Multidisciplinary robust collaborative optimization based on non-dominated sorting genetic algorithm
基于非支配排序遗传算法的多学科鲁棒协同优化方法

针对鲁棒协同优化(robust collaborative optimization, RCO)具有两级优化结构和多目标形式的特点, 提出基于非支配排序遗传算法(non-dominated sorting genetic algorithm, NSGA--II)的RCO求解方法. 在NSGA--II非支配排序中, 根据个体的不可行度和不可行度阈值来决定其可行性, 并给出随进化过程逐渐减小的不可行度阈值. 在该阈值的作用下, 在进化初期, 保留较多的目标函数和标准差较小的个体, 以便优化向全局极值点附近靠近; 在进化后期, 保留较多的学科间一致性好的个体, 以便增强学科间的一致性. 该方法在保证各子学科间一致性的前提下, 可有效避免RCO优化结果易收敛到局部极值点的问题. 利用典型算例对该方法进行了验证, 结果表明该方法的优化性能良好.