镜体结构轻量化的多目标优化和多属性决策研究
多目标优化决策方法
浅谈多目标优化决策方法摘要：随着科学技术的不断进步，传统的只考虑单一目标的方法已经不能满足人们的需求，在进行决策的过程中，对多目标问题进行综合的考虑，并用合理的优化方法对其进行决策将会带来很大的实际效益。
关键词：多目标决策；优化决策方法中图分类号：c93-0 文献标识码：a 文章编号：1001-828x（2013）08-00-01一、引言人们在对科学问题进行研究的过程中，仅考虑单一目标的做法已经不能满足实际需求，随着研究问题规模的不断扩大以及复杂程度的不断增加，必然涉及对多个目标进行分析、优化，并最终做出合理的决策。
一般情况下，多目标决策问题的各个目标之间往往是矛盾的，改善其中的一个目标，有可能会是其他目标难以实现，或者说是效用降低，也就是说想要使多个目标一起达到最优值是不现实的，而只能通过的一定的方法进行处理，使各个子目标最大程度的实现最优化[1]。
自 20世纪60年代早期以来，多目标优化决策问题吸引了越来越多研究人员的注意力。
因此，解决多目标优化决策问题具有非常重要的科研价值和实际意义。
二、多目标优化决策方法在对文献研究的基础上，得出keen和morton将决策问题分类为结构化决策问题、半结构化决策问题和非结构化决策问题[2]。
在实际解决问题的过程中，一般情况下，多目标优化问题是不存在唯一全局最优解的，而求解得到的过多的非劣解是无法直接应用的，所以在求解时要需要通过一定的方法寻找到一个最终解。
目前对于多目标优化决策方法还没有一个统一的分类标准，从国外的研究资料来看，本文将从以下三个方面进行分类介绍。
1.按照优化决策过程根据优化过程和决策过程的先后顺序，可以将多目标优化决策方法分为以下3大类[3]。
（1）先验优先权方法，即先决策后搜索。
这种方法是通过预先确定各目标的优先权值，再将所有目标按权值大小组合成一个标量效用函数，通过这种方法最终可以复杂的多目标优化决策问题转化成比较常规的单目标优化决策问题。
多属性决策方法研究综述
我 同学 者 于 二 十 世 纪八 十年 代 初 期开 始研 究多 属性 决 策 问题 ， 出了十 几 种确 定 提 性 的 多屙 ｝决策 方法 ， 生 如价 值 评分 法 、二 项 系 数 加权法 、优序 法 、对 比系数法 、密切 值 法 、效 用 函数 法 、综 合评 价 与排序 法 、双 基 点 优序 法 和主 客 观综 合法 等 。 二 十几 年 来 ， 关于 静态 多属性 决策 问题 的研究 己有一 定的 成果。 徐福 留， 周家 贵 ， 李本纲 等将 模糊 聚 类 与层 次分 析相 结 合 ， 出 了多级 模 糊综 合 评 提 价法 ， 克服 了综合指数法受人为 因素影响较 大 的缺点 ； 泽 水利 用 目标方 案与 理想 点和 徐 负理 想 点 的夹 角余 弦 ， 定义 了 目标 贴近 度概 念 ， 而提 出了一 种 基 于 目标贴 近 度 的多 目 进 标决 策方 法 ； Ｉ 、 广志 、张宇 文根据 灰 色模糊 数学 的理论 ， 将隶 属 度 和灰 度综 合 起来 表示 灰 色模糊 数 ， 出 了灰色模 糊综 合评判 方法 。 