摘要：工程系统近年来变得相当大和复杂。所要求的设计相当复杂并且仅仅考虑一个学科的话不容易满足设计要求。因此，需要考虑到不同学科的设计方法。多学科设计优化是考虑到多学科设计环境所形成的优化方法。MDO包含七中方法。他们是多学科可行方法MDF,单学科可行方法IDF,同时运行方法AAO,并行子空间优化方法CSSO,合作优化CO,错落综合系统合成方法BLISS,基于子空间的多学科优化MDOIS.通过几个数学例子，方法的性能可以得到评估和比较。用于比较所定义的具体要求和新的数学问题类型是根据要求所定义的。所有的方法被编码并且可以在数量和质量上比较方法的性能。
1．简介
目前，工程系统都是相当大而且复杂的。对于这类系统，设计要求是严苛的。因此，设计工程师正在寻求新的方法，其中之一是多学科设计优化(MDO；Balling 和Sobieszcznski-Sobieski在1996提出)。MDO是一种设计优化方法。一般来说，优化在实施时，仅仅只考虑到了一门学科。然而，用单一的学科去解决现代工程问题是相当困难的。因此，我们需要一种可以覆盖多学科的设计方法。
在Sobieszczanski-Sobieski于1998年提出并行子空间优化之后，其他的几种方法也被相继提出来。多学科设计优化方法分为单级方法和多级方法。单级方法一般有一个单一的优化程序并且直接使用非层次结构。以下这些方法就是属于单级方法，其中包括多学科可行法（MDF；Cramer等在1993年提出）、独立学科可行法（IDF；Cramer等在1993年提出；Lee在2004年提出）、All-at-once （AAO；Cramer等在1993年提出；Haftka在1985年提出）和基于独立子空间的多学科优化（MDOIS;Park在2007年提出；Park和Shin在2005年提出）。
在单级方法下，除了MDOIS以外，所有的学科都不能决定设计，并且分析只在学科之间进行。在MDOIS情况下，各个学科都决定了设计。另一方面，多级方法能够将非层次的机构关系转化为层次结构而且每个层次都有优化程序。这些多级方法包括并行子空间优化（CSSO，Park和Lee在2001年提出；Renaud 和Gabriele在1994年提出；Sobieszczanski-Sobieski在1982年提出；Tappeta 在1998年提出）、双极集成系统合成（BLISS；Sobieszczanski-Sobieski在1998
年提出）和协同优化（CO；Braun在1996年提出，Teppeta和Renaud在1997年提出）。
由于在工业领域中MDO有很多应用，因此我们有必要对MDO方法的特点进行研究。在工业领域中，一种改进的或者局部的优化设计可以是一种很好的设计（Hoenlinger等在1998年提出）。工业工程师不得不在有限的时间和成本的条件下去进行设计。由吉埃森和缪所写的一篇文章“工业的MDO应用和需要总结”很好地诠释的这些方面。设计师对改进的设计比较感兴趣。此外，由于整体的工业结构已经分解为多个学科，我们需要一种可以用在每个学科上面的方法。因此，MDO方法应该融入到工业需求中去。
设计师想要在众多的MDO方法中选择一种适当的方法去解决他们的问题。目前，一种MDO方法不能够被普遍的应用到所有问题上。一些工作人员也从效率的角度去进行了不同MDO方法的比较。然而，在以往的研究中，一些问题会出现，比如说选择了不够充分的例子并且，所有的方法不能进行彻底的比较。因此，这个研究就探讨了是否现有的其中MDO方法能够满足工业上的需求。
为了实现这个目标，就通过解决几个数学实例来对几种方法的性能和调用函数的次数就行比较。之所以用解决数学实例去代替实际的工程问题，是因为一个具体的工程问题不能够覆盖MDO的所有特点并且一个单一的工程问题不能够展现出方法的所有特点。除了定量比较之外，在定性方面，对于每种方法的应用的困难都进行讨论。MDO问题的一般要求的定义和数学的实例的开发都是基于这些需求的。此外，在现有的研究中，某些满足这些要求的实例都得到了解决，并且呈现出了结果。当一个方法被挑选出来解决一个实际的工程问题的时候，某些问题就应该被考虑在内，这些问题也通过探索以前的比较研究来讨论。
2 多学科设计优化
2.1MDO方法总论
一个MDO问题应该用MDO方法来确定。确定问题后，这个问题应该转变成有公式形式的优化问题。这个公式可以根据所应用的MDO方法而改变。通常七中类型的方法都有，他们是MDF， IDF， BLISS， CSSO， CO，AAO和MDOIS。优化过程中基于梯度的方法经常用到。最近一些MDO研究者采用基于非梯度的方法比如遗传算法，神经网络算法，模拟退火算法等。
