針對現(xiàn)有船舶操縱性優(yōu)化算法收斂性不高的問題,將基于分解的多目標進化算法應(yīng)用到船舶設(shè)計中,本文提出一種船舶操縱性設(shè)計的約束多目標進化算法。建立了以直線穩(wěn)定性和相對回轉(zhuǎn)直徑為目標的優(yōu)化模型,采用基于分解的多目標進化算法框架,結(jié)合優(yōu)秀不可行解改進了差分算子;其次,充分利用優(yōu)秀不可行解,設(shè)計了新的個體選擇準則。將本文算法與另外3種船舶操縱性優(yōu)化算法進行對比,該算法可以提供更多的設(shè)計方案,且設(shè)計方案收斂性更好。 

【文章頁數(shù)】：7 頁

【文章目錄】：
1 船舶操縱性優(yōu)化的數(shù)學(xué)模型
    1.1 設(shè)計變量
    1.2 目標函數(shù)
    1.3 約束條件
    1.4 船舶操縱性優(yōu)化數(shù)學(xué)模型
2 船舶操縱性優(yōu)化的約束多目標進化算法
    2.1 基于分解的多目標進化算法框架
    2.2 改進差分變異策略
    2.3 提出個體選擇策略
    2.4 船舶操縱性優(yōu)化實現(xiàn)流程
        1)初始化階段。
        2)進化階段。
        3)更新階段。
        4)判斷終止條件。
        5)輸出。
3 仿真實驗與結(jié)果分析
    3.1 實驗參數(shù)設(shè)置
    3.2 對比結(jié)果分析
4 結(jié)論


【參考文獻】：
期刊論文
[1]船舶操縱性優(yōu)化的約束多目標進化算法[J]. 劉冰潔,畢曉君.  哈爾濱工程大學(xué)學(xué)報. 2020(09)
[2]基于水動力性能優(yōu)化的船型設(shè)計研究進展[J]. 萬德成,繆愛琴,趙敏.  水動力學(xué)研究與進展（A輯）. 2019(06)
[3]基于MOEA/D的船舶水動力性能優(yōu)化[J]. 畢曉君,王朝.  哈爾濱工程大學(xué)學(xué)報. 2018(10)
[4]大型船舶操縱指數(shù)的最優(yōu)選取仿真研究[J]. 王珍.  艦船科學(xué)技術(shù). 2018(10)
[5]基于重新匹配策略的ε約束多目標分解優(yōu)化算法[J]. 張磊,畢曉君,王艷嬌.  電子學(xué)報. 2018(05)
[6]基于目標分流方法的船舶概念方案多學(xué)科設(shè)計優(yōu)化[J]. 王健,謝偉,王濤,劉曉軍.  中國艦船研究. 2017(05)
[7]一種基于反向?qū)W習(xí)的約束差分進化算法[J]. 魏文紅,周建龍,陶銘,袁華強.  電子學(xué)報. 2016(02)
[8]船舶水動力性能的多目標優(yōu)化方法[J]. 胡騰飛,王先洲,劉平,張志國,馮大奎.  艦船科學(xué)技術(shù). 2014(06)
[9]船舶概念設(shè)計階段的多目標優(yōu)化與決策[J]. 胡翩.  計算機與數(shù)字工程. 2014(03)
[10]基于自適應(yīng)加權(quán)的船舶操縱性能多目標優(yōu)化[J]. 周奇,陳立,周猛猛,許輝,黃衛(wèi)剛.  艦船電子工程. 2014(02)



本文編號：3705432