给 实 际应用 中经 常碰到 的 问题 常常 是带有 时问 因素 的多 屙 Ｉ 生决策 ， 态多屙 ｆ决 策 问题 。 即动 生 戴 文 战等基 于 “ 奖优 罚劣 ”思 想 构造 了一种 新 颖 的转 换 函数来 进 行规 范 化 处理 ， 针对 并 动态 多指标 决策 问题 提 出了一种 多 目标 多阶 段动态决策模型； 张新波将用于固定时间截 面下静态多目标决策的灰色关联理论推广到 动态情形 ， 引入局部理想最优效果和整体理 想最 优 效 果 的概念 ， 出 了一种 新 型 的动态 提 多 目标 决策 问题 的灰 色 关联模 型 。 万树 平 博 士在 屙 ｌ权重 完全 未 知 ， 引人 心态 指标 ， 生 研 究决 策矩 阵元 素和偏 好信 息都为 因 司 的不 数 确 定多属 性 决策 问题 。 些理 论 和方法 的提 这 出更 进一 步加快 了对 模糊多 屙 陛决策和 动态 多 属性 决 策 的研 究 与应 用 。
多目标优化决策模型及其应用研究
多目标优化决策模型及其应用研究随着社会和经济的发展，人们的需求逐渐增加、多样化，因此，在决策问题中，不再是单一目标问题，而是多目标问题。
为了满足人们多样化的需求，多目标优化决策模型应运而生。
一、多目标优化决策模型的定义和特点多目标优化决策模型，是指在多个决策目标之间存在相互关系，各个目标之间存在冲突或矛盾的决策问题中，对多个目标进行权衡取舍，从而达到最优决策的模型。
多目标决策模型具有以下特点：1. 多目标性：包含两个或两个以上的目标，且这些目标之间并非相互独立或互不影响，而是相互制约、互相竞争或互相关联。
2. 非线性：多目标优化问题一般都是非线性的，难以用一般的线性规划方法求解。
3. 难以衡量：不同的目标通常来自于不同的领域，其量度标准各不相同，难以在同一个度量体系中进行比较，因此对目标的量化和加权往往具有一定的主观性。
4. 解的多样性：目标多样，解的多样性自然而然就存在，这就需要有效的评价和筛选方法。
二、多目标优化决策模型的应用领域多目标优化决策模型广泛应用于各种社会经济领域，如：1. 工业制造领域：针对复杂产品生产和制造中存在的多目标问题，优化制造流程、缩短交货期、提高产品质量、降低生产成本等目标。
2. 城市规划领域：针对城市空间开发、交通布局、环境保护、经济发展等多目标问题，优化城市规划方案，提高城市居民的生活质量和幸福感。
3. 金融投资领域：针对多样化投资需求和风险管理问题，优化资产配置、风险评估、回报率和流动性等多个目标，推动投资者的财富增长。
三、多目标优化决策模型的算法和方法1. 加权线性规划（Weighted Linear Programming）：以线性规划为基础，引入目标优先级权重来实现多目标决策。
2. 整合指标法（Integrated Metric Method）：将多个目标放在同一个指标范围内进行量化，然后进行加权和排序，得到总体决策指导方案。
3. 模糊数学方法（Fuzzy Mathematics Method）：用模糊数学的概念处理数据不确定和信息不完备问题，解决多目标优化问题。
《2024年多尺度特征融合的轻量深度学习目标检测算法研究》范文
