新型優(yōu)化算法開發(fā)及其在核動力裝置優(yōu)化中的應(yīng)用
【學(xué)位授予單位】:哈爾濱工程大學(xué)
【學(xué)位級別】:博士
【學(xué)位授予年份】:2018
【分類號】:TP18
【圖文】:
控制和熱經(jīng)濟(jì)性提高具有現(xiàn)實意義和指導(dǎo)價值。設(shè)計方法概述核動力裝置的系統(tǒng)或設(shè)備進(jìn)行優(yōu)化設(shè)計的一般過程是:準(zhǔn)則,對需要優(yōu)化的系統(tǒng)或設(shè)備建立起可以評價其性能價指標(biāo)和工程約束條件下,運用優(yōu)化算法在設(shè)計空間內(nèi)和篩選;最后,選取出符合條件的最優(yōu)設(shè)計方案并輸出設(shè)計是一個黑箱問題,設(shè)計者無法預(yù)知最優(yōu)方案的具體信得的結(jié)果是否為設(shè)計空間內(nèi)的最優(yōu)方案。要通過優(yōu)化設(shè)案,必須滿足兩個關(guān)鍵因素:一是要嚴(yán)格按照工程設(shè)計數(shù)學(xué)模型,這是對核動力裝置進(jìn)行有效優(yōu)化設(shè)計的前提優(yōu)化算法執(zhí)行優(yōu)化設(shè)計,這是獲得優(yōu)良設(shè)計方案的保證置優(yōu)化設(shè)計的一般流程圖。
圖 1.2 Schwefel 測試問題的函數(shù)圖像 圖 1.3 Schaffer 測試問題的函數(shù)圖像Fig. 1.2 Functional imagine of Schwefel’s problem Fig. 1.3 Functional imagine of Schaffer’s problem2. 啟發(fā)式優(yōu)化算法在優(yōu)化理論的實際應(yīng)用領(lǐng)域,很多待優(yōu)化問題都屬于 NP(Non-DeterministicPolynomial,非確定性多項式)難問題[24]。根據(jù) NP 完全理論[25],不存在能在多項式時間內(nèi)解決 NP 難問題的確定性算法。針對 NP 難問題,經(jīng)典算法需要的運算時間隨優(yōu)化變量的維度指數(shù)級增長。為了解決這類問題,同時克服經(jīng)典算法的固有局限性,學(xué)者們轉(zhuǎn)向研究新的搜索機制和策略,于是產(chǎn)生了以概率型搜索策略為基本特征的啟發(fā)式算法(Heuristicalgorithm)。啟發(fā)式算法是一種依據(jù)直觀或經(jīng)驗構(gòu)造的算法,能夠在可接受的計算花費內(nèi),給出復(fù)雜優(yōu)化問題的令人滿意的可行解,該可行解不一定是最優(yōu)解,甚至無法評估它與最優(yōu)解的偏離程度[26]。一般而言,它是受到自然規(guī)律、物理規(guī)律或者是解決某些具體問題的經(jīng)驗方法的啟發(fā),模擬其運行機制而開發(fā)出來的算法,雖然它和經(jīng)典算法一樣,不能保證最終解的質(zhì)量,但對比而言,啟發(fā)式算法具備諸多優(yōu)勢。首先,啟發(fā)式算法對目標(biāo)函數(shù)和約束條件的解析性、連續(xù)性和凹凸性均沒有要求,因而具有廣泛
圖 1.2 Schwefel 測試問題的函數(shù)圖像 圖 1.3 Schaffer 測試問題的函數(shù)圖像Fig. 1.2 Functional imagine of Schwefel’s problem Fig. 1.3 Functional imagine of Schaffer’s problem2. 啟發(fā)式優(yōu)化算法在優(yōu)化理論的實際應(yīng)用領(lǐng)域,很多待優(yōu)化問題都屬于 NP(Non-DeterministicPolynomial,非確定性多項式)難問題[24]。根據(jù) NP 完全理論[25],不存在能在多項式時間內(nèi)解決 NP 難問題的確定性算法。針對 NP 難問題,經(jīng)典算法需要的運算時間隨優(yōu)化變量的維度指數(shù)級增長。為了解決這類問題,同時克服經(jīng)典算法的固有局限性,學(xué)者們轉(zhuǎn)向研究新的搜索機制和策略,于是產(chǎn)生了以概率型搜索策略為基本特征的啟發(fā)式算法(Heuristicalgorithm)。