请求处理中...
中国领先的新型创意服务交易平台
优化设计方法的分类及特点
发布时间： 16:31:53 &&&&阅读次数：次&&&&评论数：0次&&
字体：[&&&&&&]
正所谓，条条大道通罗马，大多数问题的解决方法应该都是多样性的，优化设计方法也一样。外行的人可能以为方法只有区区一种，其实不是这样子的，优化设计方法有很多种，包括无约束优化设计法，约束优化设计法，遗传算法，蚁群算法和模拟退火算法。每一种方法都是一种能使设计更加优化的方法，有着其自身独特的特点，下面我们将一一说明：
无约束优化设计法：无约束优化设计是没有约束函数的优化设计。无约束可以分为两类，一类是利用目标函数的一阶或二阶导数的无约束优化方法，如最速下降法、共轭梯度法、牛顿法及变尺度法等。另一类是只利用目标函数值的无约束优化方法，如坐标轮换法、单形替换法及鲍威尔法等。此法具有计算效率高、稳定性好等优点。
约束优化设计法：优化设计问题大多数是约束的优化问题，根据处理约束条件的方法的不同可分为直接法和间接法。直接法常见的方法有复合形法、约束坐标轮换法和网络法等。其内涵是构造一个迭代过程，使每次的迭代点都在可行域中，同时逐步降低目标函数值，直到求得最优解。间接法常见的有惩罚函数法、增广乘子法。它是将约束优化问题转化成无约束优化问题，再通过无约束优化方法来求解，或者非线性优化问题转化成线性规划问题来处理。
遗传算法：遗传算法(Genetic Algorithm简称GA)，是20世纪70年代初期由美国密执根(Michigan)大学霍兰(Holland)教授提出的一种全新概率优化方法。GA是一种非确定性的拟自然算法，它仿造自然界生物进化的规律，对一个随机产生的群体进行繁殖演变和自然选择，适者生存，不适者淘汰，如此循环往复，使群体素质和群体中个体的素质不断演化，最终收敛于全局最优解。遗传算法具有鲁棒性、自适应性、全局优化性和隐含并行性。主要应用领域有：函数优化方面、组合优化、机器学习、控制方面、图像处理、故障诊断、人工生命、神经网络等最近几年中遗传算法在机械工程领域也开展了多方面的应用，主要表现在：
(1)机械结构优化设计：针对简单遗传算法中的线性适应度、恒定交叉与变异概率等不能动态地适应整个寻优过程，提出采用非线性适应度与自适应交叉、变异概率的改进遗传算法，此算法为解决工程结构优化设计、多峰值函数求极值等问题提供了参考。
(2)可靠性分析：以框架结构系统的可靠性分析为基础，提出框架结构系统可靠性优化的遗传算法。
(3)故障诊断：以网络权重和偏差的实数形式作为基因构成染色体向量，采用基因多点交叉和动态变异进行种群最优选择，提出了一种新的遗传算法，并在此基础上设计出一种基于遗传算法和溶解气体分析的变压器故障在线诊断系统。
(4)参数辨识：在现有T-S模糊模型参数辨识方法的基础上，提出了一种先应用最小二乘法对结论参数进行粗略辨识，以确定参数的大致范围之后，再应用遗传算法对前提参数和结论参数同时优化的参数辨识方法。
(5)机械方案设计：通过把机械方案设计过程看作是一个状态空间的求解问题，用遗传算法控制其搜索过程，构建完善了新的遗传编码体系，为了适应新的编码体系重新构建了交叉和变异等遗传操作，并利用复制、交换和变异等操作进行一次次迭代，最终自动生成一组最优的设计方案。
此外，GA还应用在模糊逻辑控制器(FLC)、机器人运动学、反求工程、节能设计、复合材料优化、金属成形优化、数控加工误差自适应预报控制等方面。
遗传算法尽管已解决了许多难题，但还存在许多问题，如算法本身的参数优化问题、如何避免过早收敛、如何改进操作手段或引入新的操作来提高算法的效率、遗传算法与其它优化算法的结合问题等。用遗传算法求解约束优化问题时，一般采用惩罚函数法，如何合理的选择惩罚因子是算法的难点之所在。惩罚因子取得过小时，可能造成整个罚函数的极小解不是原目标函数的极小解;惩罚因子取得过大时，有可能在可行域外造成多个局部极值点，给搜索过程增加困难。但从检索情况看，对有关遗传算法应用时处理约束的通用、高效、稳健的方法研究，几乎无人涉及。所以，为了确保GA在求解约束优化问题时能发挥所长，对遗传算法解约束优化问题的方法仍需进一步的研究。