《多尺度特征融合的轻量深度学习目标检测算法研究》篇一一、引言随着深度学习技术的快速发展，目标检测在计算机视觉领域的应用日益广泛。
其中，多尺度特征融合的深度学习算法，凭借其在处理不同尺寸目标时的出色性能，成为研究热点。
然而，如何实现在保证准确性的同时降低模型的复杂度与计算成本，以实现轻量化的目标检测算法，成为了研究的重要挑战。
本文就这一课题，进行深入研究，旨在探索出一种有效的多尺度特征融合的轻量深度学习目标检测算法。
二、相关技术概述首先，我们来了解下相关的技术背景。
深度学习算法通过学习大量数据中的模式和规律，进行目标的检测和识别。
在目标检测中，多尺度特征融合技术被广泛应用于处理不同尺寸的目标。
同时，轻量级模型的研究旨在减少模型的复杂度与计算成本，以提高其实时性和适用性。
而轻量深度学习算法的目标则是兼顾模型的性能与复杂度。
三、算法介绍本部分主要介绍多尺度特征融合的轻量深度学习目标检测算法的核心原理与实现过程。
首先，通过设计一个能够同时捕捉多尺度信息的网络结构，将不同层次的特征信息进行融合。
接着，通过轻量级的设计思路，减少网络的复杂度与计算成本。
此外，为了进一步提升模型的性能，我们还引入了其他先进的深度学习技术进行优化。
具体来说，我们的算法包括以下几个步骤：1. 构建一个具有多尺度感知能力的网络结构。
我们通过改进现有的深度学习模型，设计出一个能够同时捕捉不同尺度信息的网络结构。
这样，无论目标的大小如何变化，我们的模型都能有效地进行检测。
2. 特征融合。
我们将不同层次的特征信息进行融合，以充分利用不同层次的特征信息。
这有助于提高模型的性能，尤其是在处理多尺度目标时。
3. 轻量化设计。
我们通过减少网络的复杂度与计算成本，以实现轻量化的目标检测算法。
具体来说，我们采用了一些高效的运算操作和参数优化技术，如卷积分解、模型剪枝等。
4. 引入其他先进的深度学习技术进行优化。
如使用注意力机制提高模型的关注力、使用损失函数调整来提高模型的鲁棒性等。
舰船概念设计多目标优化和多属性决策研究
ｂ ｉ ｐ ｒａ ｈｆｒｍｕｔ ｏ ｊｃｉｅｏ ｔ ｚｔ ｎ ｓ ｄ ｆ ａ ａ ｓ ｉ ｒｎ ｉａ ａａ ｔｒ ｉ ｏ ｅ ｐｕ ｒ ａ ｐ ｏ ｃ ｏ ｌ —ｂｅ ｔ ｐｉ ａｉ ｔ ｙｏ ｖ ｌ ｈｐ Ｓｐ ｉｃｐ ｌｐ ｒｍｅｅｓ ｎｅ ｎ ｅ ｔ— ｄ ｉ ｖ ｍｉ ｏ ｕ ｎ
标 优 化 和决 策 问题 。对 于 多 序 的 多 目标 进 化优 化 算 法 （ Ｓ Ａ Ｉ） 求 出 Ｎ Ｇ Ｉ ， Ｐｒｔ 优 解 ， ａ ｏ最 ｅ 由这 些 Ｐ ｒｔ最 优 解 构 成 决 策 矩 阵 。基 于 信 息 熵 方 法 和 层 次 分 析 法 （ Ｈ ） 合 得 到 属 性 权 ａｅ ｏ Ａ Ｐ联
ｒｈ Ｉ Ｎ Ｇ Ｉ ｓｅ ｐｏｅ ｐ ｒｘ ａｅｔ ｅ ｏ Ｐ ｒｔ ｓｌ ｉｎｔｒｕｈａ ｖｌｔ ｎ ｒ ｏ — ｉ ｍ Ｉ （ Ｓ Ａ Ｉ）ｉ ｍ ｌｙｄｔ ａｐｏｉ ｔ ｈ ｓｔ ｆ ａｅ ｏ ｔ ｏ ｇ ｎｅｏ ｉ ａｙ ｐ ｔ ｏ ｍ ｅ ｏ ｕｏ ｈ ｕｏ ｔ ｚｔ ｎｐｏｅｓ ｎｔｅｓｂｅｕ ｎ ｓ ｇ ， ｕｔ ａ ｒ ｕｅｄ ｃ ｉ ａ ｉｇ（ Ｄ ｉ ａｉ ｒｃｓ．Ｉ ｕ ｓｑ ｅｔ ｔ ｅ ａｍ ｌ—ｔｉ ｔ ｅｉ ｏ ｍ ｋｎ ＭＡ Ｍ）ａｐｏｃ ｓ ｍｉ ｏ ｈ ａ ｉ ｔｂ ｓ ｎ ｐ ｒａｈｉ
