1、 基于计算智能的优化设计探讨摘 要:随着优化设计在工程领域应用的深入,各种传统的优化方法往往无能为力,为解决工程优化设计面临的复杂问题,将计算智能与优化设计有机结合,形成了基于计算智能的优化设计 关键词:优化设计;计算智能;遗传算法 1 优化设计与计算智能 优化设计是在 20 世纪 60 年代随着计算机的广泛应用而发展起来的一种现代设计方法 由于该方法将工程或产品的设计问题转化为最优化问题,在计算机上基于最优化理论进行寻优计算,从而能在满足设计要求和限制条件的全部可行方案中选定最优方案,大大提高了设计质量和效率,因此在工程和产品设计中得到广泛应用 就工程优化设计而言,随着优化设计在工程领域应用
2、的深入,人们趋向与用更接近实际的模型解决大型复杂系统或结构的整体全局全方位的优化问题 ,优化设计所要解决的问题因其大(设计变量 约束条件数目大 )杂( 不同性质的对象并存)和灰( 不确定性,包括随机模糊未确知)而十分复杂 面对这样复杂的问题 ,各种传统的优化方法往往无能为力 向生命学习,从生物和人的自身寻求如何解决问题的答案80 年代末90 年代初,人们创建出计算智能智能计算方法的应用证明 ,计算智能对解决大规模复杂系统的问题非常有力 将计算智能与优化设计有机结合,运用计算智能的计算方法解决优化问题,这就是基于计算智能的优化设计-智能优化设计 2 基于计算智能的优化设计 2.1 基于模糊计算的
3、优化设计 工程设计存在大量的模糊信息,如:设计标准的模糊性设计准则(规范) 的模糊性外部环境作用的模糊性等 由于模糊信息不能用准确的数量来表达,必须用模糊计算的方法来处理,包括:模糊变量模糊约束模糊目标函数 模糊推理计算等 模糊优化设计包括三个方面的内容: 模糊优化设计方法; 自适应模糊优化系统模型; 模糊专家系统 2.2 基于神经网络的优化设计 人工神经网络是模拟人脑神经网络的结构而形成的,具有一定智能(自学习自适应容错性)的计算模型,也是一个大规模复杂非线性动力学系统 它具有非线性大规模并行分布处理的高速运算能力很强的非线性映射能力和信息的分布式动态存贮能力可以处理不完整 不准确的信息 2
4、.3 基于进化计算的优化设计 进化是自然界最为壮丽的过程进化的自然法则是过度繁殖 生存斗争遗传和变异优胜劣汰 适者生存 这一法则的选择结果就是物种的优化 进化过程也是自然界的优化过程 进化计算是模仿自然界进化过程的计算方法该方法无须明确描述问题的全部特征,只需根据自然法则来产生新的更好的解 实现进化计算的思路是: 用简单的编码来表示复杂的结构,通过对一组编码(种群) 进行遗传和变异的操作,优胜劣汰的选择,实现进化(寻优)的计算过程 进化计算具有适合大规模并行计算和不受搜索空间限制条件(如:可微连续单峰)的约束的特点 进化计算包括:演化算法和遗传算法 3 关于基于遗传算法的优化设计的讨论 3.1
5、 基于遗传算法的优化设计方法 3.2 基于遗传算法的优化设计方法的讨论 (1) 由于Ai=a1a2an,且 ai xi,基于遗传算法的优化过程是在优化问题的解空间中利用进化规则进行寻优的过程作为遗传操作,由于只有编码码位在不同个体之间的交换,没有码值的改变,故遗传操作是在由群体所有码值张成的子空间的有限点集中的寻优因此,遗传操作可以获得解的收敛性,但难以得到全局最优变异操作改变了码位值,因而,改变了寻优空间,这将有助与跳出局部极值的陷阱,得到更优的解 (2)尽管变异操作可以不断改变寻优空间,仍存在两个问题: 第一,如何保证寻优搜索的非重复性和遍历性,这关系到寻优的效率和得到全局最优解 第二,优
6、化过程通常是非线性系统的动力学过程,变异操作中码位值的变化都有可能使寻优过程进入混沌状态,在奇异吸引子的吸引和束缚下,优化解点在混沌区内无规 不定不重复的跳动,从而导致优化过程无法收敛 (3)将混沌理论引入优化设计,有可能解决上面的问题 混沌运动具有无重复和遍历性,这正是寻优搜索所需要的 利用混沌生成技术,将码位值定义为混沌变量,通过变异操作,实现寻优的无重复遍历搜索 在适应度判别时,利用混沌分析技术识别寻优过程是否进入混沌状态 若是混沌状态,则利用混沌控制技术,将混沌状态转化为非混沌状态 从而保证优化过程收敛 4 结束语 随着优化设计在工程领域应用的深入,面对因其大杂和灰而十分复杂的问题 ,各种传统的优化方法往往无能为力计算智能 ,包括模糊计算人工神经网络进化计算(包括遗传算法 ),被证明对解决大规模复杂系统的问题非常有力 将计算智能与优化设计有机结合,形成基于计算智能的优化设计,为解决工程优化设计面临的复杂问题提供了可行途径