MDO方法可以分单级方法和多级方法。每一种方法的具体内容在相关文献中得到解释，并且每种方法的解释都很精简。MDF的公式是基础的。尽管在每一步中需要做出一个复杂的系统分析，但是MDF方法是比较容易应用的。在系统分析中耦合的关系得到了解决。IDF公式已经发展到消除系统分析的地步，可以独立的解决每一个学科的问题。在消除系统分析中，IDF应用免费变量和耦合变量的兼
容性条件。Y1Y2 YM1 YM2
对每一个学科AAO方法既不执行系统分析也不进行单独的分析。这个同时分析和设计方法（SAND）发展成为消除比较昂贵的分析过程。AAO概念通过应用SAND 概念扩展成MDO。前面提到的三种方法是单级方法，每个学科没有确定的设计。在很多MDO问题中，学科是物理意义上分离的并且一个单独的分析仪是用于一个学科。学科只有在分析过程中被耦合。各学科的问题可以定义一个独立设计问题。他们相比较一个普通的MDO问题来说是相当简单的问题。MDOIS已成为有效解决这些问题的方法。
多级方法改变了非层次结构到层次结构的关系。每一级有一个优化程序。因此，每一个学科都有单独的分析和确定的设计。CSSO是个多级方法，有系统分析和分解学科。CSSO将一个MDO问题分解成一个上层和下层的问题。在上层中，通过优化过程确定下层的一些参数。一个学科中这些参数能够考虑成本函数和其他学科的约束问题。上层的优化问题被称作协调优化问题GOP。对每一个学科来说下层使用上层得到的参数进行优化。
BLISS是个多级方法，包括系统分析和分解学科。它将一个MDO问题分解成一个上层和下层的问题。在下层中每一个学科有局部设计的变量，而其他共同变量被当做是常数。另一方面，上层有共同变量当做设计变量，而下层的局部变量被当做恒定的。
CO是多级方法，不能执行系统分析和分解学科。他有两个层级，上层控制所有的过程，下层控制每一个学科的设计。系统分析通过采用免费变量和兼容性环境被替代。上层用来自下层的结果将目标函数最小化并且确定下层中学科的目标值。低等级努力发现一个设计来满足来自高等级的约束和目标值。
2.2先前研究
在一个由Hulme写的一张纸上，通过CASCADE（综合应用模拟来创建分析设计方程）制造了数学例子。CASCADE是一个制造数学例子与MDO方法进行比较的算法。
Hulme的研究提供了一个良好的过程与MDO方法进行比较，但是只有三个等级的方法进行比较。他的研究结论是MDF是最高级的。Balling和Wilkinson通过两个数学例子比较了MDO方法，包括MDF， IDF， CSSO， CO和AAO。结果是AAO，IDF，CO有良好的性能，尽管这个问题有强烈的耦合性，但是其他方法在耦合性弱的时候能找到结果。比较函数调用的次数，单级的方法比多等级的方法更有效比如CO和CSSO。AAO的调用函数次数是最少的，CO的最多。
Chen的例子定性的比较了MDO的方法，但只有多级的方法进行了比较。Alxeandrov 和 Kodiyalam1998和Alxeandrov 和Lewis2002比较了MDF,IDF和CO三种方法。结果是MDF的结果是最好的，用很贵的分析仪的情况下应用CO比较困难。但是他们表示CO应该被考虑，因为在没有系统分析的每个学科中CO
在确定设计方面有优势。
在NASA测试中（Padula et al. 1996),执行数学例子进行MDO方法的比较。在NASA测试中的一些例子中或许不是适合进行比较的例子。例如减速机的问题，AAO很难应用这是因为目标函数和约束函数是所有设计变量的函数。中心偶极子问题和丙烷的燃烧问题很困难变成综合问题这是因为优化问题来自于分析问题。
特别是，一个MDO问题应该有一个系统分析过程，但是一些例子没有这个过程。此外，一些例子没有共同设计变量。先前的研究进行的MDO方法比较是关于一些限制方法数量。再现性是相当低的，这是因为系统分析的结构和设计变量的划分（共同变量和局部设计变量）不清楚。在这个研究中，一个MDO 的普通公式是用来进行比较的，并且新型数学问题是基于公式才被定义的。最后MDO方法是与新型数学问题进行比较。
3．在MDO方法比较中的数学实例的特性
在问题公式化的过程中，每种MDO方法都有具体的特点，并且这些特点都和成本的计算以及应用的便捷性相关。正如前面所提到的，能够模拟实际问题的数学实例对于比较MDO方法是合适并且有效率的。由于数学问题的公式化是简单和清晰的，所以去呈现出MDO方法的特点是很简单的。在许多情况下，当一些方法诸如响应面分析法（RSM）在应用时，实际的工程问题往往通过有关设计变量的数学显式方程来近似。因此，通过数学实例进行方法的比较是合理的。在本节中，一个一般化的MDO公式被定义，并且基于这个一般化的公式，讨论了用于比较的实例的要求。
