1、本文在國家“863”高技術(shù)研究發(fā)展計劃項(xiàng)目2006AA04Z121、國家自然科學(xué)基金項(xiàng)目50775084 資助下，對基于仿真模型的動態(tài)響應(yīng)優(yōu)化展開研究，主要研究內(nèi)容包括動態(tài)響應(yīng)優(yōu)化問題并行化處理、基于時間譜元法的動態(tài)響應(yīng)優(yōu)化、基于MARS的動態(tài)響應(yīng)優(yōu)化和基于模糊聚類的全局動態(tài)響應(yīng)優(yōu)化等問題。本研究主要內(nèi)容如下：
　　 ⑴研究了仿真優(yōu)化中SQP算法的并行處理與調(diào)度策略，提出了SQP并行優(yōu)化調(diào)度策略的抽象調(diào)度模型即等式約束離散變量優(yōu)

2、化模型，從理論上探討了并行化處理與調(diào)度策略的可行性；通過工作池，應(yīng)用集中式動態(tài)負(fù)載平衡技術(shù)實(shí)現(xiàn)并行任務(wù)調(diào)度。以F14 戰(zhàn)斗機(jī)簡易模型動態(tài)響應(yīng)的控制參數(shù)優(yōu)化為例，驗(yàn)證了本方法的有效性。
　　 ⑵研究了基于時間譜元法的系統(tǒng)動態(tài)響應(yīng)優(yōu)化算法。深入分析了在時間域內(nèi)離散動態(tài)響應(yīng)，將運(yùn)動微分方程或方程組轉(zhuǎn)化成代數(shù)方程組，精確解出瞬態(tài)響應(yīng)，改善了傳統(tǒng)求解動態(tài)響應(yīng)時誤差大的缺點(diǎn)，達(dá)到譜收斂精度。用高斯-洛巴托-勒讓德點(diǎn)法（GLL）和關(guān)鍵點(diǎn)法（K

3、PM）處理時間約束。這樣，動態(tài)響應(yīng)優(yōu)化算法就可以在超曲線或超曲面上找到滿足所有時間約束的變化的目標(biāo)函數(shù)。以線性單自由度吸振器設(shè)計、線性2 自由度彈簧減振器設(shè)計和線性5自由度汽車懸掛系統(tǒng)設(shè)計為例，引入人工設(shè)計變量，詳細(xì)分析了兩種處理約束方法的優(yōu)缺點(diǎn)，也說明了此方法的正確性。這些內(nèi)容可為進(jìn)一步研究動態(tài)響應(yīng)優(yōu)化提供參考，如在固定端承受振動輸入的矩形變截面梁的動態(tài)響應(yīng)優(yōu)化設(shè)計，在不同邊界條件下承受垂直平面均布瞬態(tài)動載荷作用的彈性梁的動態(tài)響應(yīng)優(yōu)化

4、設(shè)計等。
　　 ⑶利用多變量自適應(yīng)回歸樣條（MARS）的特點(diǎn)，提出了結(jié)合移動極限策略和置信域方法以及數(shù)據(jù)驅(qū)動且適合基于計算昂貴的黑箱仿真模型的動態(tài)響應(yīng)優(yōu)化算法。MARS是一個自適應(yīng)的回歸過程，采用了將高維問題簡化為低維高精度模型的修改回歸分塊策略。MLS是在設(shè)計空間確定子區(qū)間的位置和大小，其不僅反映了函數(shù)近似質(zhì)量，而且反映了優(yōu)化過程的收斂歷史。應(yīng)用MARS的目的是減小了傳統(tǒng)響應(yīng)面的不利因素，特別是對于高維非線性問題。以高維函數(shù)和

5、高維工程問題為例進(jìn)行測試，結(jié)果表明了該方法的可行性和有效性，并且和二次響應(yīng)面（QRS）在計算效率和精度方面進(jìn)行了比較。還測試了調(diào)用仿真器ANSYS的變截面懸臂梁外形形狀優(yōu)化的問題，并與基于SQP的仿真優(yōu)化進(jìn)行了比較；測試了線性2 自由度彈簧減振器設(shè)計問題和5自由度汽車懸掛系統(tǒng)動態(tài)響應(yīng)優(yōu)化設(shè)計問題，結(jié)果說明了移動極限策略和MARS 響應(yīng)面結(jié)合的優(yōu)越性。
　　 ⑷將MARS、數(shù)據(jù)驅(qū)動、置信域法（TRM）與增廣拉格朗日方法相結(jié)合起來研

6、究動態(tài)響應(yīng)優(yōu)化算法。當(dāng)最優(yōu)點(diǎn)在數(shù)據(jù)庫中或者有很近的點(diǎn)在數(shù)據(jù)庫中時，將用數(shù)據(jù)庫中的點(diǎn)對應(yīng)的目標(biāo)函數(shù)和約束函數(shù)的值代替最優(yōu)點(diǎn)的目標(biāo)函數(shù)和約束函數(shù)的值，而不需要再進(jìn)行計算昂貴的仿真分析，如果不存在這樣的點(diǎn)，只能通過計算昂貴的仿真分析獲得最優(yōu)點(diǎn)的目標(biāo)函數(shù)和約束函數(shù)的值。隨著優(yōu)化的進(jìn)行，數(shù)據(jù)庫越來越成熟，這樣更加有利于建立精確的響應(yīng)面并且快速找到全局最優(yōu)點(diǎn)。以一個10 維工程問題以及線性2 自由度彈簧減振器設(shè)計和5自由度汽車懸掛系統(tǒng)動態(tài)響應(yīng)優(yōu)化設(shè)

7、計問題為例進(jìn)行測試，測試結(jié)果與文獻(xiàn)中提供的數(shù)據(jù)進(jìn)行了比較，證明了此方法的可行性和有效性。
　　 ⑸將模糊聚類應(yīng)用于基于仿真模型的全局動態(tài)響應(yīng)優(yōu)化中，并且取得很好的效果。用近似模型代替密集計算進(jìn)行分析和仿真，計算速度快。模糊聚類確定采樣子區(qū)間的位置，最近兩次迭代結(jié)果決定采樣子區(qū)域的大小。確定了要采樣的子區(qū)間后小樣本采樣，仿真評估目標(biāo)函數(shù)及約束函數(shù)，然后構(gòu)造全局Kriging 響應(yīng)面，再在整個設(shè)計域內(nèi)大樣本采樣，之后仿真評估全局Kr

8、iging 響應(yīng)面，將仿真結(jié)果模糊聚類，再確定下一次迭代的子區(qū)間，反復(fù)迭代直到收斂。在模糊聚類全局動態(tài)響應(yīng)優(yōu)化中，每一次迭代采用3個聚類中心和它們的幾何中心效果較好，這3個中心就是局部最優(yōu)點(diǎn)或者其附近點(diǎn)，這3個聚類中心的幾何中心有更大的概率成為最優(yōu)點(diǎn)；排序這4個點(diǎn)的函數(shù)值，將函數(shù)值最小值的點(diǎn)作為本次迭代的最優(yōu)點(diǎn)。以10個標(biāo)準(zhǔn)全局優(yōu)化問題和1個線性單自由度吸振器設(shè)計問題為例進(jìn)行測試，并與遺傳算法（GA），模擬退火算法（SA），粒子群算法（