蚁群算法：蚁群算法(Ant Colony Algorithm简称ACA)，是受自然界中真实蚁群的集体行为的启发而提出的一种基于群体的模拟进化算法，是1991年由意大利学者M.Dorigo等人首先提出，通过人工模拟蚂蚁搜索食物的过程来求解旅行商问题(TSP)。蚁群算法对系统优化问题的数学模型没有很高的要求，只要可以显式表达即可，避免了导数等数学信息，使得优化过程更加简单，遍历性更好，适合非线性问题的求解。主要应用在：旅行商问题(TSP)、二次分配问题(QAP)、车间任务调度问题(JSP)、车辆路线问题(VRP)、图着色问题(GCP)、有序排列问题(SOP)、机构同构判定问题、数据的特征聚类过程、集成电路布线设计、电信路由控制、交通建模及规划等的求解。
虽然蚁群算法具有正反馈选择、并行计算、群体合作三大优点，但是也存在着需要较长的搜索时间和容易出现“停滞”现象两大缺陷。吴庆洪等从遗传算法中变异算子的作用得到启发，在蚁群算法中采用了逆转变异机制，进而提出了一种具有变异特征的蚁群算法。应用改进型蚁群算法解决车间作业调度问题，在原有标准蚁群算法的基础上采用了新的状态转移规则，讨论了各种不同的轨迹更新规则对仿真结果的影响，并通过统计数据验证了改进型蚁群算法优于标准的蚁群优化算法。
模拟退火算法：模拟退火算法(Simulated Annealing简称SA)，最早的思想由Metropolis在1953年提出，Kirkpatrick在1983年成功地应用在组合最优化问题。SA是一个全局最优算法，以优化问题的求解与物理系统退火过程的相似性为基础，利用Metropolis算法并适当的控制温度的下降过程实现模拟退火，从而达到求解全局优化问题的目的。模拟退火算法是一种通用的优化算法，用以求解不同的非线性问题;对不可微甚至不连续的函数优化，能以较大概率求得全局优化解;具有较强的鲁棒性、全局收敛性、隐含并行性及广泛的适应性;并且能处理不同类型的优化设计变量(离散的、连续的和混合型的);不需要任何的辅助信息，对目标函数和约束函数没有任何要求。目前已在工程中得到了广泛的应用，诸如VLSI生产调度、控制工程、机器学习、神经网络、图像处理、数值分析等领域。
模拟退火算法虽然能够以随机搜索技术从概率意义上找出目标函数的全局最优点，但其计算时间长、效果较低。针对算法的“先天性不足”，在确保一定要求的优化质量基础上，对算法进行改进和升级，也可结合其它算法，混合优化SA算法。将隐含使用目标函数梯度信息、迅速收敛的下降的单纯形算法与模拟退火算法相融合，提出了一种混合优化算法，能有效地进行全局寻优。
一品威客网为你提供的方法分类大致有五种，每一种都做了详细说明。像是模拟退火算法的来源和发展史及其特点，我们都有做说明，希望能给那些想往优化设计方面发展的人提供一些指导。盲目地做一件事情是很难成功的，既然有方法给我们作为依据，我们就可以按照方法来做。
除非注明，文章均为(一品威客网 )原创，转载请保留链接:
小编介绍：是一品威客资深小编，从事编辑工作多年，创作和整理了近万篇优质文章。如果您对“优化设计方法的分类及特点”有其它疑问或见解，可以联系，共同探讨，相互学习，可以通过下面的方式与之联系。
擅长领域：
机械设计微博
机械设计QQ
机械设计博客
机械设计QQ群
您有类似需求？1发布一个任务2百万威客响应3选择满意方案4确认并付款
最新相关任务推荐
热门服务推荐
买创意，买服务，上一品
选择更多，超900万威客人才随您挑
相关百科推荐
相关人才推荐
成功雇主优秀威客
乌篷船， 撑绣框。 千层袼褙， 争拈小笔， 一袭烟雨枕水乡。 美美美~仿佛把我们的...
