第1章 绪论 1
1.1复杂系统与复杂性科学 1
1.2多学科优化的主要研究内容 3
1.2.1复杂系统分解 3
1.2.2复杂系统建模 4
1.2.3灵敏度分析和近似技术 5
1.2.4优化策略和搜索算法 7
1.2.5复杂系统中的不确定性 9
1.3多学科设计优化发展概述 11
1.3.1 MDO的产生 11
1.3.2 MDO方法理论研究现状 12
1.3.3 MDO方法应用研究现状 15
1.3.4 MDO平台研究现状 17
1.4主要内容 19
第2章 协同优化方法的改进策略 21
2.1引言 21
2.2协同优化方法描述 21
2.3基于遗传算法的CO方法 23
2.3.1不可行度和阈值 24
2.3.2阈值调节参数的选取 24
2.3.3算法的实现步骤 25
2.3.4工程算例 26
2.4基于两阶段优化的SCO方法 30
2.4.1学科间不一致信息 31
2.4.2全局优化阶段 32
2.4.3局部优化阶段 35
2.4.4三种CO方法的几何特性分析 36
2.4.5算例 39
2.5本章小结 45
第3章 基于协同优化的MDO不确定性建模 46
3.1引言 46
3.2不确定性因素的来源及管理 46
3.3简化的基于IUP的鲁棒协同优化模型 50
3.3.1模型表示形式 51
3.3.2模型结构的合理性 52
3.4算例验证 54
3.4.1数值算例1 54
3.4.2数值算例2 57
3.5本章小结 60
第4章 鲁棒协同优化模型求解方法的研究 61
4.1引言 61
4.2基于循环遍历的RCO求解方法 62
4.2.1求解方法描述 62
4.2.2循环遍历数的设置 63
4.2.3工程算例 64
4.3基于NSGA- Ⅱ的RCO求解方法 69
4.3.1 NSGA- Ⅱ算法流程 70
4.3.2遗传算子的选取 70
4.3.3 RCO中非支配级排序 71
4.3.4算法的实现步骤 72
4.3.5工程算例 73
4.4改进的基于NSGA- Ⅱ的RCO求解方法 75
4.4.1可行性阈值的设置 75
4.4.2早熟现象的避免 76
4.4.3学科间一致性的收敛特性 77
4.4.4算法的实现步骤 78
4.4.5工程算例 79
4.5基于循环遍历和NSGA- Ⅱ的RCO方法比较 83
4.6本章小结 84
第5章 基于线性物理规划的MOCO方法 86
5.1引言 86
5.2线性物理规划描述 87
5.3一致性目标函数的转换 89
5.3.1最近距离转换形式 89
5.3.2松弛距离转换形式 90
5.4基于LPP的表示式 91
5.5基于LPP的MOCO实现步骤 92
5.6工程算例 93
5.6.1数学模型 94
5.6.2优化结果分析 97
5.7本章小结 99
第6章 基于多目标进化算法的MOCO方法 100
6.1引言 100
6.2基于NSGA-Ⅱ的MOCO方法 101
6.2.1约束的处理 101
6.2.2初始种群的生成 101
6.2.3目标函数优先级的设置 103
6.2.4 Pareto最优解返回值的选取 104
6.3工程算例 105
6.3.1子学科优化初始种群的生成 107
6.3.2初始种群和第二优先级可行性阈值的效果分析 108
6.3.3优化结果分析 109
6.4基于LPP和NSGA- Ⅱ的MOCO方法比较 112
6.5本章小结 114
参考文献 115