序论：速发表网结合其深厚的文秘经验，特别为您筛选了11篇多目标优化设计范文。如果您需要更多原创资料，欢迎随时与我们的客服老师联系，希望您能从中汲取灵感和知识！
[Abstract]Constructionenterprisesintheconstructionmanagementoftraditionaldesignisinjustoneindexconstructiontime,progressandcostofthesingleoptimization,andwithoutconsideringthetargetrelation.Resultinginconstructionandplanningisnotconsistent,sothatconstructionunitsnotknowwhatcoursetotake.Thispaperinviewofthecurrentprojectmanagementinthethreeaslongasthegoalisobtainsanalyzesonebyoneandtrytointegratetheseaspects.
[keyword]constructionmanagement;multi-objectiveoptimizationdesign;
中国分类号：TL372+.2
1.引言
2.三大施工管理控制目标的基本分析
2.1施工项目质量管理
2.2施工项目进度管理
2.3施工项目成本管理
质量、进度、成本三者间既存在矛盾的一面，又存在着统一的一面，工程项目施工管理的优化设计就是将这三大目标作为一个有机的系统来进行整体的控制。
3.1施工项目整体管理制度优化
3.2施工项目整体技术优化
在施工准备阶段所做的技术准备工作是为了创造有利的施工条件，从而保证施工任务得以顺利进行，它的主要工作内容及基本任务是了解和分析建设工程特点、进度、要求，摸清施工的客观条件，编制施工组织设计，并制定合理的施工方案，充分及时地从技术、物资、人力和组织等方面为工程创造一切必要的条件，使施工过程连续、均衡地进行，保证工程在规定的工期内交付使用，使工程施工在保证质量的前提下，做到提高劳动生产率和降低工程成本。而施工组织设计是指导工程项目进行施工准备和施工的基本技术条件，加强施工组织设计编制的组织工作，对参加编写的人员明确分工，责任到人，最后汇总，修改定稿。
在施工准备阶段，选择科学的施工方法，协调各个工种在施工中的搭接与配合、合理安排劳动力和各类施工物资的供应、确定各分部分工程的目标工期和单位工程。编制施工计划，落实计划的实施,保证人力、施工物资和资金的及时到位。掌握建设工程特点和施工技术要求，分析工程施工进度要求和投资成本规定，并据此编制施工组织设计、制定施工方案，创造有利的施工条件，保证施工任务顺利进行［3］。
在项目施工阶段，首先要合理安排人力资源在施工过程中的运用，避免各工种人员出现怠工、窝工的现象，其次做好施工机械的均衡调配,施工机械的台班数量和工作面直接影响其最大施工强度，因此大型施工机械的及时进场和转移应做到合理的衔接安排。当遇到技术难点工序、关键工序时，要采取各种措施予以保证其按时顺利完成。
4.结束语
通过技术管理工作，做好施工前各项准备，并且加强施工过程中出现的重点、难点控制，优化配置资源提高劳动生产率、降低资源消耗，进而达到质量、进度和成本多方面的和谐统一。作为项目部，为了实现安全、质量、进度、成本等方面的目标要求，必须加强施工过程的技术管理因此加强建筑施工技术管理，对整个工程项目都起着十分重要的作用。
【参考文献】
风光互补混合供电系统是一种比单独的光伏和风能供电更加有效、经济的供电形式，也是可再生能源进行单独立供电的一种优化选择，可以极大降低供电系统对电池储蓄能量的需求。因此，人们越来越重视对风光互补混合供电系统的多目标优化设计进行研究，取得了一定的成就，本文主要介绍运用改进微分进化算法对其进行多目标优化设计的研究方法。
一、风光互补混合供电系统概述
风光互补混合供电系统的主要构成装置是多种型号不一样的风力发电机组，光伏电池构件以及多个蓄电池。这些组成部分对环境的适应性各不相同，同时对用户供电可靠性的要求也不相同，所以把这些装置集合在一个系统中互补有无，以便可以在符合供电系统要求的基础上，尽可能实现最经济、最可靠的供电[1]。风光互补混合供电系统的构成图如下所示：
（一）风力发电机组。风力发电机组的发电功率和风速之间的关系如下所示：
具体的计算过程如下：
（一）设置初始参数：将系统的种群数量N，终止迭代次数C、系统变异因子的上限和下限Fmax、Fmin，以及供电系统的杂交因子的上限和下限Crmax、Crmin设置出来[4]。
（二）进行优化设计的种群初始化。在系统决策变量的最大范围中，使其随机形成对个解。
（三）将系统父代种群的适应度方差准确计算出来。将F和Cr的最小值计算出来。
（四）供电系统多目标有针对性地实行变异和交叉操作，进而产生子代种群。
（五）把上述形成的子代种群代入约束条件计算式（8）和（9）实施检验，如果计算结果与需求的条件不符合，就需要根据改进的算法进行计算。
（六）将供电系统父代种群和子代种群互相适应的数值计算出来，接着运用贪婪方法做出操作选择，同时将目前最优的个体和相应的适应数值准确记录下来。
（七）再判断目前的种群分散程度，针对于部分立即要进行重叠的个体，要对其实行解群转换的操作。
（八）将以上步骤重复计算，一直到实现系统的迭代次数为止。
目前，大多数风光互补混合供电系统多目标优化设计方案中，都将选择光伏电池的倾角设置成当地的纬度值。可是，在混合供电系统选择光伏电池的倾角时，要综合考虑日照、风速、组件的容量等[5]。由于混合系统光伏电池的倾角选择与其发电量的变化有直接的关系，就需要将蓄电池组的数量增多以更好地确保电力系统的安全性和稳定性，可是这种改变会极大增加电力系统的总成本。所以，就要将光伏太阳板的倾角看成是一个决策的变化量，再将其代入进行计算。
结束语
综上所述，全面结合了风速、日照、地理方位、负荷等的不同变化，对风光互补混合供电系统的多目标优化设计进行了一定的探讨，尤其是光伏太阳板的倾角的选择，不能只是将其设置为当地的纬度值，而是要结合当时的风速和电量符合等因素，使其和太阳能形成一定的互补性，再将其代入计算。
参考文献
[1]王绍钧.风光蓄独立供电系统应用研究[D].华北电力大学（保定），2014，21（11）：17-23.
