基于协同化计算的创新概念设计研究与实现

论文摘要

当前科学技术正进入多学科互相交叉、互相渗透、互相影响的时代,生命科学与工程科学的交叉、渗透和相互促进是其中一个典型例子,也是近代科学技术发展的一个显著特点。进化算法的蓬勃发展正体现了科学发展的这一特点和趋势。 最近20年,创新进化设计得到广泛的研究。事实上,它已经成为最重要的计算和创新设计技术之一。许多研究人员投身于这一领域,涉及到诸如自生长系统、遗传程序设计、创新进化系统等等。其中,P. J. Bentley的论文（Bentley, P. J. [1]）系统地揭示了利用遗传算法进行创新和优化概念设计的思想,包括各种各样的不同形状的三维实体。他提出了一种利用遗传算法作为其核心的遗传算法设计系统,并且演示了对15个实体对象在传统和非传统两种方式下设计的成功进化,例如桌子、五棱柱等等。 与这种创新进化设计方法相比,还有另一项由Lecienne Blessing承担的重要工作,基于过程的设计系统。她研究设计过程中规定的模型,包含设计知识的手册和分类,支持具体设计行为的方法,以及基本的计算机工具。她提出了一种解决方案,通过强调过程和整合这些方法来推动设计。她的实现是围绕一个设计模型发展来的基本设计支持系统,这其中包括四个核心阶段: （1） 设计特性的确定; （2） 支持类型的确定; （3） 需求的发展和支持系统的功能; （4） 模型和支持系统的发展: （5） 系统核心进化。 作为进化提供的众多优势之一,这无疑是一种强大的方法,提供了各种可能的设计解决方案,可以被优化而且方便的进行分析,已经被成功应用到各种民用和工程设计难题上去（Frazer, J. H. [3-5]）。进化设计提供了各种机制,在可行解空间中寻找最优解,在这里进化过程被应用到了多群体。事实上,进化不仅仅是一种优化工具,也是一种搜索和创新工具,因为它通过与其他的选择结合而成为一种解决方案。两步最有用的操作产生了新的难以预测的个体,这就是交叉和变异。进化系统的核心部分,遗传算法,能够保持并进化设计种群和操作种群。 从上述不难看出,进化可能是将来最有前途的工具,但它的应用却常常被局限到单体进化。这一限制是由于进化算法和技术的复杂性,这导致了进行多目标优化和计算更有强有力算法的发展,这就是多种群协同进化算法。 发展协同进化技术的动机之一,是设计问题经常被描述为多目标优化或者探索问题。在这种情形里,我们想要在为决策者寻找全局最优时获得不止一种解决办法,在理论上,通常有不止一个期望值。另一动机在于多目标适应度;局

论文目录

• 目录
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 问题提出
• 1.3 本文的内容及主要工作
• 第二章 多种群协同进化模型
• 2.1 进化计算
• 2.1.1 进化计算的特点
• 2.1.2 进化计算的分类
• 2.1.3 进化算法的设计
• 2.1.4 进化计算的本质优点
• 2.2 模式定理
• 2.3 小生境
• 2.3.1 小生境遗传算法研究的历史
• 2.3.2 小生境识别技术
• 2.4 协同进化和多目标优化
• 2.4.1 协同进化
• 2.4.2 多目标优化及其数学模型
• 2.4.3 拥挤模型
• 2.4.4 共享适应度模型
• 2.4.5 动态小生境模型
• 2.5 动态协同进化模型
• 第三章 创新概念设计研究
• 3.1 概念设计
• 3.1.1 概念设计方法学的研究
• 3.1.2 建筑信息模型
• 3.1.3 概念设计集成
• 3.1.4 面向并行和协同的概念设计
• 3.1.5 概念设计创新实现
• 3.2 概念设计研究现状
• 3.3 概念设计中的创新
• 3.4 创新设计技术
• 3.5 面向建筑创新的概念设计
• 3.5.1 面向建筑创新的概念设计基本内容和要求
• 3.5.2 面向建筑创新的概念设计过程
• 3.5.3 面向建筑创新的概念设计实现
• 3.7 建筑进化过程中动力学模型
• 第四章 多种群协同进化在创新概念设计中的应用
• 4.1 问题阐述
• 4.1.1 表现型
• 4.1.2 基因型
• 4.2 协同进化模型
• 4.3 遗传操作
• 4.3.1 交叉算子
• 4.3.2 变异算子
• 4.3.3 选择算子
• 4.4 采用三维建模引擎ACIS的可视化实现技术
• 4.4.1 ACIS的开发接口
• 4.4.2 特色
• 4.4.3 组件结构
• 4.4.4 几何与拓扑
• 4.5 楼体进化模型
• 4.5.1 底部模型与顶部模型
• 4.5.2 一般进化规则
• 4.5.3 单楼体进化规则
• 4.5.4 多体楼进化规则
• 4.5.5 进化结果
• 4.5.6 软件实现界面
• 第五章 研究总结
• 5.1 本文研究总结
• 5.2 下一步的工作
• 参考文献