船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法比較研究

高占鋒

摘 要：本文從經(jīng)典優(yōu)化算法、啟發(fā)式優(yōu)化算法等兩個(gè)方面綜述了船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法的內(nèi)容、優(yōu)點(diǎn)和不足，指出了啟發(fā)式算法較經(jīng)典算法更適合船舶的結(jié)構(gòu)設(shè)計(jì)優(yōu)化。并提出了動(dòng)態(tài)代理模型是彌補(bǔ)啟發(fā)式算法耗時(shí)過(guò)久的不足，也是當(dāng)前船舶優(yōu)化設(shè)計(jì)的研究重點(diǎn)，在指導(dǎo)實(shí)踐研究具有積極的現(xiàn)實(shí)意義。

關(guān)鍵詞：船舶結(jié)構(gòu)；優(yōu)化設(shè)計(jì)；啟發(fā)式算法；經(jīng)典優(yōu)化

中圖分類號(hào)：U663 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006—7973（2017）11-0038-02

船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)是指能夠滿足其強(qiáng)度、剛度、穩(wěn)性、頻率和建造等約束條件下，借助計(jì)算機(jī)編程和數(shù)學(xué)方法，對(duì)船舶的形式、布局和尺寸等結(jié)構(gòu)參數(shù)進(jìn)行優(yōu)化，使船舶結(jié)構(gòu)重量、布局等目標(biāo)值達(dá)到一種最優(yōu)化的技術(shù)。船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)是基于船舶結(jié)構(gòu)與水介質(zhì)耦合動(dòng)力學(xué)等知識(shí)，用以改善船舶的運(yùn)動(dòng)性能和結(jié)構(gòu)安全性等，其優(yōu)化的目標(biāo)是追求最小的重量結(jié)構(gòu)，滿足最優(yōu)的動(dòng)力或靜力形態(tài)特性，設(shè)計(jì)和建造出最合理的船舶框架形式和結(jié)構(gòu)尺寸，在滿足強(qiáng)度、穩(wěn)性、頻率等設(shè)計(jì)約束條件基礎(chǔ)上得出一個(gè)在力學(xué)性能、工藝性能、經(jīng)濟(jì)性能以及使用性能等方面的最優(yōu)設(shè)計(jì)方案。船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)包括尺寸、形狀和拓?fù)鋬?yōu)化三個(gè)層次。

常用的船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法主要有經(jīng)典優(yōu)化算法（如準(zhǔn)則法、數(shù)學(xué)規(guī)劃法等）、啟發(fā)式優(yōu)化算法（如遺傳算法和蟻群算法等），以及基于代理模型的優(yōu)化算法。具體選用何種優(yōu)化算法則主要是根據(jù)設(shè)計(jì)船舶的結(jié)構(gòu)求解方法的不同而不同。

1 經(jīng)典優(yōu)化設(shè)計(jì)方法

移準(zhǔn)則創(chuàng)建優(yōu)化設(shè)計(jì)迭代的方法，主要是針對(duì)一個(gè)約束、一組載荷運(yùn)用拉格朗日乘子法或能量法來(lái)推算出完全正確的迭代式。當(dāng)船舶需要較大外載時(shí)，或者出現(xiàn)較多的位移時(shí)，便可以應(yīng)用“包絡(luò)法”作出相應(yīng)的處理。位移準(zhǔn)則法對(duì)船舶的剛度優(yōu)化設(shè)計(jì)方面應(yīng)用較廣。

（2）數(shù)學(xué)規(guī)劃法。數(shù)學(xué)規(guī)劃法是在準(zhǔn)則法發(fā)展到一定階段，根據(jù)數(shù)學(xué)規(guī)劃的結(jié)構(gòu)優(yōu)化，以規(guī)劃論為基礎(chǔ)，可用于求解不同性質(zhì)的船舶優(yōu)化問(wèn)題。其中，最為典型的是多目標(biāo)模糊優(yōu)化設(shè)計(jì)法。雖然，目標(biāo)函數(shù)和約束條件是預(yù)先按照規(guī)定確定的，但在實(shí)際設(shè)計(jì)和建造過(guò)程中，船舶結(jié)構(gòu)中的優(yōu)化設(shè)計(jì)過(guò)程、約束條件，以及相應(yīng)的評(píng)價(jià)指標(biāo)是較為模糊的因子，將這些模糊因子進(jìn)一步地優(yōu)化，則必須要通過(guò)模糊數(shù)學(xué)方法來(lái)實(shí)現(xiàn)其各個(gè)目標(biāo)的優(yōu)化設(shè)計(jì)。