[2]刘皓明，柴宜.基于GA-PSO的微电网电源容量优化设计[J].华东电力，2013，41（2）：311-317.
在飞机设计、工艺、制造、装配等研制过程中,容差分配是一个复杂的多解问题,合理的容差分配非常关键,它控制着产品的性能、制造成本、装配工艺性等。目前,飞机装配容差优化的研究主要以最低成本法、综合优化法等为主。假设作为调整因素的各零件之间的容差信息相互独立,以装配性能、加工成本和装配工艺性作为优化指标,装配容差优化即设法找到使指标达到最佳值的优化因素组合,这属于典型的非线性优化问题。而神经网络作为模仿生物神经的智能信息处理系统,具有高度的非线性映射的特点,为解决容差优化问题提供了一个良好手段。
1、多目标容差优化的神经网络原理
在多目标容差优化过程中,由于各个目标之间往往存在着一定的矛盾关系,通常不可能达到所有目标都最优的方案,因此引入求解多目标优化的最基本方法——评价函数法,将多目标容差优化问题转化为单目标容差优化问题进行求解。
1.1单目标容差优化的BP神经网络的构建
为简化分析,以一个确定了制造、装配工艺方案,包含三个零件的装配体为例,构建基于BP算法的神经网络进行单目标的容差优化,采用如图1所示的三层网络结构:第一层为输入层,将各零件的容差信息传递给下一层;第二层为以隐层,进行容差信息的处理;第三层为输出层,输出优化指标。
将各零件容差的上、下极限偏差作为输入值,令其为。将装配性能、加工成本和装配工艺性三个优化指标作为输出值,令其为,分别建立三个针对各自优化指标的容差优化BP神经网络模型。隐层节点数可根据经验公式来确定,其中为输出层节点数,为1～10之间的常数。各层之间均采用双极性Sigmoid函数作为传输函数。
图1容差优化的神经网络模型
对于一个三层BP神经网络,若输出层的输入信号为,输出的误差信号为,则隐层到输出层的权值矩阵的调整可以表示为:
若隐层的输入信号为,输出的误差信号为,则输入层到隐层的权值矩阵的调整可以表示为:
单目标容差优化的BP神经网络经过学习训练后,将容差与优化指标之间的非线性映射关系存储在权值矩阵中,在工作阶段,便可以实现对非样本信号的正确映射,得到所对应的优化指标值。
1.2多目标优化评价函数的建立
建立多目标评价函数之前先完成各自单目标优化模型输出数据的预处理即归一化,将输出数据限制在一定的区域内,以便于在一个共同的区域内进行多个优化指标的综合评价。将输出数据变换为[0,1]区间的值可采用变化式:
在三个容差优化指标中,装配性能指标输出的是装配封闭环的容差大小,优化目标是值越小越好,加工成本指标的优化目标同样是越小越好,装配工艺性指标输出的是工艺过程能力指数,其优化目标是越大越好。假设各优化指标与输入值之间存在着,,由于优化指标之间相互存在着矛盾关系,不可能使得每个优化指标达到最佳,设在值域中存在着一个理想点,寻求距离最近的作为优化的近似值,因此构造评价函数:
这样就可以将多目标容差优化问题转化为求上式的极小值问题来解决:
2、多目标容差优化设计的工作流程
根据以上对BP神经网络的结构的分析,并结合多目标优化的评价函数,多目标容差优化设计可按以下步骤进行:
(1)建立针对各优化指标的单目标容差优化的BP神经网络。
(2)确定BP神经网络中包括输入信息与输出信息在内的网络结构参数。
(3)准备网络的训练数据,对BP神经网络进行训练,将训练好的BP神经网络模型作为单目标容差优化的函数值仿真计算工具。
(4)分别对各BP神经网络的目标函数值进行单目标优化,得到有效值域中的理想点。
一、多目标优化方法的种类
优化设计可以提高工程设计的整体水平，因此备受设计人员的喜爱。优化的目的不同，采用的优化方法也有所不同。
（一）评价函数法。评价函数法应用简单，只需建立评价函数就能用单目标优化取代多目标优化问题。根据评价函数法的形式对它进行分类，能分为多种类型：P模理想点法、线性加权法以及最短距离法等。这些评价方法具有不同的形式，但却具有相似的原理。
（二）逐步宽容约束法。评价函数法虽然应用简单，但却很难在现实环境中构造。要使复杂的多目标优化问题转变成简单的单目标优化问题，还可以采用逐步宽容约束法。这种方法是选取多目标中的一个目标，通过限定其他目标的选值范围，构成一个单目标优化问题。在使用时不断改变其他目标的取值，记录函数值的变化情况，最后选出最优函数值。
