融合全局逼近与局部精化的协同优化方法

陈 亮, 卢威, 黄亚庆

(福州大学机械工程及自动化学院,福建 福州 350108)

融合全局逼近与局部精化的协同优化方法

陈 亮, 卢威, 黄亚庆

(福州大学机械工程及自动化学院,福建 福州 350108)

针对标准协同优化方法存在对初始点选取敏感、优化结果易收敛于局部最优解等问题,通过对松弛因子法特点的分析,给出了一种综合应用固定松弛因子和动态松弛因子方法,融合全局逼近与局部精化的改进协同优化方法,并将Kriging近似模型引入到改进的协同优化方法中,减小了迭代计算量,提高了优化效率,可快速精确地收敛到全局最优解处.通过汽车盘式制动器的优化设计,验证了本文方法的有效性与稳定性.

多学科设计优化; 协同优化; 松弛因子法; Kriging近似模型

多学科设计优化(Multidisciplinary Design Optimization,MDO)方法是由美籍波兰裔数学家Sobieszczanski-Sobiesk提出的,应用于大规模复杂工程系统的设计领域[1].MDO方法是一种通过充分探索和利用系统中相互作用的协同机制来设计复杂系统的方法[2].

MDO优化算法是多学科设计优化领域的研究热点.常见的MDO优化算法可分为单级优化算法和多级优化算法.多级优化算法中的协同优化(Collaborative Optimization,CO)方法因具有高度的学科自治性、学科组织结构和现有工程设计良好的适应性而引起国内外学者的广泛关注[3-4].

然而CO方法仍然存在一些缺陷,系统级优化中的一致性约束采取等式约束使得系统级在优化过程中很可能不存在可行域.由于Kuhn-Tucker条件中的拉格朗日乘子不存在,或者……