāo)的空間布局設(shè)計(jì)問(wèn)題的求解。 本文主要工作包括以下幾個(gè)方面： 1.給出一種基于主元分析(Principle Components Analysis，簡(jiǎn)稱(chēng)PCA)的分布估計(jì)算法(PCA-EDA)。分布估計(jì)算法(Estimation of Distribution Algorithms，簡(jiǎn)稱(chēng)EDAs)是一

3、類(lèi)比較新的演化算法，用以解決遺傳算法求解變量耦合問(wèn)題時(shí)算法運(yùn)行效率不高的問(wèn)題。PCA-EDA算法將主元分析的變量相關(guān)性分析功能與高斯分布概率模型相結(jié)合，在獲得概率模型的學(xué)習(xí)精度與效率的相對(duì)平衡的同時(shí)，實(shí)現(xiàn)了設(shè)計(jì)變量間內(nèi)在關(guān)聯(lián)關(guān)系的學(xué)習(xí)及演化，可有效解決變量耦合問(wèn)題；同時(shí)提出自適應(yīng)控制主元變量的方差收斂的機(jī)制，解決分布估計(jì)算法的早熟問(wèn)題。函數(shù)優(yōu)化算例及布局仿真實(shí)驗(yàn)表明，PCA-EDA算法求解性能優(yōu)于遺傳算法及常規(guī)分布估計(jì)算法。 2

4、.給出一種多階段貪心聚類(lèi)機(jī)制，用于PCA-EDA算法，利用貪心期望最大化算法實(shí)現(xiàn)解群體自適應(yīng)的聚類(lèi)操作，實(shí)現(xiàn)算法對(duì)問(wèn)題解空間的空間結(jié)構(gòu)分析，以有效改進(jìn)PCA-EDA算法對(duì)復(fù)雜布局問(wèn)題的綜合求解性能。本文對(duì)裝填布局問(wèn)題的空間結(jié)構(gòu)進(jìn)行了分析，指出其具有的一些復(fù)雜特點(diǎn)。在此基礎(chǔ)上，提出利用高斯混合模型( GaussianMixture Model，簡(jiǎn)稱(chēng)GMM)，將基于聚類(lèi)的空間結(jié)構(gòu)分析技術(shù)引入到PCA-EDA算法中，具有三方面的作用：(1)實(shí)

5、現(xiàn)解空間的分解，將高性能解聚集的區(qū)域更精確地提取出來(lái)，這對(duì)于設(shè)計(jì)者深入了解設(shè)計(jì)問(wèn)題，對(duì)于提高算法求解的效率都有明顯的促進(jìn)作用；(2)用多個(gè)高斯分布來(lái)更精確地逼近多峰值解空間，使基于單高斯分布的線(xiàn)性EDA算法非線(xiàn)性化，更適合求解具有復(fù)雜空間結(jié)構(gòu)的設(shè)計(jì)問(wèn)題；(3)本質(zhì)上實(shí)現(xiàn)了一種具有多個(gè)獨(dú)立群體的演化算法，有助于保持群體多樣化。 3.給出一種針對(duì)PCA-EDA算法的人機(jī)結(jié)合策略，最終形成基于分布估計(jì)的人機(jī)結(jié)合演化設(shè)計(jì)方法。本文從設(shè)計(jì)

6、知識(shí)提取的層面，深入分析了PCA-EDA算法的內(nèi)在運(yùn)行機(jī)制，實(shí)現(xiàn)利用變量相關(guān)關(guān)系的學(xué)習(xí)將原問(wèn)題分解為若干子問(wèn)題，并分析了主元變量方差與載入系數(shù)矩陣在原始變量相關(guān)性分析中的應(yīng)用，以及變量相關(guān)性與搜索空間的形態(tài)之間的關(guān)系。通過(guò)對(duì)布局仿真實(shí)驗(yàn)的求解表明，應(yīng)用該策略可使設(shè)計(jì)者能以更有效的方式將設(shè)計(jì)思想傳遞給算法。此外，為解決人機(jī)結(jié)合過(guò)程中如何有效獲取關(guān)鍵信息的問(wèn)題，在對(duì)可視化技術(shù)以及演化算法可視化進(jìn)行綜述的基礎(chǔ)上，本文從構(gòu)成演化算法結(jié)構(gòu)要素特征

7、的可視化以及問(wèn)題的解空間結(jié)構(gòu)可視化兩個(gè)方面，提出幾種新的演化算法可視化交互界面，用于人機(jī)結(jié)合演化設(shè)計(jì)方法的多層面多角度可視化。 綜上所述，本文分別從變量相關(guān)性分析，可視化及定性與定量分析相結(jié)合、解空間結(jié)構(gòu)分析三個(gè)方面展開(kāi)研究，并結(jié)合演化計(jì)算的特點(diǎn)，充分利用概率統(tǒng)計(jì)及機(jī)器學(xué)習(xí)領(lǐng)域中相關(guān)技術(shù)，使三方面的研究?jī)?nèi)容既能各有側(cè)重，又能有機(jī)統(tǒng)一，最終實(shí)現(xiàn)一種基于分布估計(jì)的人機(jī)結(jié)合的演化設(shè)計(jì)方法。通過(guò)對(duì)返回式衛(wèi)星艙和通訊衛(wèi)星艙的布局優(yōu)化設(shè)計(jì)的