要问这个冬天一品君最自豪的是什么？一品君一定会大声吼出来，那就是养膘成功啦~~~（内...
我是紫彧营销的创始人王琳CACY。 王琳 创立紫彧完全是人生中的意外。两年前作为...
成功案例展示区
餐厅LOGO设计(急)
急征团购网站LOGO设计
主题“轻松租”LOGO设计
大摩西点logo设计
卡片卡通头像设计
阀门厂个人名片设计
卡通形象设计
画两幅普通的小插图
客厅设计并制作一个3D效果图
农村连体别墅建筑设计图纸
瑞嘉地板专卖店效果图简意施工图设计
富有花园样板间空间设计大赛
热门关注TOP10
Copyright (C) 2010- 版权所有 备案：闽ICP备号
服务热线：400-92-5997736 地址：厦门市集美区软件园三期起步区诚毅大街359号A区02栋五楼
联系客服：在线：8:30-22:00
400-(免长途费)
您还可以拨打： 或留下联系方式，我们主动联系您
客诉主管 李林祥
CEO 黄国华
产品总监 冯梅
联系客服：在线：8:30-22:00
400-(免长途费)
您还可以拨打： 或留下联系方式，我们主动联系您
一品官方微信
每日推·十条订单发任务·创意极速
您还可以关注一品新浪微博
投诉维权监督
固话：400-
微信：xiang138602
客诉主管 李林祥
CEO 黄国华
产品总监 冯梅工具类服务
编辑部专用服务
作者专用服务
有切角三角门船闸闸首结构优化设计
针对船闸闸首结构建模复杂、工作量大的特点,通过Vb语言和Fortran语言实现了船闸的参数化建模和自动剖分,并在此基础上采用粒子群优化算法,开发了有切角三角门船闸闸首结构优化系统.在工程实例中,以混凝土使用量最小为目标函数,验证了该优化系统的正确性和实用性,计算结果可为船闸的设计提供参考.
JIANG Nian-tang
WANG Jin-xi
作者单位：
河海大学水利水电学院,江苏南京,210098
年，卷(期)：
机标分类号：
在线出版日期：
基金项目：
江苏省交通科学研究计划项目，南通市科技项目
本文读者也读过
相关检索词
万方数据知识服务平台--国家科技支撑计划资助项目（编号：2006BAH03B01）(C)北京万方数据股份有限公司
万方数据电子出版社有限元结构优化相关理论
有限元结构优化相关理论
参考资料：
ONLINE有限元在线的新浪博客
[2]文中ANSYS命令流为百度文库的文件
[3]百度文库的文件中的Topology和Shape优化指南&
优化设计是一种寻找确定最优设计方案的技术。所谓“最优设计”，指的是一种方案可以满足所有的设计要求，而且所需的支出（如重量，面积，体积，应力，费用等）最小。也就是说，最优设计方案就是一个最有效率的方案。
ANSYS与Abaqus在优化设计方面不完全一样，下面分别介绍。
1ANSYS优化设计
ANSYS程序提供了两种优化的方法，这两种方法可以处理绝大多数的优化问题。零阶方法是一个很完善的处理方法，可以很有效地处理大多数的工程问题。一阶方法基于目标函数对设计变量的敏感程度，因此更加适合于精确的优化分析。
设计变量：优化结果的取得就是通过改变设计变量的数值来实现的
状态变量：约束设计的数值
目标函数：设计变量的函数，也就是说，改变设计变量的数值将改变目标函数的数值。
设计变量，状态变量和目标函数总称为优化变量。
分析文件：命令流输入文件，包括一个完整的分析过程（前处理，求解，后处理）。它必须包含一个参数化的模型，用参数定义模型并指出设计变量，状态变量和目标函数。
一次循环：指一个分析周期，可以理解为执行一次分析文件。
优化数据库：优化数据库记录当前的优化环境，包括优化变量定义，参数，所有优化设定，和设计序列集合。
（1）生成循环所用的分析文件
该文件必须包括整个分析的过程。可以对设计的任何方面进行优化：尺寸，形状，材料性质，支撑位置，所加载荷等，唯一要求就是将其参数化。设计变量可以在程序的任何部分初始化，一般是在PREP7中定义。这些变量的初值只是在设计计算的开始用得到，在优化循环过程中会被改变。
建模求解如下：
H=1000&&&&&&
TK16=6.35/H !设置参数变量并附初值
