книги / Оптимизация подкрепленных цилиндрических оболочек
..pdfподкрепленных оболочек все ограничения области значений пара метров должны быть записаны в виде ограничений-неравенств.
Задание функциональных ограничений (2.10) многокритериаль ных постановок задач ОПК часто является некоторым этапом про цедуры проектирования [12; 26]; особенности назначения ограни чений (2.10) рассмотрены в 2.4 и 3.10.1 - 3.10.3.
В заключение анализа постановки.(2.1)-(2.14) отметим еще од но важное обстоятельство, связанное с методами расчета под крепленных оболочек, представленными в гл. 1 и работах [2; 4]. Рассмотренные методики при использовании одночленной аппрок симации прогибов ребристой оболочки дают достаточно простые зависимости для расчета характеристик конструкции. Сравнитель но небольшие вычислительные затраты, необходимые для реали зации прямого расчета оболочки, открывают возможность для ис пользования алгоритмов случайного поиска [31], которые являют ся одними из наиболее эффективных при решении оптимизацион ных задач с указанными выше особенностями математических моделей объектов.
Построению и использованию алгоритмов случайного поиска для оптимизации подкрепленных оболочек посвящены, например, работы [12; 29]. В отличие от названных, в настоящем исследова нии сделана попытка комплексного рассмотрения, по возможно сти, всех аспектов оптимального проектирования подкрепленных оболочек на базе случайного поиска. При этом разрабатывается адаптивный алгоритм глобального случайного поиска; проводится анализ ограничений (2.3)—(2.14) и задача ОПК формируется таким образом, чтобы минимизировать оценку суммарных вычислитель ных затрат на поиск; предлагается методика задания и адаптация Ът п в процессе оптимального проектирования; рассматривается вопрос_о выборе начальных значений параметров проектиро вания X
2 .2 .2 . Адаптивный алгоритм глобального случайного поиска на вложенных пространствах
Алгоритмы случайного поиска представляют собой некоторые рандомизированные процедуры оптимизации, реализация которых основана на генерации случайных числовых последовательностей и не требует знания аналитических свойств объекта проектирова ния [12; 31]. В них решение задачи поиска оптимальных с точки зрения (2.2) значений параметров (2.1) производится по рекуррент ным соотношениям вида
где очередной (к + 1 )-й шаг поиска определяется на осно ве алгоритма /4^учитывающего информацию нескольких предшествующихэтапов
A f * +r V X * - d + 1........ |
<2.16) |
Здесь К вектор адаптируемых параметров алгоритма.
В качестве компонентов п могут быть: рабочий шаг вдоль вы* бранного случайного направления, параметры, характеризующие плотность распределения случайного шага, обьем накопления между двумя рабочими шагами поиска (количество пробных слу чайных „испытаний” модели конструкции, на основе которых вы бирается направление поиска в пространстве параметров на (К +1 )-м шаге) и др. [31].
Алгоритм /Ц называют {/-шаговым, если при выборе Д 2 используется информация о расчетных характеристиках конст рукции на предыдущих d случайных векторах Алгоритм адап тации представляет собой рекуррентную формулу изменения некоторых параметров А вида _
где A lYkir| - приращение адаптируемых параметров на (А+1 )-м
шаге адаптации, а ^ ^ + 1 - |
коэффициент адаптации. Задание пра |
|
вил для нахождения Д |
или |
уи определяет алгоритм |
адаптации случайного поиска, например, |
N __ |
|
|
|
(2.18) |
Здесь 0) - алгоритм адаптации; F(Xk ) - оценки (2.2) на R -м шаге поиска; 2)^ (X ) - состояние объекта на очередном этапе.