3.1 MDO的一般公式
目标函数和约束条件是设计变量和状态变量的函数。在MDO中，带有393中数学实例的MDO方法的目标对比、约束条件、设计变量、状态变量都能够被划分为全局和局部特性。。在这项研究中，假定是有两个学科。这里的系统可以应用到含有两个学科以上的系统。
一个MDO问题可以制定如下：
目标函数：找到b1,b2, （1.a）
f2 (b1,,z1)
使得f2 (b2,,z2) 最小(1.b)
(b1,b2,,z1,z2)
g1(b1,,z1) ≤0 (1.c)
g2(b2,,z2) ≤0 (1.d)
约束条件：(b1,b2,,z1,z2) ≤0 (1.e)
z1=h1(b1,, ) (1.f)
Z2=h1(b2,, ) (1.g) 其中上标c表示耦合，标示1和标示2代表学科的数量。b是设计变量，并且它可以分成是局部设计变量（b1,b2）和全局设计变量（）。F是目标函数变量，它的组成包括局部目标函数（f1,f2）和全局目标函数（）。g是约束变量，它的组成包括局部约束变量（g1,g2）和全局约束变量（）。hi是第i个学科的分析函数并且zi是第i个分析函数结果的状态变量向量。状态变量分为耦合变量和非耦合变量。一个学科的耦合变量作为输入到达另外一个学科那里。在上式中，和都是耦合变量。
MDO方法的基本问题是存在的分析函数。有时候，一个学科有自己独立的分析函数。然而，在大多数情况下，一个学科可能需要另外一个学科的分析结果，这一点应该要被考虑在内。因此，公式（1.f）和（1.g）就体现了这种联系。由于每个学科的设计变量可以被划分为局部和全局的设计变量，因此在公式中就含有b1,b2和这几个变量。目标函数和约束条件是设计变量和状态变量的函数。在公式中，有一个全局的目标函数（）和全局的约束向量（）。在一些单级方法比如MDF、IDF和AAO这些分类是不需要的。然而，多级方法和MDOIS需要这些分类，因为它们解决每个学科的设计问题。
在公式(1)中，想较于只有一个学科的一般优化问题，MDO问题有两个不同的特点。第一：每个学科的分析函数需要有其他学科的分析结果。第二：存在有全局设计变量，全局的目标函数和全局的约束条件。值得提出的是，存在学科间共享的全局设计变量。由于这两个特点，MDO问题变得更大和更复杂。公式
（1）中仅仅含有两个学科，但是基于上述的概念，公式可以拓展到还有不止含有两个学科。
3.2 数学实例的要求
先前的研究没有很精确的定义MDO的一般公式。而且，局部和全局的设计变量、目标函数以及约束条件的区别不是和清晰。另一方面，在（1）中的MDO 问题是清晰的。此外，对于那些目标函数和约束条件仅仅由设计变量函数构成的某些情况，它是可以消除的。这些问题或许也不能当作MDO问题来考虑。
用于比较MDO方法的数学实例满足的条件如下：
1.分析过程必须存在每个学科中，系统的分析必须存在于解决耦合
变量时。
2.一般来说，状态变量的数量要多于设计变量的数据。
3.局部设计变量和全局设计变量必须存在。
然而，一些全局的目标函数和全局约束条件没有被考虑，因为一些MDO方法不考虑这些。
4．运用现存的数学案例对不同的MDO方法进行比较
4.1 现存的数学案例
在第三部分里，我们已经定义了MDO的一般表达形式，为了比较不同的MDO 方法，我们还提出了这些数学案例的要求。在先前的研究中有两个案例满足上述要求，我们选择了这两个。第一个在ISIGHT手册中，它通过ISIGHT运用了CSSO 方法。选择它是因为它比较简单而且满足我们提出的要求。案例1的公式表示如下：
在NASA的测试台上，他们引进了一些数学案例对不同的MDO方法进行了比较。在这些案例中，我们选择了有关能量转换器的一个问题，这就是我们的案例2。案例2的公式化表述如下，其中由于状态变量太过复杂，忽略不计。
4.2 MDO比较结果以及数学案例的比较
通过案例1和案例2我们比较了不同的MDO方法。某种方法的性能以其函数调用的数量为指标进行定量的比较。各学科的函数调用数量之和就是该方法的函数调用总数。总的函数调用包括在单个学科内分析过程中和整个系统分析过程中的函数调用。由于这些是数学案例，GSE(全局灵敏度方程)和OSA（最佳灵敏度分析）……因此，在GSE和OSA中的函数调用应该排除。但是在解决实际工程问题时，如果在这个过程中运用了有限差分方法，这些函数调用是不能忽略的。优化器是DOT5.4版本。
