多目标遗传算法优化水面船舶设计
需积分: 9 40 浏览量
更新于2024-08-11
收藏 354KB PDF 举报
"这篇论文是2008年发表在《江苏科技大学学报(自然科学版)》第22卷第5期,作者李学斌,主题涉及船舶设计、快速性优化以及多目标遗传算法的应用。文章探讨了在船舶概念设计阶段如何通过优化技术解决船、机、桨匹配的问题,以提高推进系统的综合效率和减少排水量。通过实例展示了对一艘35000吨油船的快速性优化设计,证明了多目标遗传算法在全局最优解搜索上的有效性。"
在船舶设计中,船、机、桨的匹配问题是决定船舶性能的关键因素之一。快速性良好的船舶不仅需要考虑船体的设计,还要确保主机和螺旋桨的性能能够协同工作,达到最佳的推进效果。传统的设计方法可能无法兼顾多个目标,如效率与排水量的平衡,而多目标优化算法则为此类问题提供了新的解决方案。
多目标遗传算法(Multi-objective Genetic Algorithm, MOGA)是一种基于生物进化理论的优化工具,尤其适合处理具有多个相互冲突目标的复杂问题。在本文中,作者采用了改进的非支配解排序的多目标遗传算法(Non-dominated Sorting Genetic Algorithm II, NSGA-II),这是一种高效的多目标优化算法,能同时处理多个目标函数,寻找非支配解集,即帕累托最优解。
论文以推进系统综合效率和排水量作为优化目标。推进系统综合效率是衡量船舶动力系统整体效能的重要指标,而排水量则直接影响船舶的浮性和稳定性。通过混合变量的优化处理,可以考虑更多的设计参数,包括船体形状、主机功率、螺旋桨设计等,以实现这两个目标的最优组合。
在案例研究中,作者选取了一艘35000吨的油船进行快速性优化设计。应用多目标遗传算法后,结果显示,算法能够在较短的时间内找到全局最优解,实现了推进效率的提升和排水量的有效控制。这表明,多目标遗传算法在船舶设计中的应用具有显著的优势,能够帮助设计师快速找到接近实际最优的设计方案,提高设计质量和效率。
关键词涉及船舶设计、快速性、多目标优化和进化算法,表明该研究结合了现代计算方法与传统工程问题,为船舶行业的设计优化提供了新的理论支持和技术手段。通过多目标遗传算法,设计师可以更全面地考虑设计中的各种因素,为未来的船舶设计提供了一种高效、全面的优化工具。
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
点击了解资源详情
weixin_38671048
- 粉丝: 4
- 资源: 870
最新资源
- 掌握Jive for Android SDK:示例应用的使用指南
- Python中的贝叶斯建模与概率编程指南
- 自动化NBA球员统计分析与电子邮件报告工具
- 下载安卓购物经理带源代码完整项目
- 图片压缩包中的内容解密
- C++基础教程视频-数据类型与运算符详解
- 探索Java中的曼德布罗图形绘制
- VTK9.3.0 64位SDK包发布,图像处理开发利器
- 自导向运载平台的行业设计方案解读
- 自定义 Datadog 代理检查:Python 实现与应用
- 基于Python实现的商品推荐系统源码与项目说明
- PMing繁体版字体下载,设计师必备素材
- 软件工程餐厅项目存储库:Java语言实践
- 康佳LED55R6000U电视机固件升级指南
- Sublime Text状态栏插件:ShowOpenFiles功能详解
- 一站式部署thinksns社交系统,小白轻松上手