基于AMPSO-BP-GA的油船舱段结构优化

由于船体结构的复杂性,传统优化方法容易出现陷入局部最优、求解速度偏慢等问题.基于自适应变异粒子群算法(adaptive mutation particle swarm optimization,AMPSO)、BP神经网络、遗传算法(genetic algorithm,GA),结合Isight/Nastran设计的正交试验,提出了AMPSO-BP-GA结构优化方法.以油船油货舱段结构的优化为算例,验证结构优化方法的有效性和可行性.结果表明:AMPSO算法相比于粒子群算法(particle swarm optimization,PSO)和GA算法具有更好的极值寻优能力;AMPSO-BP神经网络比PSO-BP和GA-BP预报精度更高;针对油船舱段结构优化,在相同的约束条件下,文中的AMP-SO-BP-GA方法优化后重量较原设计减轻 17.3%,优于GA-BP-GA优化方法的 13.5%和PSO-BP-GA优化方法的 13.4%.证明该方法具有可行性和有效性并具有推广性,可为船舶结构设计提供参考.