[发明专利]基于两层遗传整数规划的复杂系统设计结构矩阵重构方法

说明书

技术领域

本发明涉及一种基于两层遗传整数规划的复杂系统设计结构矩阵重构方法，可应用于航空航天、汽车等多个工业领域。

背景技术

设计结构矩阵(DSM)最早由美国学者Steward提出，是一种用于对产品开发过程进行规划和分析的矩阵工具。DSM是一个代表复杂任务或团队关系的信息交互模型，如包含多个学科的复杂系统或复杂产品设计流程，通过此模型可以确定合理的任务序列或者分组，提高整个系统的工作效率。在DSM中用矩阵的对角线单元表示过程中的各项任务，通常代表复杂系统中的各学科或产品设计过程中的各个环节；用非对角线单元表示对应行列元素之间的联系，即各学科间或产品设计过程中的数据传递关系；用矩阵单元相对于对角线的上下位置来描述对应的行列元素之间联系的方向。若定义对角线上方为正向传递，对角线下方则为反馈传递，反之亦然。

一个复杂的产品或系统通常涉及多个学科，且各个学科之间相互交叉，相互作用，具有很强的耦合关系，需要多部门型号设计人员协同工作才能完成，导致设计周期增长，设计成本增加。针对这种情况，在产品开发过程或系统设计过程中，需要对产品或系统中各个结构进行模块化划分和管理，来简化设计过程，缩短开发时间并加大设计资源利用率。为实现以上目的，需要对设计结构矩阵进行聚类重构，从而得到更为合理的模块化系统结构。

为更好的说明本发明的技术方案，下面对所涉及的相关知识进行说明：

(1)设计结构矩阵联系信息流量

设计结构矩阵联系信息流量的概念由南京航空航天大学刘建刚提出(刘建刚,马安,王宁生.基于设计结构矩阵的产品结构模块聚类方法[J].华南理工大学学报(自然科学版),2006,(11):45-48+86)。根据该评估标准，首先将DSM中的元素分为三类：独立元素、bus元素和其它元素。其中独立元素为与其它任何行列元素都没有联系的元素，代表与其它学科或环节不存在数据传递关系的学科或环节；bus元素为与大部分其它行列元素都有联系的元素，代表与其它学科或环节具有复杂数据耦合关系的学科或环节；余下的为其它元素。在其它元素中，从任一个元素出发，查找与之有强联系的元素，然后再查找与这些元素有强联系的元素，直到找到全部与该集合有强联系的元素为止，所得到的一个集合记为一个聚类(模块)。然后再以剩下的元素中任一个为起点，重复上述过程，直到这些集合包括了所有元素为止，即依据强联系进行了初步的聚类划分。

DSM聚类后，即可根据聚类结果计算整个DSM的联系信息流量，作为DSM聚类结果的评估准则。每一个元素的联系信息流量考虑了两个元素之间联系的强度，以及它们所在聚类中的元素数量。bus聚类与其它类的联系信息流量是确定的，因此为了降低计算的复杂程度，在进行联系信息流量计算的时候不计bus类在内。因而元素i的联系信息流量可由下式计算：

式中：C_i为第i个元素的联系信息流量，D(i，j)是DSM中元素i和元素j之间联系的权重；n为DSM中元素的总个数；若i、j属于同一聚类，则N取二者所在聚类的元素数量；若i、j不属于同一聚类，则N取DSM中所有元素的数量。

DSM模型的全部联系信息流量是所有单个元素联系信息流量的总和，即为

式中：C为全部的联系信息流量(不包含bus类的联系信息流量)；n为DSM中的元素总个数。

(2)小生境遗传算法

遗传算法(Genetic Algorithm，GA)是模拟达尔文遗传选择和自然淘汰的生物进化过程的一种全局优化概率搜索算法。其基本思想是：将设计空间内的可能解看作种群中的个体，并对其进行编码存储。以目标函数为标准，对个体进行适应度评估，通过选择、复制保留优良个体(目标函数较小的解)，同时通过交叉和变异产生新的个体，并对种群进行更新。反复执行上述过程，直至找到最优个体，即优化问题的全局最优解。

在解决非单调函数或多峰值函数的优化问题时，通常需要在遗传算法中加入小生境方法即小生境遗传算法。小生境方法的基本思想来源于生物在进化过程中总是与自己相同的物种生活在一起的特性，反映到遗传算法中就是使遗传算法中的个体在一个特定的环境中进化。相比于其它的优化方法，小生境遗传算法可以避免在进化后期，适应值高的个体大量繁殖，充满整个种群，提高种群的物种多样性，从而使算法具有更高的搜索效率，并可以在一次搜索中得到目标函数的多个极值点，但容易产生进化停滞和局部最优性差等缺陷，局部搜索能力有待提高。