（三）目标规划模型。目标规划模型的原理是：分别计算每个目标的最优函数值，计算各目标最优点与计算设计点的正负偏差和，通过偏差和确定优化工程设计的最佳方案。
（四）多目标遗传算法。遗传算法发展较迅速，它主要应用于含有多变量、多参数和多目标的数值求解。多目标遗传算法以遗传算法为基础，经过多年发展，已经出现了NCGA、NPGA、SPGA等多种形式。其中，NCGA方法在传统遗传算法的基础上优化了加速收敛过程。
（五）多目标模糊优化算法。多目标模糊优化算法应用广泛，它通过对设计特征进行详细分析，划分优化涉及的可行域，给设计人员提供优化空间。这种方法充分考虑了工程设计中的模糊因素，算法的核心就是模糊的设计变量、模糊的约束条件、模糊的目标函数。
二、多目标优化方法的特征及决策方法
优化工程设计，是为了提高设计的整体性能，不可能保证每个设计目标都能得到最好的实现。例如，在优化过程中，一个设计目标达到最佳函数值，但其他的设计目标却处于较差的状态。优化目标之间存在的矛盾关系，给优化方案的评判带来一定困扰；不同设计目标有不同的度量标准，难以比较各自的优化效果；不同设计人员对优化方向的定位不同。因此，针对多目标的优化进度不同，引入了非劣解理论。
非劣解，是指采用不同的优化方案得到的解的集合。每个解都有自己的优化方向，不能仅通过数据进行比较。多目标优化的最优解其实是不存在的。设计人员根据个人意愿，在非劣解中选择优化方法的过程就是多目标决策。
（一）二元相对比较法。首先，以各分目标对非劣解集合满意度为参考依据，建立矩阵；然后，使用截矩阵概念，选择综合满意度最高的非劣解。
（二）模糊关联度。模糊关联度是对理想解与非劣解接近程度的反映，通过对非劣解相对理想解的隶属度进行计算，解决物理量纲影响问题。非劣解一般情况下都是在理想解周围对称分布，所以可以选用具有对称分布特征的隶属函数，计算非劣解与理想解关联度的值，关联度值最大的非劣解就是最优非劣解。
三、实例分析多目标模糊优化设计
首先，根据约束的模糊性，建立多目标模糊优化模型；然后，使用最优水平截集法，转化模糊约束的规定区间为普通集合；再然后，计算优化函数在普通集合范围内的最大值与最小值；构造子目标函数的模糊目标集；以字母表的相对重要性未依据，判断多目标模糊优化的最优解。
四、分析不同优化方法的优化特点与效果
线性加权法：通过改变优化目标的权系数，得到相应的非劣解。然后根据非劣解计算得到Pareto的前沿。
逐步宽容约束法：首先处理优化目标，将它转化成约束条件，进而简化优化问题。然后通过渐次放宽目标约束条件手段，计算得到Pareto的前沿。在本方法使用中，应合理选择优化目标范围作为约束条件。
P模理想点法：使用不同的P值进行计算，分析计算结果可知，P值对优化结果影响较小，试验后取得的优化结果很相似。极大模理想点法与P模理想点法具有相同的优化目标系数1，计算取得的非劣解在线性加权法（0.5，0.5）范围内。
目标点法：参考点的选择很重要，能对优化结果产生直接影响。选取参考点，首要考虑的就是Pareto前沿，参考点位置离Pareto前沿越近，优化结果和Pareto前沿越相符。但是这种方法对设计者的要求较高，设计者不仅需要有丰富的知识储备和设计经验，还要对工程有全面了解。在初期设计中，设计者缺乏对工程项目问题的具体分析，不适宜使用这种方法。
NCGA方法：该方法在取得Pareto前沿的同时，还能计算可行域范围的可行解，对工程设计有很大的促进作用。
引言
传统的折叠桌的桌腿采用垂直着地的设计，容易造成桌子的称重能力下降、不稳定并且浪费材料的缺点，制作过程没有具体的数学模型，不利于大规模地推广与应用.基于传统折叠桌的种种弊端，本文提出了切实可行的优化方案.
优化主要模型采用多目标规划，首先以桌子稳固性作为一级目标，在稳固的基础上以用材最省作为二级目标，在这两者的基础上以操作简单作为三级目标，以此建立最优设计模型.同时，结合实际生活，模型大胆创新，建立不同桌形的软件模型系统，增加客户的选择性，使模型具有很好的推广意义.本文将详细研究优化设计模型和创意软件模型建立求解的过程.
1.优化设计算法
多级目标规划
一级目标：稳定性最好
根据受力分析得出正三角形的稳定性最好.假设三条边所用的材质都相同，即：所能承受的最大应力都一样.现在在三条边的中点上分别施加一个力F并且让其逐渐增大，对三角形进行受力分析，显然当为等边三角形时桌子受力均匀，所以当桌面与最短两条桌腿的延长线构成等边三角形时，能够保证桌子稳定性最好.