Рассмотрим алгоритм, согласно которому процесс оптимиза ции подкрепленных оболочек описывается соотношениями вида
х ^ р>= х аю{ х H ^ S , г = {1 ,2 }. |
(2.19) |
Здесь 2 - случайный равномерно распределенный на отрезке [-1; 1] вектор. Параметры алгоритма Hi и представляют собой реб з вложенных друг в друга гиперкубов (Н^> tfg), центры кото рых совпадают. В ходе поиска размеры кубов изменяются по ре куррентным формулам:
|
|
|
|
|
? № |
|
f t " , ? |
' |
|
|
); |
|
|
|
(2.20) |
||
нн “ |
ч |
’ |
F iX |
I |
о |
|
( г Н< |
|
|
|
|
|
|
« , * « » |
н [к). |
C2.21) |
Помимо растяжения-сжатия ребер Нь Нг происходит переключе ние поиска с внешнего куба на внутренний и наоборот. При этом в (2.20) определяется следующим образом:
|
ч й Щ - я , ; ^ % = н 2; |
н ч = |
F [ I ^ Lp)] » F L i l k)i) } - , |
уг
|
HZt(*+LpW |
O |
) |
V(H,=H2); |
|
ч |
Г Г Х ^ +Й ] < |
Г [ 1 01М] ) } , |
(2.22) |
||
В соотношениях (2.19>-(222) обозначено: ^ Я ; |
$г < 1; ^ |
^ > 1 - |
|||
константы растяжения (сжатия) гиперкуба поиска |
H q (0 |
—1,2 ; |
sw //0 ), где /У0 - начальное ребро гиперкуба поиска п А, выра женное в относительных значениях к объему поиска (2.4); р - 1,2,
.... ip - заданное и фиксированное в алгоритме число случайных реализаций вектора 2 ^ при неизменном Hq, знаки - при отра жают стратегию осуществления двойного возврата пробной точки X l k*p) [31J, в соответствии с которой при неудачном шаге Д испытывается шаг - Х 1£ - вектор значений переменных проектирования, соответствующих наименьшей достигнутой за к шагов поиска оценке F{X) (2.2); знак „V " показывает логическую операцию ИЛИ.
Согласно (2.19)-(2.22), содержание алгоритма оптимизации сводится к „набросу" пробных случайных точек Т ^ в куб с ребром Hq, вычислению и оценке критериев (2.2) и функций ограничений (2.4)—(2.14), сравнению значений (2.2) с наилучшими, полученными на предшествующих этапах, и к переключению поиска с глобаль ного на локальный (переход от Н^ к Н г ) или с локального на гло бальный (переход с куба /Уг на куб Hi ). Такой переход убыстряет локальный поиск и повышает эффективность глобального. Соот ношение ребер /У1 и /У» следующее: /У* “ (4 т 8)Нг.Модификация алгоритма адаптации (2.20)-(2.22) может состоять в трансформа ции гиперкубов Hq в параллелепипеды. В этом „случае значения длин ребер H q i, соответствующих параметру X ’t i определяются при нахождении лучшей, чем X jf \ точки изменения величин Hqi пропорциональны смещениям вдоль координат X i,
С помощью программы, реализующей алгоритм (2.19)-(2.22), успешно решены тестовые задачи, приведенные в работах [17; 31], а также выполнено проектирование подкрепленных оболочек в по становке гл. 3. Заметим, что при Нг - а л г о р и т м (2.19)—(2.20) становится подобным алгоритму случайного поиска из работы [17].
В рамках рассмотренной процедуры может быть организован как поиск в допустимой'области, так и выход из недопустимой
области D r- |
В случае, если начальная точка поиска Х 10 не при |
|
надлежит |
осуществляется ввод процесса |
(2.19) в допу |
стимую область с „прицеливанием” в район глобального экстре мума за счет использования соотношения вида
для которых имеют место отношения d r < 0 , Х ^ d r (-Т );&F>0 - приращение критериев (2.2), связанное с приращением А Ф > 0 . В среднем выражение (2.23) позволяет выявить направления вы хода из недопустимой области, близкие к движениям вдоль гипер поверхности уровня целевых функций F(X) (2.2).
