基于自适应克里金模型的混合不确定性设计优化方法研究.pdf

摘要

随着科技的不断进步，一些高端设备的内部构造变得愈发复杂。同时，这些设

备通常在恶劣工况环境下运行，并且制造成本高昂。因此这类设备在其运行过程中

一旦出现故障，将可能导致无法挽回的人员伤亡和经济损失。考虑不确定性下的设

计优化方法充分考虑各种不确定性因素对设计方案的影响，已成为结构设计理论

研究的热点之一。本文提出了一种高精度智能优化算法，以克服常规优化方法易陷

入局部最优解的问题；同时，将所提算法应用到考虑随机与区间混合不确定性的可

靠性设计优化（Reliability-basedDesignOptimization,RBDO）问题，发展了一种混

合不确定性下智能可靠性优化策略；最后，结合自适应克里金模型构建策略，形成

了一种混合不确定性下基于自适应克里金模型的高效智能可靠性优化方法。本文

的主要研究内容和创新成果包括以下三个方面：

（1）基于学习因子策略的浣熊智能优化算法。浣熊优化算法（Coati

OptimizationAlgorithm,COA）作为一种受到自然启发的智能算法，在解决各种复

杂问题中展现出了强大的潜力。为了克服COA在全局搜索过程中易陷入局部最优

的陷阱，本文引入了学习因子策略，发展了一种名为社会学习自适应浣熊优化的改

进智能算法，以提高其全局勘探能力，从而能够更有效地探索问题空间中的全局最

优解。

（2）基于改进浣熊智能优化算法的混合可靠性优化策略。针对传统的可靠性

优化方法往往只考虑了随机不确定性，而忽略了认知不确定性对设计优化方案影

响的不足；以及常规可靠性优化算法依赖于基于梯度信息的优化方法构建，在遇到

一些无法求解梯度信息的优化问题将陷入困境。本文采用智能优化策略以提高混

合可靠性算法优化精度的同时，引入解耦策略，以实现混合可靠性优化模型的高效

求解。

（3）混合不确定性下基于自适应克里金模型和改进浣熊智能优化的RBDO方

法。本文针对构建克里金模型过程中单一学习函数无法确保准确挑选最佳更新样

本的缺点，结合所提出的基于改进浣熊智能优化算法的混合可靠性优化策略，发展

了一种混合不确定性下基于自适应克里金模型和改进浣熊智能算法的RBDO方法。

所提出方法与目前流行的几种同类策略相比，在保证计算精度的同时，使用更少数

量的仿真样本点，拥有更加高效的计算效率。

关键词：可靠性优化，混合不确定性，浣熊优化算法，自适应克里金模型

ABSTRACT

Withthecontinuousadvancementoftechnology,theinternalstructureofsomehigh-

endequipmentisbecomingincreasinglycomplex.Thesedevicesoftenoperatein

complexconditionsandarecostlytomanufacture.Therefore,anymalfunctionduring

theiroperationcouldleadtoirreparablehumanandeconomiclosses.Consideringdesign

optimizationmethodsunderuncertainty,whichtakesintoaccounttheimpactofvarious

uncertainfactorsondesignschemes,hasbecomeoneofthefocusesinengineeringdesign.

Thisthesisproposedahigh-precisionintelligentoptimizationalgorithmtoovercomethe

problemofconventionaloptimizationmethodseasilyfallingintolocaloptimalsolutions.

Simultaneously,theproposedalgorithmisintroducedintotheReliabilitybasedDesign

Optimization(RBDO)consideringrandomness