【分类号】：TG260
在铸钢件成形的时候，冒口是避免出现缩松、缩孔等问题的关键渠道，因此对冒口进行合理科学的设计是整个铸造过程的重要环节。本文结合极差和方差分析，对多因素多个目标值进行分析。运用模糊数学中的综合评判法，根据各目标值对产品质量的影响程度，进行加权综合评分。模拟试验在华铸CAE软件上进行。模拟不同工艺条件下的成形过程，得到工艺出品率，缩孔数量、体积、位置与大小等信息，同时可以观察铸件的充型过程、凝固动态、热量传输及分布状况。
一、铸造工艺优化
1、铸钢件工艺优化设计存在的问题
对于大型铸钢件，缩孔、缩松等是难以消除的缺陷。通过设置冒口来尽量减少缺陷数量与减小缺陷体积，同时引导缺陷产生在非重要或次重要位置。实际生产过程中，为了保证铸件的产品质量，冒口常常设计得较为保守，导致工艺出品率较低。以工艺出品率、缩松、缩孔数量、缩孔体积大小为目标值，对3个目标值进行了数据分析，讨论了最优铸造工艺参数组合。
2、铸造工艺优化试验方案的设计
采用正交试验法安排模拟试验，具体过程为：
①确定模拟试验目标：工艺出品率A1、缩松、缩孔数量A2，缩松、缩孔体积A3；
②确定影响因素以及因素的水平；
③选择因素水平表及正交试验表，选择5因素4水平表，采用L16（45）正交试验表；
④软件平台模拟试验，搜集试验数据；
⑤采用方差分析法分析数据，总结最优参数组合，提出最优工艺方案；
⑥在软件平台进行模拟验证最优的工艺方案。
二、铸钢件铸造工艺优化设计案例
1、试验模型
根据大齿轮模型，在Pro/E中构建附带工艺的三维图，并分别导出铸件STL文件冒口STL文件浇注系统STL文件。将其导入模拟软件平台华铸CAE中模拟分析，观察成形情况，获取缩松、缩孔信息。
2、试验目的
通过对铸件成形过程中温度场的分析，预测缩松、缩孔的位置信息、数量及体积大小。分析目标为工艺出品率A1（%）、缩松、缩孔数量A2（个）、缩松、缩孔体积A3（mm3）。
3、试验过程影响铸件成形的冒口工艺因素有很多，选取成形过程中影响较大的5个因素，每个因素安排4个水平，见表1。因素1为圆柱形明冒口形状；因素2为圆柱形明冒口高度h，mm；因素3为腰圆明冒口形状；因素4为腰圆明冒口宽度A，mm；因素5为冒口数量，个。
4、数据的处理
假设用正交试验表安排N个因素的正交试验，试验总次数为n，试验结果分别为x1，x2，...，xn。假定每个因素取m个水平，每个水平做p次试验，则n=mp。
所有试验次数的平均值计算如下：
因素的平方差和=因素差方和/因素自由度=Q因/f因（8）
试验误差的平均差方和=试验误差方和/试验误差自由度=Qe/fe（9）
将各因素的平均差方和与误差的平均差方和相比，得出F比值。这个比值的大小反映了各因素对试验结果影响程度的大小。
F比=因素的平均差和/试验误差的平均差方和（10）
5、结果分析
通过方差分析法，可以看出因素1圆柱形明冒口形状的F比较大，是较为关键的因素。在模拟试验中，所选3个目标的量纲不一致，而且对冒口工艺的重要程度也有所不同，无法直接将3个数据叠加评价。鉴于此，根据目标值在综合评价体制中的重要程度，运用100分制加权评分。根据铸件冒口的设计要求和各指标的影响的重要性，A1、A2、A3的权重分值A1=30%，A2=35%，A3=35%。计算时，加权系数做适当调整。计算系数为a=1，b=0.01，c=0.54。由于工艺出品率越大越好，而缩孔数量、缩孔体积越小越好，故评分公式如下：
F比=aCj1-bCj2-cCj3（11）
统计分析得出分值证实因素1圆柱形明冒口形状对综合评分影响较大，即对铸件质量影响较大，形状为D时，质量最好。通过计算分析因素对工艺出品率、缩孔数量和缩孔体积的影响可以看出，标准圆柱形明冒口高度h越高，工艺出品率越低。圆柱形明冒口形状为D时，缩孔数量最少。综合来看，因素1对各指标影响较大。
因素的重要程度依次是，因素1，因素5，因素2，因素3，因素4。通过试验验证，经过华铸CAE分析，模拟结果为：工艺出品率A1=74.02%，缩松、缩孔数量A2=153，缩松、缩孔体积A3=62.38mm3，得分为38.78。方案13得分为46.63，为最优方案。
三、结论
1、标准圆柱冒口形状对各指标影响较大，选择合适的圆柱冒口形状，可以显著提高工艺出品率，减少缩孔数量和缩孔体积。优化冒口形状，工艺改善效果明显。冒口形状为圆柱形明冒口时，工艺出品率较高，缩孔体积较小，数量较少。
2、圆柱冒口数量对工艺出品率和缩孔体积有一定影响。冒口数量（非冒口体积大小）越多，工艺出品率越低。冒口数量为5时，缩孔体积较小。标准腰圆形冒口参数对缩孔数量有影响，取325mm时，缩孔数量较少。
参考文献：
解决优化设计问题的一般步骤
解决优化设计问题的一般步骤如下：
机械设计问题――建立数学模型――选择或设计算法――编码调试――计算结果的分析整理
优化设计中数学模型的建立
a设计变量
在最优化设计过程中需要调整和优选的参数，称为设计变量。设计变量是最优化设计要优选的量。最优化设计的任务，就是确定设计变量的最优值以得到最优设计方案。但是每一次设计对象不同，选取的设计变量也不同。它可以是几何参数，如零件外形尺寸、截面尺寸、机构的运动尺寸等；也可以是某些物理量，如零部件的重量、体积、力与力矩、惯性矩等；还可以是代表工作性能的导出量，如应力、变形等。总之，设计变量必须是对该项设计性能指标优劣有影响的参数。
b约束条件
设计空间是一切设计方案的集合，只要在设计空间确定一个点，就确定了一个设计方案。但是，实际上并不是任何一个设计方案都可行，因为设计变量的取值范围有限制或必须满足一定的条件。在最优化设计中，这种对设计变量取值时限制条件，称为约束条件，而约束条件是设计变量间或设计变量本身应该遵循的限制条件，而优化设计问题大多数是约束的优化问题。针对优化设计数学模型要素的不同情况，可将优化设计方法进行分类，约束条件的形式有显约束和隐约束两种，前者是对某个或某组设计变量的直接限制，后者则是对某个或某组变量的间接限制。等式约束对设计变量的约束严格，起着降低设计变量自由度的作用。优化设计的过程就是在设计变量自由的允许范围内，找出一组优化的设计变量值，使得目标函数达到最优值。