2.3.ПОСТАНОВКИ ЗАДАЧ ОПТИМИЗАЦИИ
/ДЛЯ РЕАЛИЗАЦИИ ИХ МЕТОДАМИ СЛУЧАЙНОГО ПОИСКА
2.3.1. Упорядочение ограничений
Общие постановки задач оптимизации в терминах НЛП [12; 23; 32], как и постановки задач оптимального проектирования реб ристых цилиндрических оболочек (см. 2.1), как правило, не связы ваются с методами их численной реализации. Вместе с тем этот аспект формализации задач ОПК требует должного внимания. С его успешным решением связано обеспечение приемлемых вы числительных затрат на проектирование в целом. При использова нии методов оптимизации на базе случайного поиска (СП) рацио нальная структура модели задачи оптимизации подкрепленных оболочек имеет особое значение. Это обусловлено тем, что алго ритмы СП оказываются более эффективными в случаях, когда за траты ресурсов ЭВМ на анализ значений Х 1*\ по возможности, малы [31]. Здесь рациональной следует считать такую формули ровку задачи ОПК, при которой недопустимость случайной реали
зации вектора переменных проектирования |
|
устанавлива |
ется как можно раньше. |
' |
* |
Система условий (2.4)—(2.14) выделяет множество допустимых проектов оболочек, не раскрывая способа численной реализации. С целью минимизации общих вычислительных затрат на решение
задачи_ ОПК |
выполним ..упорядочение ограничений (2.4)—(2.14). |
||
Пусть |
- |
реализация «X (2.1) и проверяется отношение принад |
|
лежности |
|
|
|
|
|
/* = 1,2,,.., г(]. |
(2.24) |
Если точка Х^ является недопустимой, то для выявления этого бу дет израсходован наименьший вычислительный ресурс в рамках двух систем упорядочений ограничений dr (X) следующего вида:
1) упорядочение групп ограничений
|
{; (Х{ ) > |
0 ) ^ |
0 } ^ |
|
|
£ £ £ {d ffH s) « 0 } |
A£f { d p / I j X O } . |
(2.25) |
|
Знак |
задает строгую последовательность в расчете и про- |
|||
верке групп ограничений, а индексы |
{ К & , у к а з ы в а ю т вид |
условий из (2.4)—(2.14), относящихся к группе. В (2,25) функция FQ (X*) означает оценку характеристики веса, стоимости и т. п., достигнутую на данном этапе поискового проектирования; провер' ка условий.(2.10) производится в* той же группе; где и анализ оценок FQ №)',
2) внутригрупповое упорядочение в { j }
Здесь 7^ - трудоемкость вычисления условия d{№ ), f}(X) - оценка вероятности его выполнения на текущем этапе поиска. Упорядочение (2.25) исключает расчет более трудоемких ограниче-' ний, если 2^ не удовлетворяет относительно'простым, а (2.26) по казывает, что в группах в первую очередь следует проверять те ограничения, которые менее трудоемки и имеют меньшую вероят ность выполнения Р^. Таким образом, введенные упорядочения (2:25), (2.261. сокращают непроизводительные затраты ресурсов ЭВМ, если Х ^ 2)д,,
2 .3 .2 . Методика расчета характеристик подкрепленных оболочек, зависящих от форм волнообразования
При расчете критических напряжений потери устойчивости реб ристых оболочек необходима минимизация функций состояния конструкций, например (2.6)-(2.7), по параметрам волнообразова ния: 2 )^ -2 ){Х ,т ,п ). В большинстве работ [23; 26; 32; 29 и др.] в этих случаях общий вид ограничительных функций соответству ет выражению (2.11). Следует отметить два момента: во-первых, задание границ области дт п ‘, во-вторых, организацию расчетов в известной Ът п .
С точки зрения минимизации затрат общепринятая запись огра
ничений (2.11) джолжна быть заменена следующей: |
|
|||
Q ( X ) = mifi |
m in |
{ V |
К<?(Я,- 0 . ( 5 ,т ,л У $ 0 ] } . (2.27) |
|
H ftV |
-,8}(т ,л > € 2>шл |
W ) |
J |
J |
Здесь знак V указывает необходимость прекращения процесса минимизации по (Ш ,п)е 2)т /} ,если хоть для одного набора зна чений (/лpt /1^ ) имеет место неравенство
Qt8)-Q y( ^ , / n p , л ? ) > 0, |
(2.28) |
тогда как в (2.11) отношение типа (2.26) будет установлено лишь после полного перебора ( т , п ) 6 2) т л •
Как отмечалось в § 2.1, одним из резерве" повышения быстро действия алгоритмов оптимизации подкрепленных оболочек яв ляется формирование области f)mn (2.8) в ходе решения задачи (2.1)-(2.2). Такая возможность существует в связи с тем, что по-
иск оптимальной конструкции производится поэтапно, причем па раметры конструкций на некотором Л*м и (/с+ 1)-м этапах разли чаются не слишком сильно. Сказанное в наибольшей мере отно сится к завершающим этапам оптимизации подкрепленных оболо чек. На них, как правило, уже сформирована система подкрепля-
.ющих ребер и выбираются значения непрерывных управляемых параметров х 4- из (2.1). Понятно, что в этих условиях фиксирование
области п ^ П 4 Л г } Для всвх эта пов процесса.оптимизации ведет к избыточным вычислениям при
расчетах Q(X).
