高占鋒

摘 要：本文從經(jīng)典優(yōu)化算法、啟發(fā)式優(yōu)化算法等兩個方面綜述了船舶結構優(yōu)化設計方法的內(nèi)容、優(yōu)點和不足，指出了啟發(fā)式算法較經(jīng)典算法更適合船舶的結構設計優(yōu)化。并提出了動態(tài)代理模型是彌補啟發(fā)式算法耗時過久的不足，也是當前船舶優(yōu)化設計的研究重點，在指導實踐研究具有積極的現(xiàn)實意義。

關鍵詞：船舶結構；優(yōu)化設計；啟發(fā)式算法；經(jīng)典優(yōu)化

中圖分類號：U663 文獻標識碼：A 文章編號：1006—7973（2017）11-0038-02

船舶結構優(yōu)化設計是指能夠滿足其強度、剛度、穩(wěn)性、頻率和建造等約束條件下，借助計算機編程和數(shù)學方法，對船舶的形式、布局和尺寸等結構參數(shù)進行優(yōu)化，使船舶結構重量、布局等目標值達到一種最優(yōu)化的技術。船舶結構優(yōu)化設計是基于船舶結構與水介質耦合動力學等知識，用以改善船舶的運動性能和結構安全性等，其優(yōu)化的目標是追求最小的重量結構，滿足最優(yōu)的動力或靜力形態(tài)特性，設計和建造出最合理的船舶框架形式和結構尺寸，在滿足強度、穩(wěn)性、頻率等設計約束條件基礎上得出一個在力學性能、工藝性能、經(jīng)濟性能以及使用性能等方面的最優(yōu)設計方案。船舶結構優(yōu)化設計包括尺寸、形狀和拓撲優(yōu)化三個層次。

常用的船舶結構優(yōu)化設計方法主要有經(jīng)典優(yōu)化算法（如準則法、數(shù)學規(guī)劃法等）、啟發(fā)式優(yōu)化算法（如遺傳算法和蟻群算法等），以及基于代理模型的優(yōu)化算法。具體選用何種優(yōu)化算法則主要是根據(jù)設計船舶的結構求解方法的不同而不同。

1 經(jīng)典優(yōu)化設計方法

移準則創(chuàng)建優(yōu)化設計迭代的方法，主要是針對一個約束、一組載荷運用拉格朗日乘子法或能量法來推算出完全正確的迭代式。當船舶需要較大外載時，或者出現(xiàn)較多的位移時，便可以應用“包絡法”作出相應的處理。位移準則法對船舶的剛度優(yōu)化設計方面應用較廣。

（2）數(shù)學規(guī)劃法。數(shù)學規(guī)劃法是在準則法發(fā)展到一定階段，根據(jù)數(shù)學規(guī)劃的結構優(yōu)化，以規(guī)劃論為基礎，可用于求解不同性質的船舶優(yōu)化問題。其中，最為典型的是多目標模糊優(yōu)化設計法。雖然，目標函數(shù)和約束條件是預先按照規(guī)定確定的，但在實際設計和建造過程中，船舶結構中的優(yōu)化設計過程、約束條件，以及相應的評價指標是較為模糊的因子，將這些模糊因子進一步地優(yōu)化，則必須要通過模糊數(shù)學方法來實現(xiàn)其各個目標的優(yōu)化設計。

（3）經(jīng)典優(yōu)化算法優(yōu)勢及不足。①準則法優(yōu)化船舶設計具有收斂速度快，與優(yōu)化問題的規(guī)模關系不大，重分析次數(shù)與設計變量數(shù)目沒有直接關系；但不足之處是適用于結構布局及幾何形狀已經(jīng)預先設定的前提下，所要達到的設計只是理論上接近最優(yōu)狀態(tài)。②經(jīng)典優(yōu)化算法基于梯度信息最速下降法，但在船舶設計和建造過程中梯度信息難以完全掌握，這也是在一定程度上限制了經(jīng)典優(yōu)化算法在船舶優(yōu)化設計中的應用。③經(jīng)典優(yōu)化算法對于連續(xù)變量的優(yōu)化較為適用，但對船舶的結構優(yōu)化過程中所出現(xiàn)的離散變量的優(yōu)化問題適應性較弱。

2 啟發(fā)式優(yōu)化設計方法

隨著船舶行業(yè)的快速發(fā)展，大型化船舶不斷地被設計和建造出來，對于船舶的結構優(yōu)化的要求也越來越高，板架、橫剖面、艙段甚至是整個船體都被提出了優(yōu)化設計要求，設計變量增多、約束條件以及目標函數(shù)等非線性程度增大，優(yōu)化問題呈現(xiàn)出多峰、高維和高非線性特點。于是出現(xiàn)了遺傳優(yōu)化設計方法和蟻群優(yōu)化設計等新的優(yōu)化設計方法，進一步提升了船舶的結構優(yōu)化成效。