c目标函数
在优化设计过程中，每一个变量之间都存在着一定的相互关系着就是用目标函数来反映。他可以直接用来评价方案的好坏。在优化设计中，可以根据变量的多寡将优化设计分为单目标优化问题和多目标优化问题，而我们最常见的就是多目标函数优化。
一般而言，目标函数越多，设计的综合效果越好，但问题求解复杂。在实际的设计问题中，常常会遇到在多目标函数的某些目标之间存在矛盾的情况，这就要求设计者正确处理各目标函数之间的关系。对这类多目标函数的优化问题的研究，至今还没有单目标函数那样成熟
优化设计理论方法
优化准则法对于不同类型的约束、变量、目标函数等需导出不同的优化准则，通用性较
差，且多为近似最优解；规划法需多次迭代、重复分析，代价昂贵，效率较低，往往还要求目标函数和约束条件连续、可微，这都限制了其在实际工程优化设计中推广应用。因此遗传算法、神经网络、粒子群算法、进化算法等智能优化法于20世纪80年代相继提出，并且不需要目标函数和约束条件的导数信息，就可获得最优解，为机械优化设计提供了新的思路和方法，并在实践中得到成功应用。
a遗传算法
遗传算法起源于20世纪60年代对自然和人工自适应系统的研究，最早由美国密歇根大学Holland教授提出，是模拟生物化过程、高度并行、随机、自适应的全局优化概率搜索算法。它按照获得最大效益的原则进行随机搜索，不需要梯度信息，也不需要函数的凸性和连续性，能够收敛到全局最优解，具有很强的通用性、灵活性和全局性；缺点是不能保证下一代比上一代更好，只是在总趋势上不断优化，运行效率较低，局部寻优能力较差。
b神经网络法
神经网络是一个大规模自适应的非线性动力系统，具有联想、概括、类比、并行处理以
及很强的鲁棒性，且局部损伤不影响整体结果。美国物理学家Hopfield最早发现神经网络具有优化能力，并根据系统动力学和统计学原理，将系统稳态与最优化态相对应，系统能量函数与优化寻优过程相对应，与Tank在1986年提出了第一个求解线性优化问题的TH选型优化神经网络。该方法利用神经网络强大的并行计算、近似分析和非线性建模能力，提高优化计算的效率，其关键是神经网络的构造，多用于求解组合优化、约束优化和复杂优化。近些年，神经网络法有较大发展，Barker等将神经网络用于航空工程结构件的优化设计。
c粒子群算法
d多目标优化法
功能、强度和经济性等的优化始终是机械设计的追求目标，实际工程机械优化设计都属于多目标优化设计。多目标优化广泛的存在性与求解的困难性使其一直富有吸引力和挑战性，理论方法还不够完善，主要可分为两大类：①把多目标优化转化成一个或一系列单目标优化，将其优化结果作为目标优化的一个解；②直接求非劣解，然后从中选择较好的解作为最优解。具体有主要目标法、统一目标法、目标分层法和功效系数法。
优化设计方法的评价指标
根据优化设计中所以解决问题的特点，选择适当的优化方案是非常关键的。因为解决同
一个问题可能有多种方法，而每一种方法也有可能会导致不同的结果，而我们需要的是可以更加体现生产目标的最优方案。所以我们在选择方案时一定要考虑一下四个原则：
c采用成熟的计算程序。解题过程中要尽可能采用现有的成熟的计算程序，以使解题简便并且不容易出错。
d稳定性要高。稳定性好是指对于高度非线性偏心率大的函数不会因计算机字长截断误差迭代过程正常运行而中断计算过程。
另外选择适当的优化方法时要进行深入的分析优化模型的约束条件、约束函数及目标函
数，根据复杂性、准确性等条件结合个人的经验进行选择。优化设计的选择取决于数学模型的特点，通常认为，对于目标函数和约束函数均为显函数且设计变量个数不太多的问题，采用惩罚函数法较好；对于只含线性约束的非线性规划问题，最适应采用梯度投影法；对于求导非常困难的问题应选用直接解法，例如复合形法；对于高度非线性的函数，则应选用计算稳定性较好的方法，例如BFGS变尺度法和内点惩罚函数相结合的方法。
结论
机械优化设计作为传统机械设计理论基础上结合现代设计方法而出现的一种更科学的
优化设计方法，可使机械产品的质量达到更高的水平。近年来，随着数学规划理论的不断发展和工作站计算能力的不断挖掘，机械优化设计方法和手段都有非常大的突破，且优化设计思路不断的开阔。总之，每一种优化设计方法都是针对某一类问题而产生的，都有各自的特点，都有各自的应用领域，机械优化设计就是在给定的载荷和环境下，在对机械产品的性能、几何尺寸关系或其它因素的限制范围内，选取设计变量，建立目标函数并使其获得最优值得一种新的设计方法，其方法多样依据不同情形选择合理的优化方法才能更简便高效的达到目标。当今的优化正逐步的发展到多学科优化设计，充分利用了先进计算机技术和科学的最新成果。所以机械优化设计的研究必须与工程实践、数学、力学理论、计算机紧密联系起来，才能具有更广阔的发展前景。
参考：
1经典优化设计的数学规划方法
结构优化设计数学规划方法于1960年由L.A.Schmit率先提出。他认为在进行结构设计时应当把给定条件的结构尺寸的优化设计问题转变成目标函数求极值的数学问题。这一方法很快得到了其他专家的认可。1966年，D.Kavlie与J.Moe等首次将数学规划法应用于船舶的结构设计，翻开了船舶结构设计的新篇章。我国的船舶结构的设计方法研究工作始于70年代末，已研究出水面船舶和潜艇在中剖面、框架、板架和圆柱形耐压壳等基本结构的优化设计方法。