Соотношения (2.11), (2,27) показывают, что при вычислениях Q (I) параметры волнообразования (/я,л) формально.могут быть включены в вектор управляемых параметров [29] с последующей реализацией методами, изложенными в 2:2. Осуществление тако го подхода на практике вызывает значительные трудности. Причи на здесь состоит в качественных различиях внутренних парамет ров состояния объекта (т ,п ) и параметров проектирования X, а также в несоизмеримости количественного влияния вариаций (т, л) и непрерывных величин из (2.1). Поэтому решение задач ми нимизации в (2.27), как правило, выполняется перебором по цело численной сетке. Альтернативой этому является использование алгоритмов, подобных рассмотренным в § 2.2, для управления областью варьирования (Л7, л), а не для выбора конкретных значе ний <т л ,) как решений задач минимизации в (2.27).
Может быть предложено несколько компромиссных подходов к формированию „подвижного" диапазона (2.8). Одним из них является алгоритм подвижного прямоугольника - предусмат ривает возможность изменения положения Dmn в процессе опти мизации при сохранении диапазонов варьирования (т,п). Область
Т)тп |
задается в виде |
|
|
|
|
т ^ т ( т ^ Ъ т ; п * л « Я , + В л ; |
|
/й, = ш а т [1; |
n ( = m c u :[i;n lf)-D n / n } , |
(2.29) |
|
где |
Dm , v n - |
константы; /п ® я , - значения параметров волно- |
образования оболочки на Jc-м этапе поиска. Диапазоны варьирова ния в (2.29) Dm, Z?n устанавливаются более узкими, чем при ап
риорном задании Dmn. Область в расчетах (#-М >го этапа
оптимизации не является „жесткой” . Алгоритм подвижного прямоугольника осуществляет перебор (т,П ) е Ьт п , который может
быть продолжен за пределы (2.29). Перебор (Ц П ) ограничивается областью (2.29), если выполняются соотношения
Я '1г { . д 1+ V V ( 2 3 ° i
и аналогичные соотношения для параметра п. В противном случае
вариации (/77, п) продолжаются вне (2.29) до |
соблюдения |
нера |
|
венств (2.30). Таким образом, при поиске \ т + |
, |
} |
пря |
моугольник J2.29) будет смещаться, если его границы лежат на |
|||
склоне Q j(X,m ,n). Формирование ^ т п (2.8) алгоритмов |
(2.29), |
(2.30) осуществляется с начального или же с некоторого /f-го эта па оптимизации подкрепленных оболочек, когда в общих чертах представление о значениях уже выработано. Для оценки Ът п могут быть использованы приближенные аналитические за висимости, приведенные в работе [4].
Еще один альтернативный подход к выбору Ът п - адаптация прямоугольника поиска. Этот подход опирается на модификацию диапазонов Vn,, Dh в соответствии с рекуррентными соотноше ниями f
а- |
« |
, |
- |
Г |
...... |
mn |
|
т (п ) |
т (л Г |
* ’ |
|
(n )’ J ’ * |
|
В (2,31) д *, Dn, L mn - константы; Вт |
,&п |
выбираются постоян |
ными для всего процесса оптимизации или считаются функциями
fim ln ) : |
£ Ця(П)> где е > 0 |
“ заданное |
число. Условие |
|
(Я1* , /7*) 6 Ь , , |
выполняется, если для ] е [ 1: Lmn] последова- |
|||
тельных векторов |
выработанных алгоритмом (2.19) - (222) |
|||
при соблюдении соотношения |
Drt решения задач минимиза- |
|||
л |
|
f |
2:/Ti |
|
ции по (/77,/?) из (2.27) находятся в |
»т* е* выполнены соотно |
|||
шения (2.30). Иначе для оптимальных значений |
(т * п * ) имеет |
|||
место:У. (Л7* , П4) |
Ъщпу Алгоритмы (2.29) - (2.30) |
и (2.31) приме- |
няются совместно или независимо друг от друга. В последнем
случае в алгоритме (2.31) для (2.29) значения |
-т п ^■= 1. |
Проведенные исследования подтвердили |
целесообразность |
указанных подходов при оптимизации подкрепленных цилиндриче ских оболочек.