客 观 地 选 择 合 理 的 主 要参 数 。 这种 综 合 方法 也 能 够 广 泛 应 用 于舰 船 其 它 设 计 领 域 。 关 键 词 ：多 目标 优 化 ；多 属 性决 策 ； 合 赋 权 ； 念 设 计 ； 船 组 概 舰 中 图分 类 号 ： ６ ２ ３ Ｕ ６ ． 文 献 标 识 码 ： Ａ 文 章 编 号 ：６ ３— １ ５ ２ ０ ） ３—１ １７ ３ ８ （ ０ ８ Ｏ ４一Ｏ ４
多目标最优化模型
缺点
计算复杂度高
求解速度慢
难以找到全局最优 解
对初始解依赖性强
多目标最优化模 型的发展趋势
算法改进
进化算法：如遗传算法、粒子群算法等，在多目标优化问题中表现出色，能够找到多个非支配解。
机器学习算法：如深度学习、强化学习等，在处理大规模、高维度多目标优化问题时具有优势，能 够自动学习和优化目标函数。
金融投资
风险管理：多目标最 优化模型用于确定最 优投资组合，降低风 险并最大化收益。
资产配置：模型用于 分配资产，以实现多 个目标，例如最大化 收益和最小化风险。
投资决策：模型帮助 投资者在多个投资机 会中选择最优方案， 以实现多个目标。
绩效评估：模型用于评 估投资组合的绩效，以 便投资者了解其投资组 合是否达到预期目标。
混合算法：将多种算法进行融合，形成新的优化算法，以适应不同类型和规模的多目标优化问题。
代理模型：利用代理模型来近似替代真实的目标函数，从而加速多目标优化问题的求解过程。
应用拓展
人工智能领域的应用
金融领域的应用
物流领域的应用
医疗领域的应用
未来研究方向
算法改进：研究更高效的求解多目标最优化问题的算法 应用拓展：将多目标最优化模型应用于更多领域，如机器学习、数据挖掘等 理论深化：深入研究多目标最优化理论，提高模型的可解释性和可靠性 混合方法：结合多种优化方法，提高多目标最优化模型的性能和适用范围
资源分配
电力调度：多目标最优化模型用于协调不同区域的电力需求和供应，实现电力资源的 合理分配。
金融投资：多目标最优化模型用于确定投资组合，以最小风险实现最大收益，优化金 融资源分配。
农业信息学复习题
1.农业信息学的涵。
P5农业信息学研究农业生产息获取、处理、管理和利用的关键技术及相应的应用平台和系统，从而对农业系统过程的信息流实现全面的数字化表达和整合，农业信息学体系有理论基础、关键技术、应用系统三方面组成。
农业信息学的理论基础是建立科学的基础，至少包括农业信息的结构、性质、分类及表达农业信息的传输机制与信息流的形成机理，农业信息的管理与调控技术等。
广泛涉及信息科学、计算机科学、地球科学、系统科学、管理科学、生态学、土壤学、农业学等多个科学领域，其主要学术思想是将信息系统原理与信息管理技术等创造性地应用于农业生产系统的研究和管理。
农业信息学的技术体系包括农业信息获取、信息处理、信息模拟、信息控制四个主要方面，主要表现为卫星遥感、地理信息系统和全球定位系统为核心的现代空间信息技术，以及包括以数据仓库、模拟模型、人工智能、多媒体和网络技术等为代表的现代信息管理技术。