啟發(fā)式算法是一種依據(jù)直觀或經(jīng)驗構(gòu)造的算法,能夠在可接受的計算花費內(nèi),給出復(fù)雜優(yōu)化問題的令人滿意的可行解,該可行解不一定是最優(yōu)解,甚至無法評估它與最優(yōu)解的偏離程度[26]。一般而言,它是受到自然規(guī)律、物理規(guī)律或者是解決某些具體問題的經(jīng)驗方法的啟發(fā),模擬其運行機制而開發(fā)出來的算法,雖然它和經(jīng)典算法一樣,不能保證最終解的質(zhì)量,但對比而言,啟發(fā)式算法具備諸多優(yōu)勢。首先,啟發(fā)式算法對目標(biāo)函數(shù)和約束條件的解析性、連續(xù)性和凹凸性均沒有要求,因而具有廣泛
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 劉成洋;閻昌琪;王建軍;;核電廠二回路熱力系統(tǒng)的參數(shù)優(yōu)化[J];核科學(xué)與工程;2015年01期
2 周蘭欣;李飛;付文鋒;王慶五;;基于粒子群算法的壓水堆核電機組回?zé)嵯到y(tǒng)優(yōu)化[J];熱力發(fā)電;2014年09期
3 陳磊;閻昌琪;王建軍;;一種改進(jìn)的穩(wěn)壓器優(yōu)化設(shè)計及其瞬態(tài)特性[J];原子能科學(xué)技術(shù);2013年12期
4 劉成洋;閻昌琪;王建軍;劉振海;;核動力二回路系統(tǒng)優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2013年03期
5 盧青波;張學(xué)良;溫淑花;蘭國生;劉麗琴;;高斯變異差分進(jìn)化算法及其應(yīng)用研究[J];工程設(shè)計學(xué)報;2012年05期
6 劉成洋;閻昌琪;王建軍;;船舶汽輪機優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2012年S1期
7 劉成洋;閻昌琪;王建軍;;基于改進(jìn)遺傳算法的冷凝器優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2012年04期
8 劉成洋;閻昌琪;王建軍;;基于混合遺傳算法的穩(wěn)壓器優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2012年03期
9 李貴敬;閻昌琪;王建軍;賀士晶;;主循環(huán)泵重量和體積的優(yōu)化設(shè)計[J];原子能科學(xué)技術(shù);2011年09期
10 秦慧敏;閻昌琪;王建軍;;反應(yīng)堆一回路裝置的容積優(yōu)化設(shè)計[J];核動力工程;2011年04期
相關(guān)博士學(xué)位論文 前5條
1 李貴敬;核動力設(shè)備及系統(tǒng)的多目標(biāo)參數(shù)優(yōu)化[D];哈爾濱工程大學(xué);2015年
2 陳磊;核動力系統(tǒng)多目標(biāo)優(yōu)化方法研究及可行性驗證[D];哈爾濱工程大學(xué);2014年
3 劉成洋;核動力裝置總體參數(shù)最優(yōu)化設(shè)計[D];哈爾濱工程大學(xué);2013年
4 楊曉燕;快堆堆芯燃料管理優(yōu)化研究[D];清華大學(xué);2010年
5 石秀安;壓水堆核電站堆芯燃料管理與優(yōu)化研究[D];清華大學(xué);2007年
相關(guān)碩士學(xué)位論文 前4條
1 胡振洲;一種面向約束優(yōu)化問題的多目標(biāo)混合進(jìn)化算法的研究[D];南京航空航天大學(xué);2014年
2 劉振海;核動力設(shè)備優(yōu)化設(shè)計研究[D];哈爾濱工程大學(xué);2013年
3 馮可新;換熱器參數(shù)化建模技術(shù)研究[D];哈爾濱工程大學(xué);2013年
4 金芬;遺傳算法在函數(shù)優(yōu)化中的應(yīng)用研究[D];蘇州大學(xué);2008年
本文編號:2789922
本文鏈接:http://www.sikaile.net/kejilunwen/zidonghuakongzhilunwen/2789922.html