2 .3 .3 . Выбор стартовых точек поиска
В многоэкстремальных задачах ОПК, какими являются рассмат риваемые задачи проектирования подкрепленных оболочек, удач ное задание начальных значений вектора переменных проектиро вания 1 1<Wво многих случаях является определяющим при поиске глобального решения. Можно указать несколько путей решения вопроса о выборе стартовых точек на практике. Во-первых, для
некоторых задач проектирования подкрепленных оболочек разра ботаны приближенные методики расчета параметров конструкций, удовлетворяющих критерию минимума веса [4]. Полученные на их основе решения могут использоваться в качестве стартовых то чек соответствующих типов задач ОПК,
Во-вторых, в настоящее время уже найдены решения и иссле дованы свойства оптимальных конструкций для достаточно широ кого класса критериев эффективности, условий проектирования, параметров оболочек и т. о. Анализ оптимальных параметров под крепленных оболочек часто позволяет сделать выводы обобщен ного, качественного характера относительно соотношений харак теристик X в районе глобального экстремума. При выборе старто вых точек для конкретных моделей ОПК возможно решение исход ной задачи методами § 2.2 с сокращенным числом независимых переменных. Значения остальных управляемых переменных X из (2.1) определяют исходя из характера связей, реализуемых в оп тимальных решениях.
Наконец, практика применения алгоритмов, приведенных в 2.2 (см. 2.3.1, 2.3.2), свидетельствует о возможности достаточного приближенного задания, стартовых точек поиска. Даже если на чальное приближение X'10 ф использование алгоритма (2.20) - (2.23) дает возможность найти решение задачи ОПК в районе гло бального экстремума благодаря механизмам отбора направлений поиска „вдоль" поверхностей уровня целевых функций вида (2.23) . Как всегда при проектировании методами СП проверка гло бальности решения опирается на избыточность расчетов: повтор ное решение задач оптимизации при выборе начальных точек, при надлежащих различным областям допустимых значений перемен ных проектирования.
Избыточность, характерная для случайного поиска, в известной сте гн и ограничивает возможности использования алгоритмов (2.20) - (2,23) задачами ОПК, в которых затраты на_вьщолнение Одного расчета критерия и ограничений (испытания £ w ) относи тельно невелики. Например, проектирование оптимальной оболоч ки из 3.10 занимало 5-20 мин на ЭВМ ЕС-1022, При этом, как пра вило, испытывалось несколько сотен векторов переменных проек тирования (2.1), причем применение упорядочений (2.25) - (2.28) и адаптации области Т)т п в соответствий с алгоритмами (2.30) - (2.31) существенно сокращало время проектирования. Использо вание этих методик возможно и в других задачах ОПК. В более общих случаях, требующих значительных затрат для прямых рас четов, может оказаться целесообразным сочетание алгоритмов (2.20) - (2.23) с построением аппроксимаций функций, описыва ющих поведение конструкций.