农业信息学的应用系统以农业信息学的关键技术为基础，以农业产业的应用领域为服务对象，以农业信息流为主线，定量描述整个农业生产系统的过程及其与环境资源与社会经济的关系，实现农业生产系统分析、设计管理、决策调控的信息化和智能化，并广泛应用于优化资源配置、动态监测农情、预测作物产量、设计生产方案、实施精确管理等多个农业产业领域。
2. 遥感的技术系统。
（包括各组成部分的分类等）P141遥感技术系统主要有摇感平台、传感器及遥感信息的接收和处理等三部分组成。
（1）、遥感平台：搭载传感器的工具，按高度可分为地面平台、航空平台、航空航宇平台等。
①、地面平台：地面上装载传感器的固定或可移动的装置，包括汽车、轮船和高塔等。
在近地平台上进行的遥感称为地面遥感。
他主要用来配合航空遥感和航天遥感使用，起着标准和辅助作用。
②、航空平台：主要包括飞机和气球，在航空平台上进行的遥感称为航空遥感。
③、航天平台：主要包括探测火箭、宇宙飞船等，在航天平台上进行的遥感称为航天遥感。
基于多目标优化的项目管理决策模型
基于多目标优化的项目管理决策模型在现代社会中，项目管理扮演着至关重要的角色。
项目的成功与否直接关系到企业的盈利能力和发展态势。
然而，由于项目本身的多变性和复杂性，项目决策往往面临着诸多难题和困惑。
因此，基于多目标优化的项目管理决策模型应运而生。
一、多目标优化与项目管理多目标优化（Multi-Objective Optimization，简称MOO）是一种优化方法，它考虑多个决策目标，以寻求最优解或者最接近最优解的解决方案。
在项目管理中，多目标优化可以用于解决以下问题：1.资源分配问题：项目资源有限，如何平衡不同资源之间的分配，以实现最大化的利益？2.时间管理问题：项目的时间进度紧凑，如何安排各项任务的时间以最大化项目的效率？3.风险管理问题：项目管理中存在各种风险，如何制定风险控制策略以最大程度地降低风险并提高项目的成功率？二、基于多目标优化的项目管理决策模型是在考虑多个决策目标的基础上，通过建立数学模型和算法，寻求最优解或者最接近最优解的解决方案。
这种模型的建立可以划分为以下几个步骤：1.目标设定：明确项目的关键目标，并量化这些目标。
例如，将资源利用率、项目进度、风险控制程度等目标转化为可衡量的指标。
2.数据收集：收集项目相关的数据，如资源分配情况、任务完成时间、项目风险等。
这些数据将成为建立模型的重要依据。
3.模型构建：将目标和数据结合起来，建立合适的数学模型。
可以采用线性规划、非线性规划等方法，根据具体情况选择合适的模型。
4.算法选择：针对所建立的模型，选择适当的算法求解。
常用的算法有遗传算法、粒子群算法等。
5.模型求解：通过运行所选择的算法，得到求解结果。
可以通过计算机编程来实现，提高模型求解效率。
三、优势与应用领域基于多目标优化的项目管理决策模型具有以下几个优势：1.综合性：该模型可以综合考虑项目的不同目标，使得决策结果更加合理和全面。
