基于計算智能的優化設計探討
2007-01-01 00:00:00張建平
現代商貿工業 2007年3期
摘 要:隨著優化設計在工程領域應用的深入，各種傳統的優化方法往往無能為力，為解決工程優化設計面臨的復雜問題，將計算智能與優化設計有機結合，形成了基于計算智能的優化設計#65377;
關鍵詞:優化設計;計算智能;遺傳算法
1 優化設計與計算智能
優化設計是在20世紀60年代隨著計算機的廣泛應用而發展起來的一種現代設計方法#65377;由于該方法將工程或產品的設計問題轉化為最優化問題，在計算機上基于最優化理論進行尋優計算，從而能在滿足設計要求和限制條件的全部可行方案中選定最優方案，大大提高了設計質量和效率，因此在工程和產品設計中得到廣泛應用#65377;
就工程優化設計而言，隨著優化設計在工程領域應用的深入，人們趨向與用更接近實際的模型解決大型復雜系統或結構的整體#65380;全局#65380;全方位的優化問題，優化設計所要解決的問題因其大(設計變量#65380;約束條件數目大)#65380;雜(不同性質的對象并存)和灰(不確定性，包括隨機#65380;模糊#65380;未確知)而十分復雜#65377;面對這樣復雜的問題，各種傳統的優化方法往往無能為力#65377;
向生命學習，從生物和人的自身尋求如何解決問題的答案#65377;80年代末~90年代初，人們創建出計算智能#65377;智能計算方法的應用證明，計算智能對解決大規模#65380;復雜系統的問題非常有力#65377;
將計算智能與優化設計有機結合，運用計算智能的計算方法解決優化問題，這就是基于計算智能的優化設計-智能優化設計#65377;
2 基于計算智能的優化設計
2.1 基于模糊計算的優化設計
工程設計存在大量的模糊信息，如:設計標準的模糊性#65380;設計準則(規范)的模糊性#65380;外部環境作用的模糊性等#65377;由于模糊信息不能用準確的數量來表達，必須用模糊計算的方法來處理，包括:模糊變量#65380;模糊約束#65380;模糊目標函數#65380;模糊推理計算等#65377;
模糊優化設計包括三個方面的內容:
①模糊優化設計方法;
②自適應模糊優化系統模型;
③模糊專家系統#65377;
2.2 基于神經網絡的優化設計
人工神經網絡是模擬人腦神經網絡的結構而形成的，具有一定智能(自學習#65380;自適應#65380;容錯性)的計算模型，也是一個大規模復雜非線性動力學系統#65377;它具有非線性大規模并行分布處理的高速運算能力#65380;很強的非線性映射能力和信息的分布式動態存貯能力#65377;可以處理不完整#65380;不準確的信息#65377;
2.3 基于進化計算的優化設計
進化是自然界最為壯麗的過程#65377;進化的自然法則是過度繁殖#65380;生存斗爭#65380;遺傳和變異#65380;優勝劣汰#65380;適者生存#65377;這一法則的選擇結果就是物種的優化#65377;進化過程也是自然界的優化過程#65377;
進化計算是模仿自然界進化過程的計算方法#65377;該方法無須明確描述問題的全部特征，只需根據自然法則來產生新的更好的解#65377;
實現進化計算的思路是:用簡單的編碼來表示復雜的結構，通過對一組編碼(種群)進行遺傳和變異的操作，優勝劣汰的選擇，實現進化(尋優)的計算過程#65377;
進化計算具有適合大規模并行計算和不受搜索空間限制條件(如:可微#65380;連續#65380;單峰)的約束的特點#65377;
進化計算包括:演化算法和遺傳算法#65377;
3 關于基于遺傳算法的優化設計的討論
3.1 基于遺傳算法的優化設計方法
3.2 基于遺傳算法的優化設計方法的討論
(1)由于Ai=a1a2……an，且ai∈xi，基于遺傳算法的優化過程是在優化問題的解空間中利用進化規則進行尋優的過程#65377;作為遺傳操作，由于只有編碼碼位在不同個體之間的交換，沒有碼值的改變，故遺傳操作是在由群體所有碼值張成的子空間的有限點集中的尋優#65377;因此，遺傳操作可以獲得解的收斂性，但難以得到全局最優#65377;變異操作改變了碼位值，因而，改變了尋優空間，這將有助與跳出局部極值的陷阱，得到更優的解#65377;
(2)盡管變異操作可以不斷改變尋優空間，仍存在兩個問題:
第一，如何保證尋優搜索的非重復性和遍歷性，這關系到尋優的效率和得到全局最優解#65377;
第二，優化過程通常是非線性系統的動力學過程，變異操作中碼位值的變化都有可能使尋優過程進入混沌狀態，在奇異吸引子的吸引和束縛下，優化解點在混沌區內無規#65380;不定#65380;不重復的跳動，從而導致優化過程無法收斂#65377;
(3)將混沌理論引入優化設計，有可能解決上面的問題#65377;
混沌運動具有無重復和遍歷性，這正是尋優搜索所需要的#65377;利用混沌生成技術，將碼位值定義為混沌變量，通過變異操作，實現尋優的無重復#65380;遍歷搜索#65377;
在適應度判別時，利用混沌分析技術識別尋優過程是否進入混沌狀態#65377;若是混沌狀態，則利用混沌控制技術，將混沌狀態轉化為非混沌狀態#65377;從而保證優化過程收斂#65377;
4 結束語
隨著優化設計在工程領域應用的深入，面對因其大#65380;雜和灰而十分復雜的問題，各種傳統的優化方法往往無能為力#65377;計算智能，包括模糊計算#65380;人工神經網絡#65380;進化計算(包括遺傳算法)，被證明對解決大規模#65380;復雜系統的問題非常有力#65377;將計算智能與優化設計有機結合，形成基于計算智能的優化設計，為解決工程優化設計面臨的復雜問題提供了可行途徑#65377;
參考文獻
[1]呂大剛，王光遠.結構智能優化設計——一個新的研究方向[J].哈爾濱建筑大學學報，1999，(4).
[2]李泉永.機械結構優化設計的回顧與展望[J].桂林電子工業學院學報，2000，(4).
[3]樊會元，席 光，王尚錦.應用遺傳算法對葉柵進行改進設計的研究[J].機械科學與技術，2001，(1).
[4]黃文培，王金諾，于蘭峰.混沌-Powell混合算法在機械優化設計中的應用研究[J].四川大學學報，2001，(5).
[5]龍運佳.混沌工程學[J].中國工程科學，2001，(2).
[6]錢敏平，龔光魯.從數學角度看計算智能[J].科學通報，1998(16).
