摘要：应用响应面方法可将结构响应表达为设计变量的显式形式.为拟合响应面,基于中心复合设计和单纯形设计简化出了中心对称和拟单纯形设计,其既可以保证约束近似精度,同时降低计算量.针对常见优化问题,使用响应面方法将其构造为线性或者非线性约束优化模型,并应用Matlab优化工具箱求解.方管碰撞优化数值算例表明文中提出的试验设计方法及优化模型有较好的求解效率和精度.

摘要：提出了一种基于混合离散变量多目标优化设计求解方法,该方法应用灰色相对关联度将多目标优化问题转化为单目标优化问题,再用改进微粒群算法求解。开发了混合离散变量优化的灰色改进微粒群法程序。该方法能合理地处理优化设计中混合离散变量的取值问题,通过对标准微粒群算法改进,引入动态罚函数,算法具有很强的全局寻优能力。优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的普适性,而且程序运行可靠,全局收敛能力强。

摘要：目的基于物理模拟的人体运动生成方法由于能够合成符合自然规律的运动片段,可实时响应环境的变化,且生成的物理运动不是机械性的重复,因此是近年来计算机动画和虚拟现实领域中最活跃的研究方向之一。然而人体物理模型具有高维、非线性及关节间强耦合性等特点,求解人体物理运动十分困难。反馈控制器常用于人体物理运动控制,求解时通常需要对多个目标函数加权求和,然而权重的设置需多次试验,烦杂耗时。针对运动控制器求解困难的问题,本文提出了一种面向反馈运动控制器的多目标求解方法。方法首先,对运动数据进行预处理并提取关键帧求解初始控制器,并设计一种改进的反馈控制机制;在此基础上,种群父代个体变异产生子代,采用禁选区域预筛选策略去除不满足约束的个体,并通过重采样获取新解;然后,通过物理仿真获得多目标适应度值,采用区域密度多层取优选取分布均匀的优秀个体作为下一代父代,并通过基于剪枝的多阶段物理求解算法决定是否进入下一阶段优化;经过多次迭代后获得物理控制器,从而生成具有反馈的人体物理运动。结果针对提出的方法,本文针对多个测试函数和物理运动分别进行实验:在测试函数实验中,本文分别采用经典的测试函数进行实验对比,在相同的迭代次数下,相比之前算法,本文算法中满足约束的优秀个体命中率更高,反转世距离更小,且最优解集的分布更加均匀;物理运动生成实验中,分别针对走路、跑步和翻滚等运动进行物理运动生成,与之前算法进行对比,本文算法可以更早地完成收敛,同时目标函数值更小,表明生成的运动效果更好。结论本文提出的进化求解方法可以生成不同运动的控制器,该控制器不仅可以生成物理运动,而且还具备外力干扰下保持平衡的能力,解决了运动控制器求解中多目标权重设置困难、优化时间长的问题;除此之外,本文算法还对具有约束的多目标问题具有较好的求解效果。

摘要：提出了一种有效求解约束函数优化问题的新型演化算法,该方法能合理地处理优化设计中混合离散变量的取值问题。该方法是在郭涛算法的基础上,通过构造动罚函数,引入精英保存策略,增加父体选择压力加速算法收敛,构造了精英多父体杂交优化算法,开发了混合离散变量优化的精英多父体杂交优化算法程序DEMPCOA1.0。机械优化设计实例表明,该算法对优化设计问题的特性无特殊要求,具有较好的适应性,而且程序运行可靠,全局收敛能力强。