2.4. МНОГОКРИТЕРИАЛЬНЫЕ ЗАДАЧИ ОПТИМИЗАЦИИ
Оптимизация как выбор „наилучшего" при некоторых услови ях основана на количественных сравнениях и выявлении предпо чтительности (или степени предпочтительности) одних проектов конструкций по сравнению с другими. Обеспечение такой возмож ности сравнения связано с понятием цели проектирования [23; 32; 12]. Задание цели - ключевой момент при построении моделей задач ОПК. Поскольку для большинства задач проектирования ха рактерными являются условия неопределенности различной при роды [12; 32; 18], возможности многоуровневого рассмотрения и разложения задачи на систему подзадач (декомпозиция) [12], то первоначальное описание цели, как правило, проводится на каче ственном, содержательном уровне, причем даже здесь задание одной цели часто вызывает значительные трудности. Для обеспе чения ясности понимания существенных аспектов задачи ОПК цели проектирования формулируют в терминах некоторых харак теристик конструкции (2.1.) - (2.2): (5)}. Эти показатели в со вокупности выражают понятие оптимальности (2.2), охватывая все многообразие свойств проектируемого объекта. Сложность срав ниваемых вариантов проектов относительно содержания понятий Fj(X) - частных критериев - приводит к многокритериальным постановкам задач ОПК.
Выделение в ходе анализа задачи ОПК совокупности частных, но более конкретных показателей, оценивающих свойства кон струкции, концентрирует внимание исследователя на вопросах обоснования критериев. Содержательность многокритериальных постановок задач ОПК состоит и в том, что на их основе происхо дит построение модели объекта, включенного в системы различ ного уровня (экономические, технические, производственные и
др.) [14; 18]. |
|
2 .4 .1 . |
Источники многокритериальное™ |
и основные подходы к проектированию конструкций при векторном показателе эффективности
Многокритериальный подход является одним из путей для раз решения противоречия между потребностями практики в совер шенствовании постановок задач ОПК и возможностями формаль ного описания и нахождения решений при высокой комплексности оценки проектов конструкции. Компромиссный характер решения, получаемого за счет использования дополи1дельной информации о задаче ОПК, раскрывает'общий смысл моделей и методов век торной оптимизации.
Анализ постановок задач оптимизации подкрепленных оболо чек (как и других конструкций), независимо от последующих моде лей формализации и методов решения, показывает, что в большин стве случаев источником многокритериальности являются некото рые множества, рассматриваемые в задаче ОПК. [18; 12]. Такими множествами могут быть: М1) - множество объектов; М2) - мно жество условий; М3) - множество целей; М4) - множество этапов; М5) - множество'вариантов постановок. Классификация М1) - М5) фиксирует условия, определяющие векторный характер задачи ОПК.
Рассмотрение векторного критерия FiX) (22) приводит к изме нению смысла решения задачи ОПК, так как совокупность частных критериев [Fj (X)} позволяет лишь сузить допустимую область (2.4) - (2.14), задавая в ней область Парето [18; 33] Рр (множество компромиссно-оптимальных проектов конструкций Х \ оценки кри териев которых не могут совместно улучшаться) вида
PF= { i'|i'еВд, [i|F (X )sF IX ) ]п ъ х =>&}, (2.32)
где *8 - знак пустого множества. /J. является объективной харак теристикой многокритериальной задачи (МКЗ). Дальнейший выбор в Рр основан на использовании неформальных элементов и ра циональных методов анализа [14; 18; 33].
В зависимости от объема, рода, способа получения и использо вания дополнительной к (2.2) информации можно выделить четыре основных метода решения многокритериальных задач.
1. Определение множества компромиссночшимальных констркций (неулучшаемые, эффективные, недоминируемые реше ния). Здесь дополнительная информация отсутствует. Задание (2.32) является частным случаем подхода, основанного на бинар ных отношениях между оценками частных критериев [24; 12].
2.Априорное сужение области (2.32) с помощью скаляризации [18], информации о важности частотных критериев [24] (первый случай предполагает наличие всей необходимой информации, вто
рой - наличие информации определенной структуры, позволяющей исключить часть Рр1
3.Аксиоматический выбор принципа оптимальности {F j(X )}• в (2.2) [12; 26] (апостериорный подход; информация о приемлемости аксиом в конкретной задаче ОПК).
4.Адаптивный подход: человеко-машинные процедуры [12; 33] (поэтапное использование частичной информации).
Общие постановки МКЗ подкрепленных оболочек (2.2) могут быть реализованы на основе любого из подходов 1 - 4 . Отметим, что процедуры оптимизации конструкций в условиях многокрите риальности становятся особенно эффективными в том случае, ког да они обеспечивают возможность прогнозирования характери стик компромисса критериев в Р^_ (2.32),