TK27=6.35/H
TK38=6.35/H
TK49=6.35/H
ET,1,PLANE42
MP,EX,1,6.89E10
MP,NUXY,1,0.3
!&&&&&&&&&
在第1至第5个关键点之间生成2,3,4关键点
K,7,63.5/H,TK27
K,8,127/H,TK38
K,9,190.5/H,TK49
K,10,254/H,TK50
SPLINE,6,7,8,9,10
LSEL,S,LINE,,5,9&
LESIZE,ALL,,,1
A,4,5,10,9
NSEL,S,LOC,Y
DSYM,SYMM,X&&
!对选择的节点施加x方向的对称约束
NSEL,S,LOC,X
DSYM,ASYM,Y !对选择的节点施加x方向的反对称约束
FK,10,FX,66725*4 !在10号关键点施加集中载荷，实现弯矩
DK,1,ALL,0&&&
!在1号关键点施加全约束
第一主应力结果如下：
（2）在ANSYS数据库里建立与分析文件中变量相对应的参数
提取结果并赋值给相应的参数。这些参数一般为状态变量和目标函数。提取数据的操作用*GET命令（Utility
Menu&Parameters&Get Scalar Data）实现。通常用POST1来完成本步操作，特别是涉及到数据的存储，加减或其他操作。
ETABLE,EVOL,VOLU&&&&&&
!建立单元表，并取出每个单元的体积EVOL=每个单元的体积
PRNSOL,S,PRIN !列出节点的主应力
NSEL,U,LOC,X,0,230/H
!选择介于0到230/H的节点
*GET,STRS,SORT,,MAX&&
!取出最大的应力值并赋给strs
SSUM&&&&&&&&&&&&&&&&
*get,TVOL,ssum,,item,EVOL
!取出结构总体积
TVOL=TVOL*2 !由于分析时只计算了结构的一半，总体积要乘2
NSEL,U,LOC,X,250/H,265/H
!选择介于250/H到265/H的节点
PRNSOL,U,Y&
!列表显示出所选节点在y向的位移值
NSORT,U,Y,,1&&
!位移值升序排列
PRNSOL,U,Y !列出排序后的结果
*GET,DEFL,SORT,,MAX
!取出最大的位移值赋给defl
*STATUS,PARM !显示当前参数变量的状态值
DEFL=ABS(DEFL)
DIF1=TK16-TK27 !设置参数值，以保证曲线的光滑性
DIF2=TK27-TK38
DIF3=TK38-TK49
lgwrite,scratch,lgw&&&&&&&&
!将数据命令写成logfile
LGWRITE将数据库内部的命令流写到文件Jobname.LGW中。内部命令流包含了生成当前模型所用的所有命令。
（3）进入OPT，指定分析文件
opanl,scratch,lgw&&&&&&&&&&
!指定分析文件
（4）声明优化变量
允许有不超过60个设计变量和不超过100个状态变量，但只能有一个目标函数。对于设计变量和状态变量可以定义最大和最小值。目标函数不需要给定范围。每一个变量都有一个公差值，这个公差值可以由用户输入，也可以选择由程序计算得出，程序计算按照0.01x（max-min）。
opvar,TVOL,Obj,,,1/H&&&&&&&&&&&&
!定义优化目标函数,收敛误差为1，结构总体积TVOL为目标函数
opvar,STRS,sv,,206E6&&&&&&&&&&&&
!定义状态变量即优化过程的约束条件，范围为0到12.5/H
opvar,DEFL,sv,,12.5/H&&&&&&&&&&&
opvar,DIF1,sv,,1/H
opvar,DIF2,sv,,1/H
opvar,DIF3,sv,,1/H
opvar,TK16,dv,4/H,7/H&&&&&&&&&&
!定义设计变量及其变化范围为4/H到7/H
opvar,TK27,dv,4/H,7/H
opvar,TK38,dv,4/H,7/H&&&&&&&&&&
opvar,TK49,dv,4/H,7/H
opsave,INITIAL,opt&&&&&&&&&&&&&
