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(robustcollaborativeoptimization,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-dominatedsortinggeneticalgorithm,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.