ICO多学科设计优化方法

协同优化(CO, Collaborative Optimization)算法在应用中存在计算困难的问题.分析了引起CO算法计算困难的原因;使用L₁范数改进了CO算法的学科一致性约束,避免了学科级目标函数导数的不连续性,并从数学理论上证明了改进的学科一致性约束的收敛性;增加系统级罚函数,使系统级优化问题转化为无约束优化问题;使用快速启动方法,在子系统级优化过程中充分合理利用系统级优化求得的最优解;给出了使用改进的学科一致性约束、系统级罚函数和快速启动方法的ICO(Improved Collaborative Optimization)多学科设计优化方法,较好地克服了CO算法存在计算困难的缺点.标准算例实验结果表明,ICO多学科设计优化方法有效提高了算法的稳定性、可靠性和计算效率.     

一种优化神经网络拓扑结构的主从式遗传算法

通过对标准遗传算法进行改进,给出了一种主从式遗传算法,该算法能够对多层前馈神经网络的拓扑结构进行有效优化,选择权重的初始化范围,隐含层的节点数以及输入层节点等,同时也解决了BP算法易于陷入局部极小的问题。     

基于功能元的需求产品成本分析

叙述了如何在产品的需求设计阶段评价其成本 ,提出了基于功能元的需求产品成本分析方法 ,辅助企业进行需求产品成本估算和生产决策     

多学科设计优化中的不确定性建模

不确定性因素对复杂工程系统设计的影响贯穿整个设计过程.对多学科设计优化(MDO,Multidisciplinary Design Optimization)中不确定性的来源进行了总结和归类;建立了包含2个耦合学科的MDO系统分析输出结果的不确定性与设计变量输入数据误差和模型误差之间关系的数学模型,用于计算各种不确定性对系统性能的影响.算例分析结果和实验结果吻合,表明该数学模型有效可靠.经过扩展可用于估算包含多个耦合学科的MDO系统分析输出结果的不确定性,为鲁棒多学科设计优化方法的构建提供理论基础.     

FIPER项目介绍

介绍了美国NIST—ATP和通用电气公司资助的联盟智能产品环境(Federated IntelligentProduct EnviRonment,FIPER)项目。该项目旨在通过联盟的智能产品开发环境,使合作企业可以根据产品生命周期中的不同阶段、任务,通过网络、Web上的门户进入联盟智能产品环境,利用环境提供的特定应用服务、数据服务和知识,进行合作设计和查找计算资源、设计工具,从而缩短产品开发周期,降低成本。本文介绍了该项目的来源、目标、体系结构、关键技术及其实施。     

用于多层前馈神经网络学习的快速遗传算法

提出了一种用于多层前馈神经网络学习的快速遗传算法 ,论述了其算法的进化过程并对多层前馈神经网络的权值进行了优化 ,对权值的初始化范围以及输入层节点进行了优化选择。仿真试验结果表明 ,该算法收敛速度快 ,网络逼近精度高 ,克服了BP算法易于陷入局部极小的问题。     

需求产品报价系统中的客户关系管理工具

介绍了需求产品报价系统和客户关系管理的概念;论述了需求产品报价系统中的客户关系管理问题;构建了需求产品报价系统中客户关系管理工具的框架结构和信息模型。