多目标遗传算法及其在船舶型线优化中的应用

摘要

最优化问题是一个古老的问题，追求目标的最优化一直是人类的理想。 许多工程优化问题往往性质十分复杂，很难用传统的优化方法来求解。而且实际的工程优化问题中大多数是多目标优化问题，各子目标之间一般都存在互相冲突的现象。多目标与单目标优化问题的本质区别是，前者一般是一组或多组非劣解的集合，而后者只是单个解或一组不连续的解。因此，多目标优化问题的求解变得困难。 自60年代以来，人们对求解多目标优化问题的兴趣日益增加。一种模仿生物进化过程的、被称为“进化算法(Evolutionary Algorithm)”的随机优化技术应运而生，而且在解这类优化问题中显示出了优于传统优化算法的性能。而遗传算法(Genetic Algorithm)是迄今为止进化算法中应用最多、比较成熟、广为人知的算法。由于其在求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用，这种算法受到了广泛的关注。经过几十年的发展，多目标遗传算法已经日趋成熟。 船舶的优化设计是从60年代末期开始逐渐发展起来的一种有效、新的设计方法。船舶优化设计同许多其他工程问题一样属于多目标优化问题。其中船舶型线优化设计通常是以应用数学方法对型线进行光顺，而以船体的布置、水动力和结构性能为目标函数。型线优化设计是一个亟待解决的复杂多目标优化问题。 本文以多目标遗传算法为主要研究内容，将改进的遗传算法应用于求解多目标优化问题并用于船舶优化设计是很有意义的。本文介绍了遗传算法的起源、历程、主要研究方向、遗传算法的基本原理以及改进措施等，编制基于改进的带精英策略的非支配排序遗传算法(NSGAII)的通用多目标优化软件。本文以高速方尾船型优化为例介绍了多目标遗传算法在船型的型线优化设计当中的应用，找到了一种适合NPL 100 Model A船型的数学描述方法，在此基础上，以总阻力系数为优化目标，优化得到阻力性能优良的船舶型线。这说明多目标遗传算法在船型优化中的应用可以大大地提高了船舶优化设计质量、缩短设计周期。

目录

文摘

英文文摘

声明

第1章绪论

1.1多目标优化问题

1.2遗传算法的发展及其研究进展

1.2.1遗传算法的发展历史

1.2.2遗传算法与传统优化方法的比较

1.3遗传算法在多目标优化中的应用

1.4船舶型线优化设计中的多目标优化问题

1.5本文所作的工作内容

第2章多目标优化的基本概念

2.1多目标优化的数学描述

2.2多目标优化问题的解

2.3多目标优化的目标占优和pareto占优

2.3.1占优基本概念

2.3.2用于查找一组非劣解的过程

2.4本章小结

第3章遗传算法的基本理论

3.1标准遗传算法基本理论

3.1.1模式理论

3.1.2隐并行性

3.1.3遗传算法的基本流程

3.1.4遗传编码

3.1.5适应度函数

3.2遗传操作

3.2.1选择(selection)

3.2.2交叉(crossover)

3.2.3 逆转(inversion)

3.2.4变异(mutation)

3.3控制参数和选择

3.4约束优化处理方法

3.5多目标优化和遗传算法的融合、发展状况及分类

3.5.1权系数变化法

3.5.2并列选择法

3.5.3排序选择法

3.5.4共享函数法

3.6本章小结

第4章多目标优化遗传算法及软件实现

4.1多目标遗传算法及其改进

4.1.1非支配排序遗传算法NSGA

4.1.2改进的非支配排序的遗传算法

4.2 NSGAⅡ软件实现

4.2.1图形界面(GUI)

4.2.2数值测试实验

4.3本章小结

第5章多目标遗传算法在船舶型线优化中的应用

5.1基于水动力计算的船舶型线优化

5.2高速排水型方尾船舶型线数学描述

5.3型线数学描述方法检验及其改进

5.3.1型线描述方法优化验证

5.3.2多项式优化横剖线

5.3.3横剖线控制系数优化

5.3.4平板龙骨修正优化横剖线

5.3.5型线检验及改进结果

5.4型线优化

5.4.1船舶阻力理论模型的建立

5.4.2多目标优化型线设计

5.5本章小结

第6章结论与展望

参考文献

致谢

攻读学位期间发表论文

附录