在本实验中，所有的计算过程都会编程。众所周知，如果这个程序不是该计算方法的原开发者编制的，该方法的性能会恶化。我们试图去寻找最初的开发者从而得到他们的程序。然而，在本实验中必须改善该程序才能解决问题，而这
样又会降低程序的效率。因此，我们运用每一种方法的原始公式编程，这样可以尽量保持实验的顺利。然而，不同的程序员编程会得到些许不同的比较结果，但整体的趋势是类似的。
在解决实际工程问题中，近似过程和函数调用所用的时间比分析优化所用的时间多很多。因此，我们比较了函数调用的数量，而不是CPU的运行时间。在AAO中，我们用估计器取代了分析器，由于函数调用时间受估计器效率的影响，所以排除掉估计器的因素。
表1表明了案例1的结果。根据MDO方法，我们可以在问题公式化的过程中添加设计变量和约束条件。在IDF中，设计变量和问题中的耦合变量一样多，根据相容性条件添加了几个等式约束。前面提到过，总的函数调用包括单个学科分析过程中的函数调用和整个系统分析过程中的函数调用。由于在系统分析过程中，每个学科是同时计算的，所以系统分析中的函数调用数量要乘2。例如，在CSSO中，系统分析中的函数调用是208个，学科中的函数调用分别为44和226，所以总的函数调用数为686。同样的方法也应用于其他案例。在这个案例中，IDF 的函数调用数量是最少的，CO是最多的。尽管CO法有很多次的函数调用，但是它并不收敛。AAO相比于其他的方法有更多的函数调用次数，这里所说的函数调用次数并不是分析过程中的实际数量，而是估计器的函数调用数。众所周知，估计器相比于分析器占用CPU少。因此，从这方面说，如果AAO根据CPU的运行时间选择一个高效的估计器，AAO会比其他方法更好。在AAO中，我们运用之前提到的同步分析设计(SAND)概念进行优化，这样分析过程会包含在优化过程中。这是通过将系统分析等式转换为等式条件并且将状态变量当作设计变量而
完成的。
表2表明了案例2的结果。IDF的函数调用数最少，MDF最多。BLISS在多级方法中函数调用数最少，并且目标函数变量最优。在CO中，虽然函数调用很多，但是目标函数变量结果最差。
5.比较MDO方法的新范例
在第四部分，我们分析了两个现存的范例，它们都满足用于比较MDO方法的需求。然而，现存的范例在公式化的过程中显现出一定的困难。现存范例难以将设计变量划分成局部的全局的设计变量。问题的求解公式可以根据所选局部和全局设计变量的不同而改变。因此，客观的比较每种方法可能是困难的。基于MDO 的一般公式，我们提出了一些可以区分局部设计变量和全局设计变量的范例。
5.1提出的第一个范例---例3
在第三部分，定义了MDO的一般公式，提出了比较MDO方法的一些条件。
满足这些条件的基础上，基于公式（1）我们做了一个最简单的数学范例。
例题如下：
标注 nc的地方表示非耦合。
这个范例包含了两个学科。每个学科都带有一个局部设计变量，一个全局设计变量，一个耦合状态变量和一个非耦合状态变量。目标函数和约束函数是状态变量的函数。
5.2提出的第二个范例
例3是一个基于MDO一般公式的简单例题。它满足比较MDO方法的条件。基于例3，我们提出了更复杂的实例。下面三类问题的提出正是为了模拟仿真不同设计变量作用下的影响：
1.只存在局部设计变量---- 例4
2.只存在全局设计变量---- 例5
3.局部设计变量和全局设计变量同时存在---- 例6
这三个例题的公式是相同的，但是设计变量的类型是不同的。因此，检测不同类型设计变量的作用效益就成为可能。目标函数是局部目标函数的矢量组合。单层方法比如MDF，IDF和AAO把目标函数看做是局部目标函数的简单加和。这些例题的公式如下：
在第i个学科中，是第j耦合变量，是第j个非耦合状态变量。
在学科i中第j个局部设计变量，是第j个全局设计变量。表3显示了（5）式的系数。由于每个学科都有九个耦合变量和九个非耦合状态变量，系数i的变化范围就是从1到9。其他系数都是基于i变化的，在表3中可见。先前我们定义的三个例子是基于系数和决定的，在(5)中我们能
够看到。系数和在表4中显示了设计变量的状态。“1”表示存在，“0”
表示不存在。
6、结果和比较
6.1、首例
表5显示了例3的结果。设计变量和约束条件，根据耦合变量或状态变量的数量将设计变量和约束条件加入到制定过程中。在CSSO的情况下，为了考虑约束，要把作为等式约束的参数添加进来。所有方法的最终的目标函数值都差不多，所以每一种方法对目标函数的性能方面也有类似的效果。在此示例中，IDF函数调用的数量是最少的，CSSO是最多的。在CO的制定中，每个目标值都是耦合变量。
