[不同算法.docxVIP

不同算法多学科设计优化算法是MDO技术研究的一个重要方面, 现有的 MDO算法主要针对连续设计变量问题, 许多方法需要应用梯度信息。然而, 获取梯度信息常常要花费很大代价, 甚至是不可行的[3 ]。工程系统中存在大量具有离散和整数设计变量的多学科设计优化问题。并且在连续设计变量问题中, 设计空间有可能是非凸的甚至是不连通的。对于这样的问题, 现有的 MDO算法将难于处理[3 ]现有的MDO算法倾向于收敛到接近初始点的局部最优点[3 ]。另外, 现有的MDO算法倾向于收敛到接近初始点的局部最优点[3]（导弹总体参数优化。。。——陈琪峰）对系统解耦和优化问题分解方法的不同构成了多种MDO方法（基于近似技术的导弹。。。——葛杰）包括三种基本的优化方法: 标准优化方法、同步分析设计方法、分布式并行优化方法。（基于多学科设计优化的飞航导弹。。。——蒙文巩）目前主要的MDO算法有以下几种:（多学科优化设计在航空。。。——李哲）(1) 单级优化单级优化法是采用单学科优化的方法,主要包括:标准的系统级优化算法;基于 GSE的单级优化算法;一致性约束优化算法。在优化设计中各学科的分析计算只是被集合到一起形成系统性的分析,与传统的单学科优化算法没有本质的区别,因此并不是完全意义上的MDO算法。通常所说的一体化设计都指这种算法。（多学科设计优化算法及其在飞行器。。。——余雄庆）(1)标准的系统级优化算法　Grossman 等人用这种算法对滑翔机机翼进行气动/结构/性能一体化分析和设计[ 6]。Kor te等用这种算法对推进系统气动/结构一体化设计[ 7]。(2)基于GSE的单级优化算法　为了解决耦合系统敏感分析问题, J. Sobieski提出了全局敏感方程( Global Sensitivity Equations,简称GSE)。Hajela等利用全局敏感方程探索了通用航空飞机气动/性能/结构/控制一体化设计的方法[ 11]。(3)一致性约束优化算法Kroo等应用这种算法将飞机总体设计程序包PASS 进行改造[14]。(2) 序列优化序列优化就是依次进行单学科优化,计算系统性能,然后循环,直至收敛。在分析过程中各学科进行优化的目标函数按照对系统目标函数有利的原则选取。(3) 并行子空间优化并行子空间优化算法中系统的设计变量和状态变量被分配到各子空间，大的优化问题被分为许多小的优化问题，而这些子空间优化问题均使用系统的约束条件和目标函数。这种优化算法最初由Sobieski提出，后经Renaud和Batill改进和发展。目前主要包括：基于敏感性分析的并行子空间优化算法；改进的基于敏感性分析的CSSO算法；基于响应面的CSSO算法。（多学科设计优化研究进展——王奕首）目前可以采用更好的人工智能方法实现,例如 Sellar[6]化方法进行了改进和发展,将响应面方法、—对并行子空间优神经网络技术等与CSSO结合,得到了 CSSO 的不同演变形式;Sobieski等人在1998 年提出了两级 MDO 分解方法——BLISS(Bi-Level) ,以解决多于20个变量时CSSO的计算困难问题。CSSO在工程上得到较为成功的应用,例如在CSSO框架上提出了一个并1999年Batill等人[7 ]行子空间(CSD)的多学科设计框架(如图 1) ,用于无人太空探测器的初步设计优化,开发了采用多学科系统分析解决此类问题的优化设计。CSD 框架利用基于响应面的神经网络提供一个近似的设计空间。这种方法用于一系列航天器的有关设计,表明了该方法可显著减少系统质量,并具有自适应特征,可进行多样性设计(diversity design) 。余雄庆等人[8 ]对CSSO算法进行了很好的综述,并提及利用CSD设计方法进行无人飞行器的设计。CSSO算法的局限性在于设计变量变化范围小,且各子空间中变量不能重叠交换,割裂了子系统之间的耦合关系;由于CSSO基于全局敏感方程,一般只适用于连续设计变量的多学科设计优化。（飞机概念设计的多学科。。。——张科施）它不存在协同优化算法[ 5]解一致性约束的困难,因此迭代次数少。（多学科设计优化研究及发展趋势分析——高丽）根据构建模型的不同，目前CSSO方法主要有基于敏感性分析的CSSO方法和基于响应面的CSSO方法。Seller 等将基于响应面的CSSO 算法用于简化的通用航空飞机和旋翼机初步设计问题[14 ]，Seller等人还将神经网络技术引入该算法中。Dason等采用CSSO算法开发了多学科优化设计软件SYSOPT。但是CSSO在实际问题中的应用表明，对于子系统设计变量超过20的问题，其求解效率很低[16]，并且许多算例表明其不一定能保证收敛，会出现振荡线性。响应面方法给MDO带来的一个优点是可以消除系统分析的数值噪声[17]，基于神经网络的响