!保存所有的优化数据到文件optp里
（5）选择优化工具或优化方法
优化方法是使单个函数（目标函数）在控制条件下达到最小值的传统化的方法。有两种方法是可用的：零阶方法和一阶方法。
零阶方法（直接法）：这是一个完善的零阶方法，使用所有因变量（状态变量和目标函数）的逼近。该方法是通用的方法，可以有效的处理绝大多数的工程问题。
一阶方法（间接法）：本方法使用偏导数，即，使用因变量的一阶偏导数。此方法精度很高，尤其是在因变量变化很大，设计空间也相对较大时。但是，消耗的机时较多。
optype,SUBP&&&&&&&&&&&&&&&&&&&&
!设置优化方式,子问题逼近算法,零阶算法
（6）指定优化循环控制方式
每种优化方法和工具都有相应的循环控制参数，比如最大迭代次数等。
OPSUBP,30&&&&&&&&&&&&&&&&&&&&&&
!指定迭代次数
（7）进行优化分析
在OPEXE执行时，优化循环文件（Jobname.LOOP）会根据分析文件生成。所有优化变量和其他参数在每次迭代后将存储在优化数据文件(Jobname.OPT)中。
opexe&&&&&&&&&&&&&&&&&&&&&&&&&&
（8）看设计序列结果（OPT）和后处理（POST1/POST26）
PARSAV,,RSET1&&&&&&&&&&&&&&&&&&
!将参数的值输出到文件中且文件名为rset1
oplist,all,,1&&&&&&&&&&&&&&&&&&
!列表显示所有序列
/AXLAB,Y,TVOL&&&&&&&&&&&&&&&&&&
!设置曲线输出时y轴的说明
plvaropt,TVOL&&&&&&&&&&&&&&&&&&
!绘图显示目标函数随优化次数的变化规律
PLNSOL,U,SUM,0,1 !显示结构在优化后的总位移分布
PLNSOL,S,EQV,0,1 !显示结构在优化后的应力分布
部分优化序列如图2：
目标变量随迭代的变化如图3：
优化后的总位移分布如图4：
优化后的应力分布如图5：
2 Abaqus优化设计
结构的优化设计包括拓扑优化、形状优化和尺寸优化，其对于的设计阶段如图6所示。
结构优化的三个阶段
尺寸优化：在保持结构的形状和拓扑结构不变的情况下，寻求结构组件的最佳截面尺寸以及最佳材料性能的组合关系，优化截面的最优面积（如桁架），选择板的最佳厚度等。其特点是设计变量容易表达，求解理论和方法成熟。如图7所示。
尺寸优化过程
形状优化：优化结构的结构拓扑关系保持不变，而设计域的形状和边界发生变化，寻求结构最理想的边界和几何形状，在骨架结构中表现为优化节点的最优位置，在实体结构中表现为对结构的边界形状进行优化。目前有关形状优化部分的研究已取得较大进展。如图8。
形状优化过程
拓扑优化：在一个确定的连续区域内寻求结构内部非实体区域位置和数量的最佳配置，寻求结构中的构件布局及节点联结方式最优化，使结构能在满足应力、位移等约束条件下，将外载荷传递到结构支撑位置，同时使结构的某种性态指标达到最优。在连续体Ω上选出一个子集Ωm，使之满足目标函数及约束条件。如图9。
目前在Abaqus6.13中依然只有拓扑优化和形状优化，并没有尺寸优化，而在ANSYS中没有具体明确尺寸优化、拓扑优化和形状优化，因此从所有的ANSYS优化过程来看，其实应该属于尺寸优化，几乎所有的文献中所做的优化均是指定一些尺寸变量作为优化参数以使优化目标最佳。
Abaqus目前还没有尺寸优化，因而其优化应用范围较狭窄。
Abaqus中很多的概念和ANSYS一样，但是很明显形状优化和拓扑优化的优化范围更广，并不局限于几个尺寸参数，因而涉及到的内容很多，过程也较为复杂。
因此，当只需要对某一结构的其中一些尺寸参数进行优化，也即是参数化优化，采用Abaqus目前还是不太可能，可以采用ANSYS或者Workbench进行优化分析。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。503 Service Temporarily Unavailable
503 Service Temporarily Unavailable
nginx/0.8.54}