由于船舶结构是非常复杂的板梁组合结构，在受力和使用的要求上也很高，所以在进行船舶结构的优化设计时，会涉及到许多设计变量与约束条件，工作内容很多，十分困难。船舶结构的分级优化设计法就是在这个基础上产生的，其基本思路是最优配置第一级的整个材料，优选第二级的具体结构的尺寸。每一级又可以根据具体情况划分成若干个子级。两级最后通过协调变量迭代，将整个优化问题回归到原问题。分级优化方法成功地解决了进行船舶优化设计中的剖面结构、船舶框架和板架、潜艇耐压壳体等一系列基本问题。
2多目标的模糊优化设计法
经典优化设计的数学规划方法是在确定性条件下进行的，也就是说目标函数与约束条件是人为的或者按某种规定提出的，是个确定的值。但是在实际上，在船舶结构的优化设计过程、约束条件、评价指标等各方面都包含着许多的模糊因素，想要实现模糊因素优化问题，就必须依赖于模糊数学来实现多目标的优化设计。模糊优化设计问题的主要形式是：
式中j和j分别是第j性能或者几何尺寸约束里的上下限。
模糊优化设计方法大大的增加了设计者在选择优化方案时的可能性，让设计者对设计方案的形态有了更深入的了解。目前，模糊优化设计法发展很快，但是，还未实现完全实用化。多目标的模糊优化设计法的难点主要在于如何针对具体设计对象，正确描述目标函数的满意度与约束函数满足度隶属函数的问题。
3基于可靠性的优化设计方法
概率论与数理统计方法首先在40年代后期由原苏联引入到结构设计中，产生了安全度理论。这种理论以材料匀质系数、超载系数、工作条件系数来分析考虑材料、载荷及环境等随机性因素。早在50年代，人们就在船舶结构的优化设计中指出了可靠性概念，随后，船舶设计的可靠性受到人们的重视，开始研究可靠性设计方法在船舶结构建造中的应用。
船舶结构可靠性的理论和方法根据设计目标的不同要求，可以得出不同的结构可靠性的优化设计准则。大体分为以下3种：
1）根据结构的可靠性R·，要求结构的重量W最轻，即：
MinW（X），s.t.R≧R·
2）根据结构的最大承重量W·，要求结构的可靠性最大或者破损概率最小，即：
MinPf（X），s.t.W（X）≦W·
3）兼顾结构重量和可靠性或破损概率，实现某种组合的满意度达到最大，即：
Max[a1uw（X）+a2upf（X）]
式中，a1，a2分别代表结构重量和破损概率的重要度程度，而且满足a1+a2≥1.0，a1，a2≥0；uw，upf分别为代表相应的满意度。
关于船舶结构的可靠性优化设计方法的研究越来越多，逐渐成为船舶的结构优化设计中的重要方向。但是，可靠性的优化设计方法除了在大规模的随机性非线性规划求解中存在困难外，还有一个重要的难点在于评估船舶结构可靠性的过程很复杂，而且计算量大。
4智能型的优化设计方法
随着人工智能技术（Al）和计算机信息技术的发展，给船舶结构的优化设计提供了一个新的途径，也就是智能型优化设计法。
智能型的优化设计法法的优点是创造性较强，缺点是可靠性较弱。所以在分析计算其产生的各种性能指标时，应当进行多目标的模糊评估，必要时还应当使用经典优化方法对某些参数进行调整。
5结论
通过本文对船舶结构优化设计方法的研究，我们得出在进行船舶结构优化设计的时候，往往会涉及到很多相互制约和互相影响的因素，这就需要设计人员权衡利弊，进行综合考察，不但要进行结构参数与结构型式的优选，而且还要针对具体情况对做出的方案进行评估、优选和排序。通过什么准则对不同的方案进行综合评估，得出最优方案，成为专家和设计人员需要继续研究的问题。
Abstract:thispaperresearchedoptimumtoolofMATLAB.Thepapersolvesoptimumdesignforplanetspeedreducerofconstructionmachinery.Throughapracticalexample,itisconcludedthatusingMATLABcanavailablysolveoptimumdesignforplanetspeedreducer.
Keyword:MATLAB,planetspeedreducer,optimumdesign
工程机械是一种运行缓慢，体积大，承受的载荷也大的设备。它的行走驱动系统有两种方案：一为高速方案，即用高速液压马达和齿轮减速器组合驱动；二是低速方案，即采用低速大扭矩液压马达驱动。后者可省去减速装置，使机构大为简化，但由于低速大扭矩液压马达的成本较高，维修困难，所以一般的工程机械都采用前者。又因行星减速器相对于其它类型的齿轮减速器具有较大减速比，所以工程机械的行驶系统驱动中多采用行星减速器实现减速增扭的目的。
1、MATLAB语言及优化设计简介
MATLAB语言是由美国Mathworks公司开发的集科学计算、数据可视化和程序设计为一体的工程应用软件，现已成为工程学科计算机辅助分析、设计、仿真以至教学等不可缺少的基础软件，它由MATLAB主包、Simulink组件以及功能各异的工具箱组成。MATLAB优化工具箱的应用包括：线性规划和二次规划，求函数的最大值和最小值，多目标优化，约束优化，离散动态规划等，其简洁的表达式、多种优化算法的任意选择、对算法参数的自由设置，可使用户方便地使用优化方法。[1]
通常多目标优化问题在求解时应作适当的处理，一种方法是将多目标优化问题重新构成一个新的函数，即评价函数，从而将多目标优化问题转变为求评价函数的单目标优化问题，如线性加权和法，理想点法，目标达到法等。另一种是将多目标优化转化为一系列单目标优化问题来求解，如分层序列法等。MATLAB优化工具箱采用改进的目标达到法使目标达到问题变为最大最小问题来获取合适的目标函数值。
该论文中，行星减速器的设计就采用将多目标的优化问题转化为单目标，多约束条件的优化问题。
2、行星减速器模型的建立
工程机械使用行星减速器的设计是一项较复杂的工作，一般采用经验设计。经验设计不仅对于一个新的企业很难进行设计，而且往往找到的不是最优方案。
2.1确定优化设计的目标函数
工程机械的体积较大，对其灵活运行带来一定的影响，因此对行星减速器进行最优化设计时，取行星减速器最小重量为优化目标，不但可以减小行星减速器的重量，而且可以改善工程机械的灵活机动性、节约材料和降低成本。
