船舶结构优化设计方法比较研究

高占锋

摘 要：本文从经典优化算法、启发式优化算法等两个方面综述了船舶结构优化设计方法的内容、优点和不足，指出了启发式算法较经典算法更适合船舶的结构设计优化。并提出了动态代理模型是弥补启发式算法耗时过久的不足，也是当前船舶优化设计的研究重点，在指导实践研究具有积极的现实意义。

关键词：船舶结构；优化设计；启发式算法；经典优化

中图分类号：U663 文献标识码：A 文章编号：1006—7973（2017）11-0038-02

船舶结构优化设计是指能够满足其强度、刚度、稳性、频率和建造等约束条件下，借助计算机编程和数学方法，对船舶的形式、布局和尺寸等结构参数进行优化，使船舶结构重量、布局等目标值达到一种最优化的技术。船舶结构优化设计是基于船舶结构与水介质耦合动力学等知识，用以改善船舶的运动性能和结构安全性等，其优化的目标是追求最小的重量结构，满足最优的动力或静力形态特性，设计和建造出最合理的船舶框架形式和结构尺寸，在满足强度、稳性、频率等设计约束条件基础上得出一个在力学性能、工艺性能、经济性能以及使用性能等方面的最优设计方案。船舶结构优化设计包括尺寸、形状和拓扑优化三个层次。

常用的船舶结构优化设计方法主要有经典优化算法（如准则法、数学规划法等）、启发式优化算法（如遗传算法和蚁群算法等），以及基于代理模型的优化算法。具体选用何种优化算法则主要是根据设计船舶的结构求解方法的不同而不同。

1 经典优化设计方法

移准则创建优化设计迭代的方法，主要是针对一个约束、一组载荷运用拉格朗日乘子法或能量法来推算出完全正确的迭代式。当船舶需要较大外载时，或者出现较多的位移时，便可以应用“包络法”作出相应的处理。位移准则法对船舶的刚度优化设计方面应用较广。

（2）数学规划法。数学规划法是在准则法发展到一定阶段，根据数学规划的结构优化，以规划论为基础，可用于求解不同性质的船舶优化问题。其中，最为典型的是多目标模糊优化设计法。虽然，目标函数和约束条件是预先按照规定确定的，但在实际设计和建造过程中，船舶结构中的优化设计过程、约束条件，以及相应的评价指标是较为模糊的因子，将这些模糊因子进一步地优化，则必须要通过模糊数学方法来实现其各个目标的优化设计。

（3）经典优化算法优势及不足。①准则法优化船舶设计具有收敛速度快，与优化问题的规模关系不大，重分析次数与设计变量数目没有直接关系；但不足之处是适用于结构布局及几何形状已经预先设定的前提下，所要达到的设计只是理论上接近最优状态。②经典优化算法基于梯度信息最速下降法，但在船舶设计和建造过程中梯度信息难以完全掌握，这也是在一定程度上限制了经典优化算法在船舶优化设计中的应用。③经典优化算法对于连续变量的优化较为适用，但对船舶的结构优化过程中所出现的离散变量的优化问题适应性较弱。

2 启发式优化设计方法

随着船舶行业的快速发展，大型化船舶不断地被设计和建造出来，对于船舶的结构优化的要求也越来越高，板架、横剖面、舱段甚至是整个船体都被提出了优化设计要求，设计变量增多、约束条件以及目标函数等非线性程度增大，优化问题呈现出多峰、高维和高非线性特点。于是出现了遗传优化设计方法和蚁群优化设计等新的优化设计方法，进一步提升了船舶的结构优化成效。