（3）經(jīng)典優(yōu)化算法優(yōu)勢(shì)及不足。①準(zhǔn)則法優(yōu)化船舶設(shè)計(jì)具有收斂速度快，與優(yōu)化問(wèn)題的規(guī)模關(guān)系不大，重分析次數(shù)與設(shè)計(jì)變量數(shù)目沒(méi)有直接關(guān)系；但不足之處是適用于結(jié)構(gòu)布局及幾何形狀已經(jīng)預(yù)先設(shè)定的前提下，所要達(dá)到的設(shè)計(jì)只是理論上接近最優(yōu)狀態(tài)。②經(jīng)典優(yōu)化算法基于梯度信息最速下降法，但在船舶設(shè)計(jì)和建造過(guò)程中梯度信息難以完全掌握，這也是在一定程度上限制了經(jīng)典優(yōu)化算法在船舶優(yōu)化設(shè)計(jì)中的應(yīng)用。③經(jīng)典優(yōu)化算法對(duì)于連續(xù)變量的優(yōu)化較為適用，但對(duì)船舶的結(jié)構(gòu)優(yōu)化過(guò)程中所出現(xiàn)的離散變量的優(yōu)化問(wèn)題適應(yīng)性較弱。

2 啟發(fā)式優(yōu)化設(shè)計(jì)方法

隨著船舶行業(yè)的快速發(fā)展，大型化船舶不斷地被設(shè)計(jì)和建造出來(lái)，對(duì)于船舶的結(jié)構(gòu)優(yōu)化的要求也越來(lái)越高，板架、橫剖面、艙段甚至是整個(gè)船體都被提出了優(yōu)化設(shè)計(jì)要求，設(shè)計(jì)變量增多、約束條件以及目標(biāo)函數(shù)等非線性程度增大，優(yōu)化問(wèn)題呈現(xiàn)出多峰、高維和高非線性特點(diǎn)。于是出現(xiàn)了遺傳優(yōu)化設(shè)計(jì)方法和蟻群優(yōu)化設(shè)計(jì)等新的優(yōu)化設(shè)計(jì)方法，進(jìn)一步提升了船舶的結(jié)構(gòu)優(yōu)化成效。

（1）遺傳算法（GA）。遺傳優(yōu)化設(shè)計(jì)方法是模擬生物遺傳進(jìn)行原理所采取的一種新的船舶結(jié)構(gòu)優(yōu)化方法。它的基本處理流程是：設(shè)計(jì)參數(shù)編碼和生成初始群體，設(shè)定初始群體，并通過(guò)適合度函數(shù)的設(shè)計(jì)，評(píng)估群體中的個(gè)體適合度，再進(jìn)行遺傳操作設(shè)計(jì)和參數(shù)控制，通過(guò)繁殖、交叉以及變異等構(gòu)成GA主要操作算子。與傳統(tǒng)結(jié)構(gòu)優(yōu)化方法相比，遺傳計(jì)算方法具有簡(jiǎn)單通用和魯棒性強(qiáng)的特點(diǎn)，不依賴于梯度信息，無(wú)需與導(dǎo)數(shù)相關(guān)的資料，運(yùn)用目標(biāo)函數(shù)的處罰函數(shù)方式，將原先的不足轉(zhuǎn)化成為沒(méi)有約束的問(wèn)題，效仿生物進(jìn)化環(huán)節(jié)中最為重要的三個(gè)遺傳三子：繁殖、交叉以及變異。適用于處理各種傳統(tǒng)搜索方法無(wú)法解決的非線性領(lǐng)域，被廣泛應(yīng)用于工程和船舶結(jié)構(gòu)優(yōu)化等領(lǐng)域。湯金敏將遺傳算法應(yīng)用到船舶推進(jìn)軸系統(tǒng)的優(yōu)化校中，以6500DWT雜貨船軸系為研究對(duì)象，將遺傳算法應(yīng)用軸系結(jié)構(gòu)優(yōu)化中，軸系簡(jiǎn)化為40個(gè)節(jié)點(diǎn)、39個(gè)梁?jiǎn)卧瑑?yōu)化后艉管后軸承的載荷減小幅度很大，提升了軸系運(yùn)行的安全性能。

（2）蟻群算法（ACO）。蟻群算法是應(yīng)用組合優(yōu)化問(wèn)題的啟發(fā)式隨機(jī)搜索算法，它是對(duì)自然界中螞蟻的尋徑方式進(jìn)行模擬所得出的一種仿生算法，用來(lái)在圖中尋找優(yōu)化路徑的幾率型算法，與其他算法相比，蟻群算法在發(fā)現(xiàn)最優(yōu)解方面具有明顯優(yōu)勢(shì)。在實(shí)際應(yīng)用中，在求解節(jié)點(diǎn)樹(shù)為5-100的組合優(yōu)化方面，選用合適的參數(shù)，蟻群算法的優(yōu)化結(jié)果要明顯優(yōu)于遺傳算法、進(jìn)化算法以及模擬退火算法等。蟻群算法主要由信息素的更新和路徑構(gòu)建量方面組成，其中，信息素越多，路徑被選擇的概率就會(huì)增加。其基本流程是：算法參數(shù)和信息素矩陣的初始化、對(duì)所有路徑對(duì)應(yīng)的目標(biāo)函數(shù)進(jìn)行質(zhì)量評(píng)估，通過(guò)信息素的更新將搜索范圍縮小到少數(shù)、具有較大潛力的路徑上，最后是利用概率選擇機(jī)制重構(gòu)路徑。陳強(qiáng)等人，利用蟻群算法，對(duì)長(zhǎng)江干散貨船中部結(jié)構(gòu)進(jìn)行了優(yōu)化設(shè)計(jì)，優(yōu)化后比原始設(shè)計(jì)重量減少了20.6%，優(yōu)化后船舶結(jié)構(gòu)更趨合理。