6.2、第二例
表6、7和8分别表明了例4，5和6的结果。表6显示了只有局部设计变量的例4的结果。例4的结果表明，当满足约束条件时，目标函数收敛到了相似的点。CO找到一个比其他方法更好的目标函数。然而，相容性条件并不能在上下两个水平之间得到满足。当MDOIS 和BLISS在单学科的确定设计方案中，在函数调用次数方面表现良好时，IDF方法的函数调用次数则是最少的。众所周知，最好的算法是使用最少次数的函数调用。
表7表明了仅仅有相同设计变量的案例5的结果。在CSSO案例中，约束条件在低水平下是可以接受的，但是在系统分析中它却得不到认同。BLISS方法不能在这个例子中实施，因为它在低水平确定的是局部设计变量，在高水平确定的是全局设计变量。因为案例5并没有局部设计变量，所以BLISS方法并不能使用。当MDOIS在单学科的确定设计方案中，表现最好时，IDF方法的函数调用次数则是最少的。在这个例子中，CO在优化设计中找不到一种收敛的解决方法。
表8表明了例子6的结果。这个例子中同时包含了局部变量和全局变量。所有方法的目标函数都收敛到一个相似点，所以，目标函数的解决过程也是相似的。IDF方法调用最少的函数，而BLISS方法在单学科的确定设计方案中是表现最好的。而CO方法在这个例子中达不到收敛的目的。
7、关于所提出的数学引例的讨论
从这四个所提出的例子可以看出，IDF在函数调用的次数方面还是比较优秀的。在这些每一个学科都可以去确定设计的方法中，MDOIS和BLISS表明了一
些次数少的函数调用，并且找到一种可观的解决方法。然而，CO却有时找不到一种可观的解决方法，尽管他调用了大量的函数。
图表9展示了在解方程中需要的另外一些信息。这些附加条件括了设计变量，等式的约束，系统的分析，额外需要的优化，GSE和OSA。这个信息可以使得解决问题更为困难。更为重要的是，系统分析还影响了函数调用的次数。在表9中的“O”和“X”的意思是分别表明这些附加条件是否需要。设计变量和等式约束的条件同样使得优化的问题变得困难。因为GSE和OSA需要额外的优化或分析，函数调用的次数会增加。从而得到的结论就是，MDF方程问题是最简单的，而CSSO是最复杂的。
表1表明了函数调用次数和附加条件之间的关系。纵坐标是函数调用的次数。而调用更多函数的方法则位于上方。横坐标是附件条件。这个图表可以帮助我们看出哪些方程或方法可以调用少的函数。在表1中，更靠近原点的方法可以更少的调用函数，这样就可以更为简单的解决问题。MDF, CSSO, BLISS 和MDOIS 是在虚线内，需要进行系统的分析。值得注意的是系统分析是很贵的。
表1表明IDF是在函数调用次数和方程推断进程中附加条件是否需要的最好的方法。但是IDF仅仅是单一水平的方法，一次这单一的学科并不能去进行方案的设计。相反的，在MDOIS和多任务方法中，每一学科都可以进行方案的设计。在实际设计中，根据不同的学科，设计的环境都在不停的变化。这些每一个学科都可以去确定设计的方法有它们的优势，因为在每一个学科领域中，设计专家有权利去进行独立的设计。而在可以确定方案设计的学科中，MDOIS 和BLISS在调用函数方面表现良好。表9也表明了MDIOS比BLISS 更容易使用，因为MDOIS 需要更少的附加条件。CO有两个优势，（a）每一学科都可以进行方案设计；（b）它不需要系统分析。然而，在大多数的案例中，尽管CO可以在某些案例中可以找到一些少调用函数的优化方式，但是在大多数的情况下，它仍需要调用大量的函数。同样的，CO也找不到一种当出现相同设计变量时，可以很好的收敛的优化设计方法。因此，CO并不适合MDO 方法。而最近发现的BLISS方法，可以在少的函数调用中融合那些优化设计方法。但是，它也有其缺点，因为它需要很昂贵的敏感性条件。
8、结论和对未来的展望
我们定义了一般的MDO方程式，并且需要数学案例与现在的MDO方法进行比较。我们选择了满足要求的两个例子。我们去解决在解决这来年哥哥例子中出现的某些问题，从而提出了一种新的满足要求的数学案例。得出结论，
1、如果一个系统分析简单，就建议用MDF方法，如果要求每一学科都可以进行方案设计的话就选用MDOIS 方法。
2、当很难进行一项系统分析时，IDF方法就很有效，而多任务方法就很难被采取。
3、最好别用CO方法去解决MDO的问题，因为它需要大量的函数调用并且表现不好。
4、如果OSA和GSE可以很容易的计算时，最近发现的BLISS方法就是一种有效的多任务处理方法。
