山东科技大学学士学位论文

公式（16）-（17）可以解决这个问题，如在协同优化中，我们通学科子问题，排除了学科设计变量li的解决问题。

在公式（16）-（17）最优值的约束性问题里定义了Ci的一致性约束。由此产生的公式是

一个变形函数的是

（C1）这个结果是可以得到。但是要注意的是Ci≧0，所以Ci≦0是默认了等式Ci=0。

线性分解优化已经被提出和一个算法求解有关系（例如[?,23]）。该算法试图去避免每次子系统的优化问题都需要约束或多余的约束，其目的是更好的解决整个系统的问题。反而，[?,23]提出了一种途径，也就是可以看作是二次方程式或类似于现行规划的收敛定理（分别是SQP或SLP）。在这种方法中，整个系统的解决时利用了线性约束，即对每个设计周期、约束及约束导数保持不变。关于SQP或SLP的区别是结果被用来代替它的二次或线性化模型。该算法将根据线性分解优化的特点将所有限制条件下都依赖线性约束，例如SLP或SQP。

57

山东科技大学学士学位论文

公式间的关系

多学科设计优化问题的途径是以普通的技术为基础来消除原问题变量的问题。利用不同的方式来消除各子集之间的约束问题。[25]，我们说一个MDO问题的表述是相对于给定约束条件的，提出了一种优化算法公式，而不是为其解决问题，假定这些约束满足每次迭代的优化。如果我们的假设的约束没有得到满意结果，那么我们称这个公的约束是开环的。

例如，考虑传统的优化应用于FIO提法。我们在每一步进行度学科分析。这相当于维持所有学科分析约束条件封闭（3）。

我们在这里讨论的所有方法可以消除从SAND上制定的各种变量子集的观点。举例来说，如果我们开始有一个SAND制定，但需要我们的设计满足等式约束的多学科分析。下面开始制定SAND,

如果我们的要求在每一个迭代a1和a2满足最后两个等式约束，

我们得到的DAO形式（7）.我们在减少这些等式约束的使用，以消除从优化问题作为独立变量a1, a2的输出分析。此外，如果我们取消来自公式（21）自变量l1，l2需要满足

然后我们得到完全集成的方法(3), 因为我们需要我们的设计满足多学

58

山东科技大学学士学位论文

科分析一致性方程（1）-（2）。我们可以看做OLD消除了学科设计中l1，l2作为自变量，目的是消除t1，t2。这种消除是通过（16）-（17）来完成的。因此，OLD多学科的分析是在每次迭代中执行的。

CO，另一方面，通过公式（10）-（11）在DAO中消除了学科设计变量l1，l2，但是没有消除耦合变量t1，t2。像DAO，多学科分析是通过真个系统的约束。

实施模块化

在这篇文章里,我们说明所需的计算模块,特别是要素最优化算法所需的计算,可以实现自主约束。另外,一种能重新配置相同的一组计算元素来实现一个或多个前面讨论的配置。这表明，如果我们正确执行所有的公式，我们所讨论的配方需要大致相同的工作来实现，而且大部分的实施可以做到个别学科自主。例如，考虑灵敏度所需的信息适应DAO优化算法。我们将显示同样的一块需要执行完全的集成优化。DAO需要以下的灵敏度。我们需要

g1 和g2的设计约束需要满足

和

最后，为了t1和t2的一致性约束我们需要

和

59

山东科技大学学士学位论文

在FIO方法中，我们需要计算的灵敏度结果

利用尺寸链。

我们通过多学科分析方程计算出衍生的a1和a2

结果

和

必须解决关于设计变量（s,l1，l2）对于a1和a2的灵敏度。（这是广义灵敏度方程的讨论[26]）。

现在比较一下（27）-（32）对FIO数量所学灵敏度和那些列在（22）-

60