2.灵活性：该模型可以根据不同的项目特点和需求进行灵活调整，适应各种复杂的项目情况。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
｝ 金项 目 ：国 家 自然 科 学 基 金 资助 项 目 （１７ １６ 基 ４ ０ ４ ２）
ＷＷＷ．ｍ ｅｌ ｏ Ｃ Ｉ ｏ ｉ ．Ｏ ｌ ｆ ｉ ！ Ｄｅ ． ２ １ ｃ ０ ０
第 ２ 卷 第 １ 期 ７ ２
Ｖｏ ．７ Ｎｏ １ １ ２ ．２
ｅ ｃ ｓａ ｅ ｌ ｔ ｅｗｅ ｎｔ ｅ ｓ ｌ ｔ ｎ ａ ｄ ａ ｏｈ ｒ ｏｕ ｉｎ ｇ ｉｅ ｙｔ ｅ Ｐ ｔ ｎ ａ ｔ ｎ ｏ ｔ ｚ ｔ ｎ ａ ｇ ｒ ｈ Ｉ ｉ ｎ ｅ ｒ ｔ ｅ ｂ ｔ ｅ ｏｕｉ ｎ ｎ ｔｅ ｌ ｔ ａｎ ｄ ｂ ａｒ ＆Ｎ ｓ ａ ｐ ｉ ａｉ ｌｏ ｔ ｍ． ｔ ｍ— ｉｌ ｈ ｏ ｓ ｏ ｈ ａ ｒ ｍｉ ｏ ｉ
Ａ ｓｒｃ： ｈ ｕ ｉｏｊｃ ｖ ｐｉ ｚｔ ｎｇｎｔ ｌ ｒｈ ｎ ｕｔ ａ ｒ ｕ ｅｉｏ ａｉｇａ ｓｄｔ ｇｎｒ ｂ ｔ ｔＴ ｅｍ ｌ－ ｂ ｔ ｅｏｔ ａ ｏ ｅｅ ｃａ ｏ ｔ ａｄｍ ｌ－ｔ ｂｔ ｄ ｃ ｉ ｍ ｋｎ ｒ ｕｅ ｅ ｅ－ ａ ｔ ｅｉ ｍｉ ｉ ｉ ｇｉ ｍ ｉ ｔ ｅ ｉ ｓｎ ｅ ｏ
ｔｅ ｍｏ ｅ ｎ ｈ ｒｏ ｒｄ ｃ ｄ ａ ｈ ｄ ｌｉ ｕ ｄ ｒ ｃ ｒｅａｉｎ ｅ ｐ ｒ ｎ ｓ Ｂ ｈ ｏ ｔ ｓ ｏ ｅ ａ ａｏ ｕ ｈ ｄ ｌａ ｄ ｔｅ ｍｉ ｒ ｐ ｏ ｕ ｅ ｓ ｔ ｅ ｍｏ ｅ ｓ ｎ ｅ ｏ ｒｌ ｔ ｘ ｅ ｍｅ ｔ． ｙ ｔｅ ｃ ｎ ｒ ｔ ｆｔ ｎ ｌｇ ｅ ｒ ｏ ｉ ａ ｈ ａ ｄ ｔ ｅｅ ｐ ｒ ｎ ｅ ｕ ｔ ｉ ｓ ｏ ａ ｅ ｉｅ ｔ ｔ ｓ ｎ ｅ ｅ ｉ ｅ ｉ ｎ ｅ ｅ ａｕ ｅ ｌａ ｓｉ ｆｒｌｓ ａ ｅ ｎ ｈ ｘ ｅ ｍｅ ｔ ｓ ｌ ， ｔ ｈ ｗｓ ｈ ｔ ｈ ｒ ａ ｓ ｅ ｓｕ ｄ ｒｔ ｎ ｒ ａａ ｄ ｔｍｐ ｒ ｔ ｒ ｄ ａ ｓｔ ｎ ｔ ｉ ｒ ｓ ｔ ｔ ｎ ｉ ｒ ｈ ｔ ｏ ｓ ｅ ｈ ｈ
ｇ ｎ ｔ ｌｏ ｔｍ． ｅ ｈ ｐｉ ｍ ｏｕｉｎｉ ｏ ｔｉｅ ｙｒｎ ｉｇ ｔｅ ｅｓｌｔ ｎ ｒｍ ｂ ｓ ｔ ｏｓ． ｈ ｉｅ－ ｅ ｅｉ ａｇ ｒｈ Ｔ ｎｔｅｏ ｔ ｃ ｉ ｈ ｍｕ ｓｌｔ ｓ ｂａｎ ｄ ｂ ａ ｋｎ ｈ ｓ ｏｕｉ ｓｆ ｅｔ ｏ ｗ ｒｔ Ｔ ｅ ｄｆ ｒ ｏ ｏ ｏ
ｐｏｅ ａ ｔｅａ ｏｉ ｍ ｉ ａａ ａｌ． ｈ ｙａ ｉ ａｄｔｍ ｅ ｔ ｅ ｏｄｆ ｉ ｌ ｅｔ ｅ ｏｓ Ｅ ） ｒ ａｐｉ ｒｖｓｈｔｈ ｌ ｒｈ ｖｉｂｅ Ｔ ｅｄｎ ｍｃ ｎ ｐｒ ｕ ａ ｎ ｅｅ ｍ ｎ ｍ ｔ ｄ（ Ｍ ａ ｐ ｌ ｄｔ ｔ ｇ ｔ ｓ ｌ ｅ ａ ｒｌ ｉ ｔ ｅ ｈ Ｆ ｅ ｅ ｏ
ｗｅ ｇ ｔ ｒ ｒ ｔｕ ｔ ｒ ｉｈ ｒ ｒ ｃ ｕ ｅ Ｍｉ ０ Ｓ
ＬＮ Ｇ ａ— ｕ Ｉ ｕｎ ｙ
（ｈｎｃｕ Ｉｓｔｅｆ ｐｉ， ｉ Ｍｅｈｎｃａｄ ｈｓ ｓＣ ｉ ｓＡ ａｅ ｙｆ ｃ ｎｅ ｈｎｃｕ １０ ３， ｈｎ） Ｃ ａｇｈｎｎｔｕ ｏＯ ｔｓＦｎ ｃａｉ ｎ Ｐ ｙｉ， ｈ ｅｅ ｃｄｍ ｏＳｉ ｓ ａｇｈｎ ３０３ Ｃ ｉ ｉｔ ｃ ｅ ｓ ｃ ｎ ｅ ，Ｃ ｅ ａ