行星减速器由太阳轮、行星轮、行星架和齿圈构成。由于太阳轮和全部行星轮的重量之和能影响和决定齿圈和整个机构的重量，由于太阳轮和全部行星轮的重量与它们的体积成正比，因此可选择太阳轮和全部行星轮的体积为最优化设计的目标函数。
…………………（1）
式中：为太阳轮的体积；为行星轮的体积；为行星轮的个数；为太阳轮或行星轮模数；为太阳轮或行星轮齿宽；为太阳轮齿数；为行星轮齿数。
2.2约束条件：
（1）传动比条件[2]：
…………………（2）
式中：为齿圈的齿数。
（2）为了使内外啮合齿轮副强度接近相等，并提高外啮合承载能力，应限制齿轮内外啮合角在给定的范围内，即：
…………………（3）
…………………（4）
式中：、为太阳轮和行星论、行星轮和齿圈的啮合角。
（3）齿轮不发生根切的最少齿数为17，但太阳轮的齿数常小于规定的标准齿轮不根切最小齿数17，为保证不根切，太阳轮变位系数应满足以下条件：
…………………（5）
式中：太阳轮的最小变位系数
（4）各齿轮应满足强度要求，即齿轮的齿面接触强度和弯曲强度的安全系数均大于给定值，亦即
…………………（6）
…………………（7）
式中：、——给定的齿轮接触强度、弯曲强度安全系数；
、——各齿轮的接触强度、弯曲强度的安全系数。
（5）为了保证传动连续和平稳性，齿轮的重合度必须大于规定值，即
…………………（8）
…………………（9）
式中：、——分别为太阳轮和行星轮、内齿圈与行星轮的重合度
（6）行星轮根圆直径不宜过小，以保证在行星轮内孔能安装上符合寿命要求的滚动轴承，即
…………………（10）
式中：——滚动轴承外径;
m——齿轮的模数
（7）模数约束
…………………（11）
（8）齿宽约束
…………………（12）
（9）行星轮个数约束
…………………（13）
（10）变位系数的约束[3]
…………………（14）
…………………（15）
…………………（16）
式中：、、分别为太阳轮、行星轮和齿圈的变位系数
通过以上分析，知以上建立的模型是一个具有7个设计变量，15个约束条件的单目标优化设计。
3、应用举例：
经使用MATLAB程序优化设计后行星减速器的主要参数和采用常规设计的主要参数的比较，如表1。
表1使用MATLAB优化设计和常规设计的参数比较
4、结论
（1）利用MATLAB优化设计的行星减速器的体积比常规设计的少了12%。
（2）建立目标函数时只考虑太阳轮和行星轮的体积，对内齿圈和行星架的体积没有考虑，这样可以减小计算量和提高计算速度。但是也存在着相应的问题，目标函数中没有将齿圈的强度考虑在内，会对设计的结果产生一定的影响。
[1]薛定宇，陈阳泉.基于matlab/simulink的系统仿真技术与应用[M].北京：清华大学出版社，2002
[2]徐灏.机械设计手册.[M]北京:机械工业出版社
Abstract:withtherapiddevelopmentofnationaleconomy,automobileproductionincreasedyearbyyear,ourcountrymoreandmorecars,carsaremoreandmorecomplex.Especiallytherapiddevelopmentofscienceandtechnology,theautomobileindustrycompetitionhaschangedfromsingleperformancecompetitionsteeringperformance,environmentalprotection,energysaving,comprehensivecompetition.Onlytheautomobileengine,tocopewiththeworldenergycrisisandreducingtheenvironmentalpollution,theresearchanddevelopmentworkhasfocusedonreducingfuelconsumption,reduceemissions,lightweightandreducewearandsoon,tooptimizethetechnologywillbewidelyusedinthesestudies.
Keywords:engine,machine,technology,performance
发动机是一部由许多机构和系统组成的是将某一种型式的能量转换为机械能的复杂机器。其作用是将液体或气体燃烧的化学能通过燃烧后转化为热能，再把热能通过膨胀转化为机械能并对外输出动力。而汽车发动机是汽车的动力装置。由机体、曲柄连杆机构、配气机构、冷却系、系、燃料系和点火系（柴油机没有点火系）等组成。按燃料分发动机有汽油和柴油发动机两种。按工作方式有二冲程和四冲程两种，一般发动机为四冲程发动机。
发动机设计以结构、热力、燃烧、强度、振动、流体、传热等多个学科为基础，可变因素多，随机性大，是一个可变互耦系统的优化问题。多学科设计优化通过充分利用各个学科之间的相互作用所产生的协同效应，获得系统的整体最优解，因而在发动机传统设计流程图上有很大的应用优势。
综上所述，优化技术在发动机的设计制造中占有非常重要的地位。包括常规优化方法和智能优化方法在内的优化技术已被应用于发动机设计。考虑到能源的短缺和环境问题的重要性，未来的车用发动机优化设计的研究将是以节能和环保为重点的综合最优，应当建立并应用多种不确定多目标多学科优化理论方法、策略及算法；并应大力开发在一个优化平台上集成各个学科设计要求的多学科多目标优化设计系统，该系统将具有更高的优化效率和较好的开放性，可以更好地适应未来汽车个性化设计的趋势。
摘要：
[1]汽车行业一体化(质量、境、业健康安全)管理体系认证的研究.吉林大学.2007中国优秀硕士学位论文全文数据库.