在这项研究中，MDO方法是在基于函数调用的次数上进行比较的。因而，在解决过程中所花费的次数不能被作为依据。如果成本更为廉价的话AAO方法比IDF方法更为有效，尽管它比IDF调用了更多的函数。对于目前研究的一个局限是单一的使用一台计算机。但是多功能方法在每一学科中进行每一项设计时可以进行并行的计算。更重要的是，很有必要在环境变化中对实际花费的次数进行比较。在最近的运用中经常用到了RSM方法，因此，将其与MDO方法进行比较也是很有必要的。
羈吉林大学学科专业结构布局优化调整工作 体方案 袇总 蚃学科专业结构是大学的基本架构，是开展教学和科研活动的基础，直接关系到学校整体功能的发挥和长远发展。为更好地适应经济社会发展需求和学科发展趋势，构建与“高水平研究型大学和世界一流大学”的奋斗目标相适应的学科专业体系，学校决定开展学科专业结构布局优化调整工作。 罿一、指导思想 蚀进一步发挥学校人才培养、科学研究、社会服务和文化传承的功能，以改革为动力，优化调整学科专业结构布局、学位授权点、本科生和研究生招生专业，打破学科壁垒，控制学科规模，优化学科资源配置，加快学科升级转型，突出学科建设重点，在学校深化综合改革的战略布局下，探索创新学科建设管理体制，实现学科中长期规划发展目标。
蚆二、工作目标 螃通过凝练学科专业方向、精简学科专业数量、优化学科结构，调整学科布局，改善学科生态，明确学科建设单位的主体责任和建设任务，进一步合理配置学校资源，实现“发展规模适度、结构布局合理、建设层级清晰、目标定位明确、整体生态平衡、竞争优势持续”的学科优化调整目标，到“十二五”末期，基本使学校一级学科整体规模控制在55个左右，学位授权点涉及一级学科数不超过55个，本科专业控制在90个左右；改善学科生态，加强不同学科间的交叉和融合，培育新的学科生长点，全面提升学科水平和质量，构建符合高水平研究型大学和世界一流大学发展需要的学科体系。 莀三、工作思路 膈在全面调研学校学科建设情况基础上，经过深入分析和论证，学校将坚持“规模控制、优化结构，注重交叉、培育新兴，提高效益、着眼发展，强化特色、打造一流”的原则，按照“广泛调研、顶层设计，注重对话、依靠专家，自下而上、上下结合，先易后难、试点先行，充分论证、分步实施”的工作方针，遵循“坚决、积极、稳妥”的工作要求，利用三年左右的时间，通过“扶优、扶强、扶新”，针对各一级学科具体建设情况，依托一流大学和一流学科建设项目，继续加强优势特色学科的建设；调整或关停部分实力弱、发展乏力且不能满足国家经济建设和社会发展需求的学科；梳理学科间关系，调整和优化存在资源浪费的重复建设学科、投入产出效益低的学科；对优化调整后的学科，实施重点建设、绩效考核和滚动评估。着眼学科发展，通过边建设边优化调整，夯实学科基础、凝练学科方向，以建设促优化、以整合促发展，实现学科专业结构布局优化调整工作目标。 蒅四、组织领导
试论建筑工程结构设计的优化措施摘要: 现如今，现代化建设普遍应用于城市建设中，这推动了我国高层建筑发展前进的步伐，由于人们对建筑施工的要求不断提高，使得建筑技术将面临更高的挑战。因此，从建筑工程结构设计方面入手，进行改进，从而扩大建筑工程的发挥空间。基于此，本文主要对建筑工程结构设计的优化措施进行了探讨。 关键词：建筑工程；结构设计；优化措施 abstract: nowadays, modernization is generally applied to the city construction, this drives forward the country’s high building development progress, as people have the requirement of building construction continues to improve, construction technology that could face higher challenge. therefore, from building engineering structure design aspects, to improve and expand the construction engineering play space. based on this, this paper focuses on the construction engineering structure design of the measures are discussed. keywords: building engineering; structure design; optimization measures 中图分类号：tb482.2文献标识码：a 文章编号： 城市高层建筑的高度在不断的进行增加,这就使得高层建筑向
