山东科技大学学士学位论文

这放松的要求学科设计约束是对系统水平值s感到满意的。特别是,在某种程度上我们现在有灵活的时间来选择初始的 ,学科设计约束是满意的，与协同优化一模一样。那么你可以申请一个优化算法来实行关于设计约束的惩戒的可行性。

它能简单的验证那个DAO相当于原来的FIO。这使得DAO 容易分析;比如,如果标准的约束资格满足最初的问题，那时他们也坚持DAO规划。优化算法的收敛性质应用于DAO是那些应用于FIO传统的算法。给定一个好的约束优化问题的平等求解,该方法有望成为有效率的。我们注意到非线性等式约束在工程优化方面通常被认为是不合要求的,可能由于所偏爱的迭代方法可行的工程优化软件(例如,[?])。然而,大多数在非线性规划上的先进方法不能维护非线性等式约束对每次迭代的可行性。相反,只有在解决方案上才能达到可行性。因此,一个好的平等约束求解器一般可以处理额外的非线性等式约束变得轻而易举。

协同优化

协同优化(CO)[9-20]是一个两层的以下表格的系统级问题的办法:

有N跨学科的一致性约束,我们目前描述的

。面

向对象的系统级问题控制系统级设计变量s与跨学科的耦合变量(t1，t2),作

53

山东科技大学学士学位论文

为系统级目标价值学科的输入和输出a1及a2。

对CO沿线的配方(3),我们引进新的学科设计变量1，2,放松的子系统之间的耦合通过共享设计变量s系统。变量i作为局部副本(规划子系统水平)的共享变量s。

面向对象的系统级问题设计目标(s，t1，t2)是学科的组成。在低层问题上,学科设计以配合这些目标,如下。在学科1中,我们给出了(s，t1，t2)和计算?1(s，t1，t2)及l1 (s，t1，t2)以作为一个下面在(?1，l1)的最小化问题解决的办法：

其中a1是在这个学科优化问题上通过学科分析计算的。

Overbars(例如, ?1，l1)表明子系统问题的最优解是作为一种系统级变量的功能。在学科子问题(10)中,面向对象的系统级变量(s，t1，t2)服务作为我们努力去匹配的参数或目标。对学科2定义解决方案?2 (s，t2)和l2 (s，t1，

t1，t2)的问题有一个类似的问题

再次, a2是通过学科分析来计算的

54

山东科技大学学士学位论文

重新拟订的CO沿线的FIO的制定也需要第三个系统级约束学科代表0构造系统级设计方法的约束因素。优化学科0对待系统级的限制的目的是为了获得?0 (s，t1，t2),?1 (s，t1，t2)和?2 (s，t1，t2):

从公式（10）-(12)来区分CO的极小值问题。该子问题可以迎刃而解。通过求解子问题，我们消除了从系统级问题学科设计变量，解耦产出的学科分析计算。公式(10)-（11）解决问题的方案是用于定义Ci一致性约束。

我们讨论了其中的CO版本，一致性条件是在公式（10）-（11）中从零开始实现它的价值目标的目的。在这个层次的系统中，跨学科的一致性约束是在公式（10）-(11)中简单的得到最优值的目的。就是说，C=（c1，c2）的一致性约束需要这样定义

我们这里说的CO2，它的下标“2”指的是它的平方和。 可以再[1]中发现，简单实例的优化问题可以用公式表示最优解。

线性分解优化

线性分解优化（OLD）[21-24],在系统中保持跨学科的一致性，这时需要在子系统中有规律的约束设计下寻找最小解。

55

山东科技大学学士学位论文

在低层次的问题中，这个规律是利用它的局部自由度的设计来减小这个约束条件，使其匹配目标价值规律下的输出。在规律1中，我们给出了(s，

t1，t2)和l1 (s，t1，t2)计算的一种解决方法，以下是l1最小化问题：

通过约束分析，在这个优化问题中可以计算分析出a1。

在公式（16）中，(s，t1，t2)在优化问题中作为系统变量参数。 目标函数c1有下列的函数性质： 对任何的(s，t1，t2),我们有

当且仅当

对所有的l1满足

有一个类似的问题规律2。给出(s，t1，t2),我们计算出l2 (s，t1，作为一种解决问题的方法，下面是l2最小化问题：

再次，a2是通过约束分析计算出的

56

t2)