（3）啟發(fā)式優(yōu)化設(shè)計(jì)方法優(yōu)勢(shì)及不足。啟發(fā)式算法除了遺傳算法、蟻群算法外，還有模擬退火算法、粒子群算法等。啟發(fā)式優(yōu)化算法較經(jīng)典優(yōu)化算法逐漸被更為廣泛的應(yīng)用，其主要原因在于：①啟發(fā)式算法在船舶優(yōu)化設(shè)計(jì)中不需要目標(biāo)函數(shù)導(dǎo)數(shù)的有關(guān)信息，只需要在迭代過(guò)程中應(yīng)用到相應(yīng)的目標(biāo)函數(shù)值即可，因此，更適合船舶結(jié)構(gòu)的優(yōu)化設(shè)計(jì)；②啟發(fā)式算法全局搜索能力更強(qiáng)，設(shè)計(jì)者不需要關(guān)注初始點(diǎn)節(jié)點(diǎn)優(yōu)劣，尋優(yōu)結(jié)果不依賴于初始點(diǎn)的設(shè)計(jì)，應(yīng)用效率大為提升；③啟發(fā)式算法在高維、多峰、高非線性方面優(yōu)化能力更強(qiáng)，進(jìn)一步提升了復(fù)雜的船舶結(jié)構(gòu)優(yōu)化設(shè)計(jì)處理能力；④對(duì)于船舶優(yōu)化設(shè)計(jì)中的離散設(shè)計(jì)變量求解方面具有較好效果。雖然起發(fā)式算法較經(jīng)典式優(yōu)化算法應(yīng)用更為更廣，但其自身也有一些不足和局限：首先表現(xiàn)要面對(duì)的問(wèn)題就是啟發(fā)式算法“早熟”，即在尋優(yōu)過(guò)程中難以跳出對(duì)船舶某個(gè)結(jié)構(gòu)或局部過(guò)早集中的現(xiàn)象；其次是要面對(duì)啟發(fā)式算法算量過(guò)大問(wèn)題。無(wú)論是遺傳算法還是蟻群算法，都采用的是依靠“群體”概率化尋優(yōu)模式，導(dǎo)致后期計(jì)算量巨大，增加了工作量，有時(shí)需要對(duì)成百上千的目標(biāo)值進(jìn)行計(jì)算，一次有限元分析短則幾分鐘，最長(zhǎng)甚至需要幾天時(shí)間。相對(duì)不同結(jié)構(gòu)的優(yōu)化效果十分明顯，但對(duì)于復(fù)雜結(jié)構(gòu)的優(yōu)化過(guò)程耗時(shí)太長(zhǎng)。

3 結(jié)語(yǔ)

隨著船舶設(shè)計(jì)結(jié)構(gòu)朝著大型化、復(fù)雜化的方向發(fā)展，船舶結(jié)構(gòu)的設(shè)計(jì)、建造優(yōu)化具有十分廣闊的市場(chǎng)應(yīng)用空間，能夠節(jié)省建造成本，提高船舶的應(yīng)用效率。對(duì)于上述幾種優(yōu)化方法比較來(lái)看，啟發(fā)式算法目前較為成熟。針對(duì)啟發(fā)式算法耗時(shí)過(guò)長(zhǎng)等不足，代理模型技術(shù)是彌補(bǔ)這一短板的重要工具，采用靜態(tài)或動(dòng)態(tài)代理模型能夠提升啟發(fā)式算法效率不高等難題，也是研究的重點(diǎn)。隨著優(yōu)化算法的研究深入，目前有限元計(jì)算逐漸成為船舶優(yōu)化設(shè)計(jì)的主要應(yīng)用方法之一，無(wú)論是局部?jī)?yōu)化設(shè)計(jì)還是整體模塊的優(yōu)化，基于有限元分析成為發(fā)展的主要趨勢(shì)。

參考文獻(xiàn)：

[1]湯金敏.基于遺傳算法的船舶推進(jìn)軸系優(yōu)化校中研究[J]湖南交通科技，2007，33（3）：131-134

[2]陳強(qiáng)，劉家新.基于蟻群算法的長(zhǎng)江干散貨船中部結(jié)構(gòu)優(yōu)化設(shè)計(jì)研究[J]船舶工程，2012，41（5）：47-50endprint