（1）遺傳算法（GA）。遺傳優(yōu)化設計方法是模擬生物遺傳進行原理所采取的一種新的船舶結構優(yōu)化方法。它的基本處理流程是：設計參數(shù)編碼和生成初始群體，設定初始群體，并通過適合度函數(shù)的設計，評估群體中的個體適合度，再進行遺傳操作設計和參數(shù)控制，通過繁殖、交叉以及變異等構成GA主要操作算子。與傳統(tǒng)結構優(yōu)化方法相比，遺傳計算方法具有簡單通用和魯棒性強的特點，不依賴于梯度信息，無需與導數(shù)相關的資料，運用目標函數(shù)的處罰函數(shù)方式，將原先的不足轉化成為沒有約束的問題，效仿生物進化環(huán)節(jié)中最為重要的三個遺傳三子：繁殖、交叉以及變異。適用于處理各種傳統(tǒng)搜索方法無法解決的非線性領域，被廣泛應用于工程和船舶結構優(yōu)化等領域。湯金敏將遺傳算法應用到船舶推進軸系統(tǒng)的優(yōu)化校中，以6500DWT雜貨船軸系為研究對象，將遺傳算法應用軸系結構優(yōu)化中，軸系簡化為40個節(jié)點、39個梁單元，優(yōu)化后艉管后軸承的載荷減小幅度很大，提升了軸系運行的安全性能。

（2）蟻群算法（ACO）。蟻群算法是應用組合優(yōu)化問題的啟發(fā)式隨機搜索算法，它是對自然界中螞蟻的尋徑方式進行模擬所得出的一種仿生算法，用來在圖中尋找優(yōu)化路徑的幾率型算法，與其他算法相比，蟻群算法在發(fā)現(xiàn)最優(yōu)解方面具有明顯優(yōu)勢。在實際應用中，在求解節(jié)點樹為5-100的組合優(yōu)化方面，選用合適的參數(shù)，蟻群算法的優(yōu)化結果要明顯優(yōu)于遺傳算法、進化算法以及模擬退火算法等。蟻群算法主要由信息素的更新和路徑構建量方面組成，其中，信息素越多，路徑被選擇的概率就會增加。其基本流程是：算法參數(shù)和信息素矩陣的初始化、對所有路徑對應的目標函數(shù)進行質量評估，通過信息素的更新將搜索范圍縮小到少數(shù)、具有較大潛力的路徑上，最后是利用概率選擇機制重構路徑。陳強等人，利用蟻群算法，對長江干散貨船中部結構進行了優(yōu)化設計，優(yōu)化后比原始設計重量減少了20.6%，優(yōu)化后船舶結構更趨合理。

（3）啟發(fā)式優(yōu)化設計方法優(yōu)勢及不足。啟發(fā)式算法除了遺傳算法、蟻群算法外，還有模擬退火算法、粒子群算法等。啟發(fā)式優(yōu)化算法較經(jīng)典優(yōu)化算法逐漸被更為廣泛的應用，其主要原因在于：①啟發(fā)式算法在船舶優(yōu)化設計中不需要目標函數(shù)導數(shù)的有關信息，只需要在迭代過程中應用到相應的目標函數(shù)值即可，因此，更適合船舶結構的優(yōu)化設計；②啟發(fā)式算法全局搜索能力更強，設計者不需要關注初始點節(jié)點優(yōu)劣，尋優(yōu)結果不依賴于初始點的設計，應用效率大為提升；③啟發(fā)式算法在高維、多峰、高非線性方面優(yōu)化能力更強，進一步提升了復雜的船舶結構優(yōu)化設計處理能力；④對于船舶優(yōu)化設計中的離散設計變量求解方面具有較好效果。雖然起發(fā)式算法較經(jīng)典式優(yōu)化算法應用更為更廣，但其自身也有一些不足和局限：首先表現(xiàn)要面對的問題就是啟發(fā)式算法“早熟”，即在尋優(yōu)過程中難以跳出對船舶某個結構或局部過早集中的現(xiàn)象；其次是要面對啟發(fā)式算法算量過大問題。無論是遺傳算法還是蟻群算法，都采用的是依靠“群體”概率化尋優(yōu)模式，導致后期計算量巨大，增加了工作量，有時需要對成百上千的目標值進行計算，一次有限元分析短則幾分鐘，最長甚至需要幾天時間。相對不同結構的優(yōu)化效果十分明顯，但對于復雜結構的優(yōu)化過程耗時太長。

3 結語

隨著船舶設計結構朝著大型化、復雜化的方向發(fā)展，船舶結構的設計、建造優(yōu)化具有十分廣闊的市場應用空間，能夠節(jié)省建造成本，提高船舶的應用效率。對于上述幾種優(yōu)化方法比較來看，啟發(fā)式算法目前較為成熟。針對啟發(fā)式算法耗時過長等不足，代理模型技術是彌補這一短板的重要工具，采用靜態(tài)或動態(tài)代理模型能夠提升啟發(fā)式算法效率不高等難題，也是研究的重點。隨著優(yōu)化算法的研究深入，目前有限元計算逐漸成為船舶優(yōu)化設計的主要應用方法之一，無論是局部優(yōu)化設計還是整體模塊的優(yōu)化，基于有限元分析成為發(fā)展的主要趨勢。

參考文獻：

[1]湯金敏.基于遺傳算法的船舶推進軸系優(yōu)化校中研究[J]湖南交通科技，2007，33（3）：131-134

[2]陳強，劉家新.基于蟻群算法的長江干散貨船中部結構優(yōu)化設計研究[J]船舶工程，2012，41（5）：47-50endprint