高速单体船航行性能与结构特性综合优化方法研究.docx

高速单体船航行性能与结构特性综合优化方法研究杨松林，李密,陈淑玲摘要本文以典型高速单体船为基础，根据一些实船的资料和相关经验公式并结合高速单体船的结构特点，探讨一种将船舶航行性能与结构力学特征两者综合优化的方法。首先依次建立了基于(VC++6.0)软件的高速单体船快速性优化、操纵性优化、耐波性优化的数学模型，并包括了这三个方面的优化变量、目标函数和约束条件。在选择算法方面，本文将遗传算法与混沌算法复合构造了一种遗传混沌算法，并利用C++语言对其编制了友好界面。大量的计算数据表明：遗传混沌算法不仅能克服遗传算法的不足，而且能减少计算、提高效率。其次，基于舰船通用设计规范（GJB4000-2000）对高速单体船舯横剖面进行结构优化设计。将舯剖面上影响其剖面模数的主要板厚、骨材型号等作为设计变量，以舯剖面纵向构件的单位长度重量最轻为目标函数，并根据相关规范提取相应的约束条件，采用遗传混沌算法对舯剖面的主要构件进行优化计算。最后，把船舶航行性能与结构力学特征综合优化的遗传混沌算法结果，与其它优化方法（例如，遗传算法、混沌算法）的优化结果进行比较。经比较可知，遗传混沌算法克服了遗传算法的早熟问题，其优化结果可靠且有效。综上，并行遗传混沌算法，。使用(VC++6.0)软件能方便的获取船舶航行性能分布函数中的每个最优设计变量，为船舶设计综合评估、船舶参数确定提供条件。关键词：高速单体船；航行性能；结构力学特征；遗传混沌算法；综合优化引言在工程领域中，我们可以利用经典的数学和相应的系统工程原则作为工具来完成分析、设计；用相关复杂数字来解释系统工程。但是，对于复杂的系统工程问题，尽管建立了分析、设计和制造模型，我们还将经常面对一些如相关环境等复杂因素和各种不确定性因素。这些因素涉及到一些限制指标和许多需要权衡的复杂条件，直接影响着设计的某些参数或进行评估的研究方法，这正是船舶设计的问题，也是复杂设计问题的典型代表。优化理论现在已广泛应用于科研，企业管理，军事事务等诸多领域。优化方法可分为常规优化方法和现代优化方法两种。前者通常会陷入局部最优，不适合多变量，多约束，多目标函数的复杂优化。遗传算法，一种现代化的优化方法，具有很强的全局优化能力，可运用于船舶工程的复杂优化。但用遗传算法对多设计变量的函数进行优化时，削减的遗传算法一代很可能导致较大概率的早熟问题，而且会花费大量时间。因此，笔者提出了一种基于灵敏变量分段的分层并行遗传混沌算法，并成功地运用这一综合优化方法于船舶力学性能综合优化。2分层并行遗传混沌算法遗传算法是一种基于达尔文进化论和孟德尔遗传学理论的随机交换理论的新型优化方法。与常规优化方法相比，遗传算法具有许多优点，如计算速度快（快速性），全局搜索能力强（全局性），和良好的鲁棒性。大量研究和应用表明，遗传算法运用于复杂的综合优化效果显著。然而，遗传算法是一个优胜劣汰的选择过程，所以会花大量的时间用来计算，在解决多设计变量优化时，效果不佳。并行遗传混沌算法使二者结合起来，加快运算速度。另一方面，遗传算法在处理含有多个目标函数和多约束条件的优化时，往往会出现早熟问题，带来特大种群规模和非常复杂的适应度函数。然而，运用分层并行遗传混沌算法，克服了这些缺点。基于灵敏变量分层并行遗传混沌算法，将以以下方式解决优化问题：把每一个灵敏变量的值分成几个部分，并贯穿这些片段（灵敏变量是可变的，它的微小变化将引起目标函数值的重大变化）。然后用保留的变量值范围结合成片段，作为遗传算法的作业范围。最后，指定一个值到遗传算法的种群规模后，寻找恰当的后代。例如，一个优化有12个设计变量，2个是灵敏变量。把其中一个变量值范围平分为6个片段，另一个平分为3个片段.在跨越这9个片段后由6×3我们可以得到18个片段组。最后，用其他的10个设计变量和每个片段组重组，便得到20个遗传算法运行范围。在1）的基础上，挑选了几个用遗传算法算的好的结果，用混沌算法在前述优良结果的领域内进行再次运算，得到最优结果。2．1遗传算法遗传算法是一种理想且高效的搜索(或优化)方法。考虑到遗传算法面对船舶航行性能综合优化这类非常复杂的多目标、多约束和多变量工程优化设计问题，带来的特大种群规模和特别复杂的适应度函数处理及计算时间过长和较大概率的早熟问题，本文采用的优化计算分两步走：首先，采用遗传算法进行有限代数计算，并在遗传算法程序中嵌入辅助进化子函数，从每次计算后的种群中选择4个适应度相对较高的个体进行混沌搜索。接着，在遗传算法优化结果的小范围内采用二次载波混沌算法进一步完成最优值点的计算，作为改进后的遗传混沌算法，具体实现细节如下。第一步遗传算法优化。遗传算法求解的组成为:eq\o\ac(○,1)编码方法在遗传算法中对每一个染色体进行适当的编码是必不可少的一步，算法中问题的构成以及遗传算