ａｅａ ｌｏ ｔｍ， ｈｃ ｅｌ ｈ ｉｈ ｎ ｒｏ ｔ ｍ ｅｓ ａｅｉ ｇｎ ｓ ｕ ｎ． ｈ ｒｅｏ ｔ ｚｔ ｎ ｔ ｎａｇ ｒ ｈ ｗ ｉｈｉ ｔ ｔ ｉ ｔ ｇ ｔ ｉ ｓ ｏ ｈ ｇ ｗｅ ｍｉ ｏ ｐｉ ｍｕ ｉ ｔ ｐ ｃ ｎｈ ｍａ ｉｇｉ ｔ ｍｅ ｔＴ ｅｔ ｅ ｐｉ ａｉ ｎｒ ｈ ｍｉ ｏ
ｓａｅｌ ａｉｇｓｅｔ ｍ ｔ ． ｒｕ ｆ ｐ ｍ ｍ Ｐ ｒｔ ｓｌｔ ｎ ｒ ｇｔ ｎｔｅｂ ｓ ｆ ｈ ｌ —ｂｅｔ ｅ ｐｃ ｍｂｉ ｇ ｐｃ ｏ ｅ ｒＡ ｇｏｐｏ ｔ ｕ ａｅ ｏ ｉ ｓａ ｏ ｏ ａｉ ｏ ｔｅｍｕ ｉｏｊｃ ｖ ｉ ｍ ｎ ｒ ｅ ｏｉ ｏ ｕｏ ｅ ｈ ｓ ｔ ｉ
摘 要～ ：对空间成像光谱仪非球 面镜使 用多 目标优化遗 传算法 ，结合 多属性 决策方法建立了对空间成像仪 器
中光 学镜体轻量化优化 的算法 。以镜体的面形精 度、重量和 固有频率为 ３个优化 目标 函数 ，通过优化影响三 者的参数达到获得 最优轻量化效果。对优化模 型进行 了动力学和温度 载荷 的有限元 分析 ，并按照优化模型进
ＤＯＩ： １ ．７ ８０ＭＥＩ２ ０ ７１ ．０ ３ ０３ ８ ／ ０１ ２ ２０ ９
Ｍｕ ｉ ｂｅ ｔ ｅＯｐｉ ｚ ｔ ｎａ ｄＭｕ ｉａｔｂ ｔ ｃｓ ｎＭａ ｉｇＳｕ ｙｏ ｅＬｇ ｔ ｌ ｏ ｊｃｉ ｔ ａｉ ｎ ｌ ｔｉｕｅＤｅ ｉｉ ｋ ｔｄ ｆｈ ｉｈ＿ ｔ － ｖ ｍｉ ｏ ｔ ｒ － ｏ ｎ ｔ
第２ 卷 第 １ 期 ７ ２
Ｖｏ ．７ Ｎｏ １ １ ２ ．２
文 章编 号 ：０ ７ ｌ ８（０ ０１— ０ ３ ０ １０ 一 ０２ １）２ ０ ９ — ６ １
镜体 结构轻量化的多 目标优化和多属性 决策研究
林 冠 宇
（ 中国科 学院 长春光学精密机械与物理研究所，吉林 长春 １０ ３ ） ３０ ３
行 了试制和相关的实验 。模拟与实验 结果表 明，优化后 的镜体 受惯性和 温度载荷所 引起的应 力小于材料本 身
的屈服强度 ，变形满足 面形精度要 求 ，且有理想的精度 和动 态刚度 。
关键词 ：轻量化 ；多目标遗传算法 ；多目标优化 ；多属性决策 ；有 限元分析
中图分类号 ：Ｔ ７ ３ Ｈ ０ 文献标识码 ：Ａ
ｓ ｕ ｔｒ ａａ ｔｒ ａ ｔ ｇｔｅｅｆｎ ｔ ｎ ． ｈ ｌｏ ｔｍ ｓｄ ｆｒａ ｖ ｎ ａｐ ｅｉ ｒｏ ｈｃ ｓｄｉ ｔ ｃｕｅｐ ｒｍｅｅｓｉ ｃｉ ｓ ｕ ｃｉ ｓ Ｔ ｅａｇｒ ｈ ｉ ｕ ｅ ｎ ｅ ｅ ｓｈ ｒ ｍｉ ｒｗ ｉｈ ｉ ｕｅ ｎａ ｒ ｍｐ ｎ ｈ ｏ ｉ ｓ ｏ ｃ ｒ ｓ
ｏｊ ｔｕｃｏｓ ｒ ｔ ｒｃ ｒ ｇｎｓ ｗ ｉ ｔｎ ｅ— ｅｕｎｙＴ ｅ ｐｍ ｍｓｕｔ ｅ ｓ ｏ ｂ ｍ ｄｙ ｇｈ ｂ ｃｆ ｔｎ ａ ｅ ｕ ａ ｕｈｅ 。 ｅ ｈ ａｄｒ ｆｑｅｃ． ｈ ｏｔ ｕ ｒ ｕ ｔｙ ｏｉｉ ｅ ｅ ｎ ｉ ｅｈ ｓ ｆ ｅ ｏ ８ ｇ ｆｅ ｒ ｉ ｔ ｃ ｒ ｉｇ ｆｎ ｔ