購物車(0)
基于MOPSO算法的船舶興波阻力多目標(biāo)優(yōu)化
關(guān)鍵詞：mopso 勢(shì)流理論 興波阻力 船型優(yōu)化
摘要：粒子群優(yōu)化算法(PSO)是一種進(jìn)化算法,它與遺傳算法相比,不需要編碼,沒有交叉和變異操作,粒子只是通過內(nèi)部速度進(jìn)行更新,因此,易于實(shí)現(xiàn)。另外,PSO算法具有較好的記憶,好的解的知識(shí)所有粒子都保存,因此收斂速度較快。Multi Objective Particle Swarm Optimization(MOPSO)算法是適應(yīng)多目標(biāo)優(yōu)化的粒子群算法。該文基于MOPSO算法和Neumann-Michell理論對(duì)KCS在給定兩個(gè)航速下的興波阻力性能進(jìn)行綜合優(yōu)化。以船型變換參數(shù)為設(shè)計(jì)變量,興波阻力為目標(biāo)函數(shù),采用自由變形方法(FFD)對(duì)船舶首部和船體后半體進(jìn)行變形,通過OPTShip-SJTU求解器優(yōu)化興波阻力。通過自編MOPSO算法對(duì)多目標(biāo)函數(shù)進(jìn)行優(yōu)化,成功得到系列優(yōu)化船型。并選擇3個(gè)優(yōu)化船型與母型船進(jìn)行進(jìn)一步的數(shù)值模擬,對(duì)比分析。
水動(dòng)力學(xué)研究與進(jìn)展A輯雜志要求:
{1}作者簡介：姓名，出生年，性別，籍貫，單位（大小單位都要寫清）及所在省市、郵編，職稱或?qū)W位。
{2}來稿須為作者原創(chuàng)成果，內(nèi)容詳實(shí)，數(shù)據(jù)準(zhǔn)確，表達(dá)嚴(yán)謹(jǐn)，形式規(guī)范。
{3}層次標(biāo)題是對(duì)本段、本條主題內(nèi)容的高度概括。各層次的標(biāo)題應(yīng)簡短明確，同一層次標(biāo)題的詞組結(jié)構(gòu)應(yīng)盡可能相同。層次標(biāo)題的編號(hào)采用阿拉伯?dāng)?shù)字，即1，1.1，1.1.1，1.1.1.1。一般不超過4級(jí)。
{4}參考文獻(xiàn)：用于說明引文的出處，采用文末注的形式。注號(hào)：用“[1]、[2]、[3]……”。
{5}摘要需概述文章研究的目的、主題、論點(diǎn)等，一般為150～300字。
注：因版權(quán)方要求，不能公開全文，如需全文，請(qǐng)咨詢雜志社