建筑工程结构设计优化措施探讨 摘要：建筑工程是我国基础设施建设中的重要组成部分之一，房屋建筑建设质量的优劣，与人们的生活质量息息相关。房屋建筑结构设计中，结构设计优化是保障房屋建筑的质量及提高建筑物安全性、稳定性、美观性的有效手段。基于此，文章对房屋建筑结构设计中结构设计优化的应用情况进行了分析，并探讨了房屋建筑结构设计优化的关键点，希望可以为房屋建筑结构设计及施工的开展提供有效参考。 关键词：结构设计优化；建筑工程；结构设计 随着社会经济的飞速发展，经济条件，生活质量和人民生活水平得到了明显改善，人们对生活环境的要求也越来越高。基于时间进度和社会发展需求，在当今住宅建筑的结构设计中，基于质量和安全保证，通常会进行结构优化设计，以实现降低成本，节能减排和改善建筑功能的目的。 1 建筑物结构设计中结构设计的优化 建筑结构模型的优化 在房屋建筑结构设计中，在实施结构设计优化时应优化建筑结构模型。在优化建筑结构模型时，可以从三个方面确定约束条件，计算功能并选择变量。在构建和使用构建模型的过程中，应该非常重视选择不同的变量。在定义和选择不同的变量时，应充分考虑实际的建筑状况，并将其与当地情况结合起来，并彻底分析可能影响建筑结构设计和使用的所有因素。表示这些因素的预定参数。在房屋建筑的结构设计中显示。有些因素可能会对建筑结构设计的总体影响产生非常重大的影响，因此，无论设计人员是多因素还是单一因素，设计人员都应充分考虑到这一点。' 警告。另外，在优化建筑结构设计的过程中，体现功能中的各个要素可以有效减少人员工作量，并有助于提高工作效率。 优化建筑物的主要结构 在设计建筑物结构的主要部分时，应考虑建筑物的质量，并且优化设计应基于确保建筑物的质量和安全性。在此基础上，建筑结构设计中首先要考虑的问题是确保建筑物的安全，在随后的优化设计中，确定要加强主体结构的承载能力。对于建筑物来说，增加主体的稳定性是增加建筑物安全性的有效方法，可以使建筑物在一定范围内承受恶劣环境的能力，从而使建筑物能够经受地震，强风等侵袭。在环境中是安全的。防止建筑物在恶劣的室外环境下倒塌。在优化建筑物的主要结构时，关键是优化幕墙的设计，以确保幕墙的整体稳定性。关键是使幕墙的质量相等，并使结构重心与刚性中心重合。因此，它增加了建筑物的整体稳定性。设计人员可以通过减少幕墙的数量和增加幕墙的程度来优化幕墙的结构。在住宅建筑结构的设计中，许多钢结构经常放置在幕墙内，因此幕墙可以支撑更大的重量并增加幕墙的稳定性。但是，由于节能，应该对该部分进行优化和设计，并且确保幕墙稳定性的原则应该是尽可能少的钢结构建筑材料。 优化建筑细节 随着市场经济的飞速发展，建筑业蓬勃发展，但市场竞争日趋激烈。在这一点上，许多公司开始吸引消费者，从细节开始，以提高建筑物的质量和美观性。在此基础上，在建筑物结构设计中优化结构设计的同时，还应特别注意细节的优化。根据客户的需求，应该优化和
多学科设计优化简要介绍 多学科设计优化 (Multidisciplinary Design Optimization,简称 MDO)是一种通过充分探索和利用工程系统中相互作用的协同机制来设计复杂系统和子系统的方法论。其主要思想是在复杂系统设计的整个过程中利用分布式计算机网络技术来集成各个学科 (子系统 )的知识，应用有效的设计优化策略，组织和管理设计过程。其目的是通过充分利用各个学科(子系统 )之间的相互作用所产生的协同效应，获得系统的整体最优解，通过实现并行设计，来缩短设计周期，从而使研制出的产品更具有竞争力。因此，MDO宗旨与现代制造技术中的并行工程思想不谋而合，它实际上是用优化原理为产品的全寿命周期设计提供一个理论基础和实施方法。 MDO研究内容包括三大方面：1，面向设计的各门学科分析方法和软件的集成；2，探索有效的 MDO算法，实现多学科 (子系统 )并行设计，获得系统整体最优解；3，MDO分布式计算机网络环境。 多学科设计优化问题 ,在数学形式上可简单地表达为： 寻找：x 最小化：f=f(x,y) 约束：hi(x,y)=0 (i=1 ,2 ,… ,m) gj(x,y)≤ 0 (j=1 ,2 ,… ,n) 其中：f 为目标函数；x为设计变量；y是状态变量；hi(x,y)是等式约束；gj(x,y)是不等式约束。状态变量 y，约束 hi 和 gj以及目标函数的计算涉及多门学科。对于非分层系统，状态变量 y，目标函数 f，约束hi 和 gj 的计算，需多次迭代才能完成；对于分层系统，可按一定的顺序进行计算。这一计算步骤称为系统分析。只有当一设计变量 x通过系统分 随着科学技术日新月异的发展，我们的武器装备，尤其是战斗机的水平日益提高，装备复杂程度已远超乎平常人的想象，装备设计不单要用到
