武汉船舶设计研究院有限公司湖北省武汉市430061
摘要：船舶优化设计方法有很多，从经典的优化设计方法到启发式优化设计方法，是从不同的角度采用不同的算法进行设计，船舶结构越来越复杂化，因此设计者需要明确自身的优势，并且根据市场的需求进行船舶结构的优化设计。
关键词：船舶结构；优化水；方法
前言：船舶结构的优化设计需要满足刚度、强度、稳定性等多方面的要求，同时也要科学利用数学方法以及计算机编程。在实践过程中，设计者需要掌握更多的技能，才能真正满足当前船舶优化设计的要求。
一、经典优化设计方法
传统的船舶设计方法主要是针对简单的结构，比如一些规范的公式或者是经验公式等，设计者一般需要把这些公式编程程序，并且利用准则法一级数学规划等方式对一些问题采用求解的方式。准则法是根据问题的工程经验等建立的最佳设计准则，这样就可以构建最优迭代式进行求解。采用物理的方式进行计算，比较简单，而且结构重分析次数比较少，收敛的速度比较快。船舶工程中经常使用的准则法有位移准则法、能量准则法等，数学规划化则是将规划论作为基础，然后具有较好的通用性，能够对不同性质的优化问题进行求解，经典优化算法也具有比较广泛的用途，但是其中也存在一些问题：
（一）准则法缺乏数据理论的基础，收敛性无法有效证明，使用的准则法不一定能够达到最优的结果，因此在整个优化的过程中也需要设计者进行干预才能得到满意的结果。数学规划法理论性较强，但是其收敛性无法有效保证，特别是需要进行大量的计算，因此收敛较慢。
（二）经典优化算法的搜索得了会基于梯度信息的最速下降法，但是在分析实际的工程问题时，无法有效获取信息，所以导致经典算法在工程上的使用存在较大的限制。
（三）梯度信息搜素偶的方式，无法有效解决高非线性问题，尤其是无法得到最优解，这样的话就会在极大程度上影响结果，虽然可以得到局部最优解，但是不是整体的最优解。而且这一过程也要依赖于初始点，设计者需要不断的进行分析，通过初始点的计算，会降低工作的效率。
（四）经典优化算法一般可以解决连续变量优化的问题，在船舶结构优化过程中会出现离散变量优化问题，因此其适应性不够[1]。
二、智能型的优化设计方法
随着技术的不断几部，船舶结构的优化设计也有了新的方法，智能型优化设计方法就是其中之一。智能型优化设计方法的主要内容是：搜索优秀的相关产品资料，然后不断的进行整理，将其概括成典型的模式，然后进行关联分析，类比分析以及敏度分析，进行寻找设计对象以及样本模式间的相似度，差异性和设计变量敏度等，需要根据某一准则实施的样本模式进行变化，然后可以产生很多符合设计要求的新模式，最后可以利用综合评估和经典优化的方式进行调参以及优选，最后可以得到一个最优的方案。智能型优化设计方法的优势在于创造性较强，但是也存在一些缺点，比如可靠性不高，因此分析计算其产生的各种性能指标的过程中，需要注意多目标的模糊评估，如果其中存在一些问题，还是需要依靠经典优化设计方法来进行参数的调整。
三、启发式优化设计方法
当前船舶行业发展迅速，市场竞争也越来越激烈，因此船舶的大型化也对结构重量提出了更高的要求，设计者需要面对的优化对象不再是简单的船舶结构，而是要对整个船舶的板架、横剖面、舱段甚至是船体进行整体的设计，因此无形之中也增加了一些设计变量，增加了更多的约束条件，在这种情况下，很多约束条件以及目标函数导数不能及时的获取，因此优化问题会呈现一种多峰、高维以及高非线性的特点。在这一过程中，设计者开始将一些不依据导数信息、鲁棒性好的算法引入船舶结构优化设计中，因此会形成一套基于规范公式进行结构求解，基于启发式算法进行优化设计的船舶结构优化设计方法[2]。
启发式算法和经典算法有很大的不同，尤其是改变了原来的单点搜索方式和局部寻优方式，而是在这一过程中依靠群体进化的方式进行全局寻优，需要考虑到更多相关的因素，群体内部的之间可以进行学习和教练，群体的代和代之间也有一定的经验传承等，因此可以及时利用每一个得到的信息，可以加快寻优的速度。此外，在这一过程中还要注意，为了防止算法过分的早熟，需要加入随机坏的操作，也就是利用遗传算法中的变异等方式，使用这些算法，可以帮助其快速向最优点收敛而不不会导致其陷入局部最优点。
一般在工程中常用的启发式算法主要有蚁群算法、粒子群算法、遗传算法等，遗传算法在船舶结构优化设计中有效性较高，而且随着研究的逐渐深入，发现启发式算法逐渐取代经典优化算法的主要原因如下：
（一）启发是算法的迭代过程一般只需要使用目标函数信息，因此不需要使用欧冠目标函数导数信息，因此这一条件比较符合船舶结构设计的实际情况。
（二）启发式算法具有较强的全局搜索能力，因此算法的寻优结果对初始点的依赖性不高，设计者也无需关注初始点的好坏，因此可以放心的使用启发式算法。
（三）启发式算法主要是处理高维以及搞非线性优化问题的能力较强，算法需要依靠群体力量进行搜索，对复杂问题的处理能力也比较强。
（四）启发式算法比较适用于求解离散设计变量的优化问题。
随着启发式优化设计方法的不断使用，在实际的工程设计中其实也存在一些问题，以下是启发式算法自身的局限性：
第一，启发式算法有早熟的问题，主要是在寻优过程中过早的集中在了某个局部区域但是没有及时的跳出，启发式算法的早熟问题是算法设计者需要考虑的关键问题，因此需要对算法做出相应的完善和改进[3]。
第二，算法计算量比较大，启发式算法选择的是群体计算方式，也就是利用概率化的方式进行寻优，因此就会导致庞大的计算量，在计算的过程中，可以进行加速收敛，但是并不能从本质上改变启发式算法计算量大的问题，在有限元分析方法逐渐流行的过程中，启发式算法这一缺点也越来越突出。
当前的一些规范中存在较多的力学简化以及设计经验，所以一些得到的结果都比较保守，有限元方法以及一些有限元软件在不断的兴起，因此也会对船舶结构的有限元建模分析得到应力响应成为可能。有限元分析比较直观，因此容易被人理解，结果也具有较高的可靠性，因此在处理各种不规则结构的过程中，这些特点都会受到设计者的关注和欢迎，所以需要准确的对复杂结构进行有限元分析计算也成为了各设计者的技能。启发式算法代表着成百上千次的目标值计算，但是一次有限元分析短的话是几分钟，长也需要几个小时到几天。当前的研究在于，如何使高校的启发式寻优算法和高精度的有限元分析结合使用，这也是目前设计者面临的难题。
结论：随着船舶行业的不断发展，船舶结构越来越大型化和复杂化，船舶结构分析方法目前从规范的计算方法逐渐在向有限元计算法过渡，而且船舱和整船的有限元分析方法日渐成熟。
参考文献:
[1]袁野,王德禹,李喆.基于支持向量机的船舶结构优化方法[J].舰船科学技术.2013(07).
[2]郑少平,陈静，程远胜，刘均，肖汉林,詹大为.代理模型技术及其在船舶板架强度和稳定性计算中的应用[J].中国造船.2013(01).
[3]陈强，刘家新.基于蚁群算法的长江干散货船中部结构优化设计研究[J].船海工程.2012(05).