船型优化中如何选择合适的优化策略

发布网友发布时间：2024-10-12 12:37

共1个回答

热心网友时间：2024-11-20 08:33

在船型优化任务中，工程师面临的关键挑战是如何在有限的计算资源和时间下，找到最佳设计策略以降低成本和提高效率。本文以KCS船为例，探讨在CAESES中选择优化算法及南京天洑软件公司自主研发的优化平台AIPOD对优化效果的影响。
首先，采用CAESES软件的半参数化变形方法，对KCS船进行局部变形。局部变形包括球鼻艏、船体入流段和去流段的FFD方法，以及艉封板的Delta shift方法。此外，通过Lackenby方法对船体其他位置进行变形。变形效果通过视频展示。
数值仿真计算使用SHIPFLOW工具，目标是计算参数化模型的总阻力系数Ct。算例网格数为1.74M，硬件配置为Intel® Core™ i7-7700K @ 4.2GHz CPU，16GB内存，单个算例仿真时间约为40分钟。
优化问题定义为8个设计变量，目标是通过总阻力系数最小化，同时满足排水体积和浮心纵向位置的约束。
在CAESES优化算法方面，首先采用智能取样算法sobol进行初步优化，结果未体现出明显的“优化”效果。接着，基于sobol结果，采用梯度优化算法Tsearch进一步优化，发现该组合能获得更优设计方案且优化过程具有收敛性。随后，应用遗传算法NSGA-II，结果虽然体现出优化效果，但不如sobol Tsearch算法。在结合sobol与NSGA-II的优化策略下，发现效果不如单独使用NSGA-II或sobol Tsearch。
天洑软件自研的优化平台AIPOD采用SilverBullet算法，针对计算成本高的痛点，能够在有限样本规模下高效提升性能。AIPOD算法具有自适应优化场景、零使用门槛和智能边界突破的特色。在100次优化计算中，AIPOD算法的优化效果优于sobol Tsearch，且优化结果具有收敛性。开启boundbreak功能后，优化效果进一步提升。对比不同样本规模下的优化结果，AIPOD算法在100次和200次优化计算中均表现出较好的性能，且80次优化计算的结果仍然优于sobol Tsearch。
结论是，在百次左右的优化样本规模下，sobol Tsearch的组合是最优的优化策略。而AIPOD软件凭借其功能性与自主性，可以帮助客户在有限时间内获得更优的设计方案，并提供自主开发权限。AIPOD软件现面向客户试用，有兴趣的客户可联系获取更多信息。