摘要：从提高鲁棒协同优化(Robust collaborative optimization,RCO)模型的计算效率和模型求解方法优化性能角度出发,提出简化的基于隐含不确定性传播的鲁棒协同优化(Simplified implicit uncertainty propagation robust collaborative optimization,SIUPRCO)模型和改良的鲁棒协同优化模型求解方法(Improved robust collaborative optimization resolving method,IRCORM)。SIUPRCO是对基于IUP方法所建立的RCO模型进行的改善,它避免对全局灵敏度方程的求解,从而提高了RCO模型的计算效率。在IRCORM模型求解方法中,为解决RCO易陷入局部极值点的问题,利用动态罚函数法得到确定性协同优化的全局极值点,并将该值作为RCO优化的初始点;采用遍历组合的方法,给出Pareto最优解。典型算例的优化结果表明,SIUPRCO模型具有合理性,IRCORM求解方法具有良好的优化性能。

摘要：为了改善鲁棒协同优化设计中约束函数鲁棒性评估的精确度,提出一种混合不确定性鲁棒协同优化设计方法。针对区间分布不确定性优化问题,该方法通过灵敏度分析方法修正子学科中的鲁棒约束函数,使不确定性因素不仅包括各输入变量的不确定性,还包括鲁棒协同优化求解过程中共享设计变量不一致带来的模型不确定性。数值算例的优化结果表明,混合不确定性鲁棒协同优化方法显著改善了约束函数鲁棒性评估的精确性。将该方法应用到一个卫星结构优化设计问题中,并采用自适应模拟退火算法求解,验证了该方法对复杂工程系统鲁棒优化设计问题的适用性。

摘要：针对鲁棒协同优化(robust collaborative optimization,RCO)具有两级优化结构和多目标形式的特点,提出基于非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA--Ⅱ)的RCO求解方法.在NSGA--II非支配排序中,根据个体的不可行度和不可行度阈值来决定其可行性,并给出随进化过程逐渐减小的不可行度阈值.在该阈值的作用下,在进化初期,保留较多的目标函数和标准差较小的个体,以便优化向全局极值点附近靠近;在进化后期,保留较多的学科间一致性好的个体,以便增强学科间的一致性.该方法在保证各子学科间一致性的前提下,可有效避免RCO优化结果易收敛到局部极值点的问题.利用典型算例对该方法进行了验证,结果表明该方法的优化性能良好.