0引言
一直以来，人们都想实现模拟集成电路设计的自动化，但考虑到模拟集成电路性能指标多，各性能指标间互相影响等因素，使得模拟集成电路的自动化进程远远落后于数字集成电路，模拟集成电路已经成为制约集成电路发展的瓶颈。随着技术的发展，片上系统将模拟集成电路与数字集成电路整合到一块芯片上。但人们对模拟集成电路的自动化研究却从未中断过，同时也取得了一些成果，其中基于优化的设计方法因适用范围广而受到了人们的青睐。
基于优化的设计方法将模拟集成电路的设计看作是多目标优化问题，电路设计时的性能指标如增益、带宽、相位裕度等就是多目标优化的目标函数。通过多目标优化算法求解出电路目标空间的Pareto前沿，该前沿就是电路各种性能指标折衷后的最优前沿，允许电路设计者从一组相互冲突的设计指标中做出最佳选择。
基于优化的设计方法的核心是多目标优化算法，解决多目标优化问题的常用算法是加权和算法[1]，该算法容易理解、操作简单，但是该算法不能求出Pareto前沿上位于凹区间内的解，而当权值均匀分布时，Pareto前沿上凸区间内的解分布不均匀[2]。本文采用了自适应加权和算法，该算法在加权和算法的基础上改进而来，克服了加权和算法的上述缺点。
1自适应加权和算法原理
自适应加权和算法[3]的权值系数没有预先确定，而是通过所要求解问题的Pareto前沿曲线获得。首先用传统加权和算法产生一组起始解，然后在目标空间确定需要细化的区域。将待细化区域看作可行域并且对该区域施加不等式约束条件，最后用传统加权和方法对这些需要细化的子区域进行优化。当Pareto前沿上的所有子区域长度达到预定值时，优化工作完成。
图1所示的自适应加权算法与传统加权和算法进行了对比，说明了自适应加权和算法的基本概念。真正的Pareto前沿用实线表示，通过多目标优化算法获得的解用黑圆点表示。在该例中，整个Pareto前沿由相对平坦的凸区域和明显凹的区域组成。解决这类问题的典型方法就是加权和算法，该算法可以描述成如下形式：
上式中描述的是两个优化目标的情形，J1（x）和J2（x）分别为两个目标函数，sf1，0（x）和sf2，0（x）分别为对应的归一化因子，h（x）和g（x）分别为等式约束条件和不等式约束条件。
图1（a）为采用加权和算法后解的分布，可以看出大部分解都分布在anchorpoints和inflectionpoint，凹区间内没有求出解。该图反映了加权和算法的两个典型缺点：
（1）解在Pareto前沿曲线上分布不均匀；
（2）在Pareto前沿曲线为凹区间的部分不能求出解。
因此尽管加权和算法具有简单、易操作的优点，但上述缺点却限制了其应用，这些固有缺陷在实际多目标优化设计问题中频繁出现。图1描述了本文所提出的自适应加权和算法的总体流程以及基本概念。首先根据加权和算法得到一组起始解，如图1（a）所示，通过计算目标前沿空间上相邻解的距离来确定需要进行细化的区域，如图1（b）所示，该图中确定了两个需要进行细化的区域。在确定需要进行细化的区域分别在平行于两个目标方向上添加额外的约束，如图1（c）所示，在该图中向减小方向J1添加的约束为1，J2减小方向添加的约束为2。对细化后添加完约束的区域用加权和算法优化，得出新解，如图1（d）所示，其中加权和算法求解最优解时采用Matlab中的fmincon函数。从该图中可看出，细化区域内产生了新解，Pareto前沿上解的分布较之前更加均匀，且求出了凹区域内的解，继续细化能够找出更多的解，Pareto前沿上的解也将分布地更加均匀。自适应加权和算法的流程图如图2所示。
2两级运放设计实例
以一个带米勒补偿的两级运放[4]为例，说明自适应加权和算法的多目标优化设计。两级运放电路图如图3所示。
电路的各项性能指标如表1所列。
电路优化过程中采用工作点驱动[5，6]的设计方法，电路的设计变量为电路直流工作点上一组独立的电压、电流。电路性能通过方程获得，但方程中的小信号参数通过对工艺库进行模糊逻辑建模[7，8]得到，使得计算速度提高的同时保证了计算精度。两级运放电路的优化结果如图4所示。
图为算法迭代五代后的优化结果，由图可以发现，经过五代的优化迭代，求出的最优解在Pareto前沿上分布均匀。在同一电路中，单位增益带宽的增加与摆率的增加都会使功耗增加，而电路功耗降低导致的结果是电路的面积增加，或通过牺牲面积来换取低功耗，牺牲面积换取电路的带宽增加。这些结果与电路理论相吻合，同时也再次说明了模拟电路设计过程中的折衷以及模拟集成电路设计的复杂性。
3结语
自适应加权和算法能求出位于凹区间内的最优解，并且最优解分布均匀。本文通过两级运放电路验证了算法的优化效果，最终得到了满意的优化结果。
[1]阳明盛，罗长童.最优化原理、方法及求解软件[M].北京：科学出版社，2010：92-94.
[2]I.Das，J.E.Dennis.AcloserlookatdrawbacksofminimizingweightedsumsofobjectivesforParetosetgenerationinmulticriteriaoptimizationproblems[J].StructralOptimization，1997（14）：63-69.
[3]I.Y.Kim，O.L.deWeck.Adaptiveweighted-summethodforbi-objectiveoptimization：Paretofrontgeneration[J].StructMultidiscOptim，2005（29）：149-158.
[4]RazaviB.DesignofanalogCMOSintegratedcircuits[M].NewYork：McGraw-Hill，2001.
[5]陈晓，郭裕顺.工作点驱动的模拟集成电路优化设计[J].杭州电子科技大学学报，35（6）：18-22.