多目标遗传算法优化水面船舶设计

"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。