（1）遗传算法（GA）。遗传优化设计方法是模拟生物遗传进行原理所采取的一种新的船舶结构优化方法。它的基本处理流程是：设计参数编码和生成初始群体，设定初始群体，并通过适合度函数的设计，评估群体中的个体适合度，再进行遗传操作设计和参数控制，通过繁殖、交叉以及变异等构成GA主要操作算子。与传统结构优化方法相比，遗传计算方法具有简单通用和鲁棒性强的特点，不依赖于梯度信息，无需与导数相关的资料，运用目标函数的处罚函数方式，将原先的不足转化成为没有约束的问题，效仿生物进化环节中最为重要的三个遗传三子：繁殖、交叉以及变异。适用于处理各种传统搜索方法无法解决的非线性领域，被广泛应用于工程和船舶结构优化等领域。汤金敏将遗传算法应用到船舶推进轴系统的优化校中，以6500DWT杂货船轴系为研究对象，将遗传算法应用轴系结构优化中，轴系简化为40个节点、39个梁单元，优化后艉管后轴承的载荷减小幅度很大，提升了轴系运行的安全性能。

（2）蚁群算法（ACO）。蚁群算法是应用组合优化问题的启发式随机搜索算法，它是对自然界中蚂蚁的寻径方式进行模拟所得出的一种仿生算法，用来在图中寻找优化路径的几率型算法，与其他算法相比，蚁群算法在发现最优解方面具有明显优势。在实际应用中，在求解节点树为5-100的组合优化方面，选用合适的参数，蚁群算法的优化结果要明显优于遗传算法、进化算法以及模拟退火算法等。蚁群算法主要由信息素的更新和路径构建量方面组成，其中，信息素越多，路径被选择的概率就会增加。其基本流程是：算法参数和信息素矩阵的初始化、对所有路径对应的目标函数进行质量评估，通过信息素的更新将搜索范围缩小到少数、具有较大潜力的路径上，最后是利用概率选择机制重构路径。陈强等人，利用蚁群算法，对长江干散货船中部结构进行了优化设计，优化后比原始设计重量减少了20.6%，优化后船舶结构更趋合理。

（3）启发式优化设计方法优势及不足。启发式算法除了遗传算法、蚁群算法外，还有模拟退火算法、粒子群算法等。启发式优化算法较经典优化算法逐渐被更为广泛的应用，其主要原因在于：①启发式算法在船舶优化设计中不需要目标函数导数的有关信息，只需要在迭代过程中应用到相应的目标函数值即可，因此，更适合船舶结构的优化设计；②启发式算法全局搜索能力更强，设计者不需要关注初始点节点优劣，寻优结果不依赖于初始点的设计，应用效率大为提升；③启发式算法在高维、多峰、高非线性方面优化能力更强，进一步提升了复杂的船舶结构优化设计处理能力；④对于船舶优化设计中的离散设计变量求解方面具有较好效果。虽然起发式算法较经典式优化算法应用更为更广，但其自身也有一些不足和局限：首先表现要面对的问题就是启发式算法“早熟”，即在寻优过程中难以跳出对船舶某个结构或局部过早集中的现象；其次是要面对启发式算法算量过大问题。无论是遗传算法还是蚁群算法，都采用的是依靠“群体”概率化寻优模式，导致后期计算量巨大，增加了工作量，有时需要对成百上千的目标值进行计算，一次有限元分析短则几分钟，最长甚至需要几天时间。相对不同结构的优化效果十分明显，但对于复杂结构的优化过程耗时太长。

3 结语

随着船舶设计结构朝着大型化、复杂化的方向发展，船舶结构的设计、建造优化具有十分广阔的市场应用空间，能够节省建造成本，提高船舶的应用效率。对于上述几种优化方法比较来看，启发式算法目前较为成熟。针对启发式算法耗时过长等不足，代理模型技术是弥补这一短板的重要工具，采用静态或动态代理模型能够提升启发式算法效率不高等难题，也是研究的重点。随着优化算法的研究深入，目前有限元计算逐渐成为船舶优化设计的主要应用方法之一，无论是局部优化设计还是整体模块的优化，基于有限元分析成為发展的主要趋势。

参考文献：

[1]汤金敏.基于遗传算法的船舶推进轴系优化校中研究[J]湖南交通科技，2007，33（3）：131-134

[2]陈强，刘家新.基于蚁群算法的长江干散货船中部结构优化设计研究[J]船舶工程，2012，41（5）：47-50endprint