论文部分内容阅读
多学科设计优化（Multidisciplinary design optimization,MDO)问题是工程设计问题，需要考虑到各个学科之间的相互作用.多学科设计优化问题常见于航空航天、土木工程、汽车和电子设计等领域。由于MDO问题的组织结构，分解算法通常被认为是可行的解决方法。分解算法把MDO问题分解为一系列独立的子问题(每一个学科)，和一个与之协调的主问题.针对解决MDO问题，双层分解算法通常是有效可行的方法，其中著名的双层分解算法是协同优化（Collaborative Optimization,CO)算法、非精确罚分解算法(Inexact Penalty Decomposition,IPD)和精确罚分解算法(Exact Penalty Decomposition,EPD)。在非精确罚分解方法中，由于较大的罚参数值会引起病态和影响数据实验结果。本文在罚分解方法基础上，提出了两种新的双层分解方法。 论文的主要工作如下： 第一章简要叙述了多学科设计优化问题的基本概念和研究背景，并对多学科设计优化问题与双层分解方法的研究现状进行了阐述，继而提出了本文主要研究内容。 第二章介绍一些与本文相关的知识，包括一些符号、定义和定理。 第三章基于非精确罚分解方法提出了增广拉格朗日罚分解（Augmented Lagrangian Penalty Decomposition,ALPD)方法，该方法在使全局变量收敛于目标变量时，利用了增广拉格朗日罚函数来代替二次(非精确)罚函数，克服了非精确罚分解算法中的病态缺点,随后给出具体的增广拉格朗日算法，并且对收敛性给出了理论分析并对具体算例进行了数值试验，从而说明了算法的有效性。 第四章在增广拉格朗日罚分解方法和精确罚分解方法的基础上，提出了一种新的双层分解方法,该方法使用一种特殊的增广拉格朗日函数,称之为Sharp增广拉格朗日函数,它满足零对偶间隙性质，并在进行罚参数更新时，参数选取不至于过大。我们给出Sharp增广拉格朗日罚分解算法,然后通过数值试验，说明了算法的有效性。 第五章对本文的研究进行总结并对后续的研究工作做出展望。