我国研究生教育结构的优化调整 摘要：研究生教育结构包括学位层次结构、学位类型结构、学习方式结构、学科专业结构以及区域布局结构等，由于历史、政治、经济与文化等多重因素的影响，我国研究生教育结构合理性还有待 提高。《中国学位与研究生教育发展战略报告(2002一2010)》重点指出要“优化布局与结构”, “进行研究生教育的结构性调整”。 关键词：研究生教育教育结构优化调整 1 研究生教育结构现状 教育结构是指在整个教育体系中，各组成要素间的比例关系以及相互关联方式，也就是教育机构、教育者、受教育者、教学方法、教学内容等要素在整个教育体系中的比例关系和相互间的衔接关系。研究生教育结构包括学位层次结构、学位类型结构、学习方式结构、学科专业结构以及学位布局结构等。在世界反法西斯战争结束后,世界各国面临着国家重建与社会经济复苏等重大国家问题，而教育和科技的发展成为战后重建的突破点，相应的发展研究生教育规模，协调研究生教育结构成了战后重建的重要举措。中国粉碎四人帮后，研究生教育开始真正走上制度化，研究生教育的科学结构也逐步形成，92年我国实行高校扩招后，研究生教育发展迅猛，高等教育也在21世纪初进入了大众化阶段，但研究生教育结构不合理的问题也开始呈现,具体表现在学位层次结构,学位类型结构,学科专业结构和区域布局结构等几个方面。 1.1 学位层次结构 研究生按学位层次可分为博士研究生和硕士研究生。2004年我国博士研究生招生人数为53284人，硕士研究生招生人数为273002人，硕博比例约为5:1，2009年我国博士研究生招生人数为61911人，硕士研究生招生人数为449042人，硕博比例约为7:1，2014年我国博士研究生招生人数为72634人，硕士研究生招生人数为548689人，硕博比例约为7.6:1，从单个学位时间跨度来看，硕士研究生招生人数从04年的273002人到14年的548689人，增长了2倍，博士研究生招生人数增长了1.4倍，而关于研究生学位层次结构的研究者通过研究认为，中国研究生硕士博士的合理比例应为10:1，根据数据可知，我国研究生层次结构正在趋于合理，但相较而言，硕士研究生的招生增长幅度还有上升的空间，同时博士研究生的招生增长率应有所控制。 1.2 学位类型结构
飞行器多学科设计优化复习题 1.优化设计问题的三要素是什么？给出一个优化设计问题的例子，分别说明三个要素的具体内容。 三要素分别是设计变量，约束条件和目标函数。 以结构优化设计为例，设计变量可能是蒙皮厚度，前后翼梁缘条厚度，前后翼梁腹板厚度等结构参数；约束条件是机翼强度要求、刚度要求等目标函数是最小化结构重量。 2.飞行器设计一般分哪几个阶段？飞行器多学科优化设计有什么意义？ 飞行器设计分三个阶段：概念设计、初步设计、详细设计。 飞行器MDO的意义为： （1）MDO符合系统工程的思想。能有效提高飞行器的设计质量 （2）MDO为飞行器设计提供了一种并行设计模式。 （3）MDO的设计模式与飞行器设计组织体制一致，能够实现更高程度的自动化。 （4）MDO的模块化结构使飞行器设计过程具有很强的灵活性。 3.在飞行器设计过程中，多学科设计优化方法与传统设计方法之间有哪些相同和不同点。 传统的飞行器设计优化中,采取的是一种串行的设计模式，往往首先进行性能设计优化,然后进行结构、操纵和控制系统设计优化,最后进行工艺装备设计。在传统的方法中，各个学科任务成了实现系统设计的最基本单元，影响飞机性能的气动、推进、结构和控制等学科被人为地割裂开来，各学科之间相互耦合所产生的协同效应并未被充分考虑进去，这可能导致失去系统的整体最优解，串行的模式也使得设计时间周期和成本大大增加。 而多学科优化设计技术是一种并行设计模式，它以各子系统、学科的优化设计为基础，在飞行器各个阶段力求各学科的平衡，充分考虑哥们学科之间的相互影响和耦合作用，应用有效的设计/优化策略和分布式计算机网络系统，来组织和管理整个系统的设计过程，通过充分利用各个学科之间的相互作用所产生的协同效应，以获得系统的整体最优解。 相同点在于都有对于子学科的分解，但是MDO更注重子学科间的协同。 4.给出MDO的三种定义，根据你的理解，MDO该如何定义？ Definition1：MDO是一种通过充分探索和利用系统中相互作用的协同机制来设计复杂系统和子系统的方法论。 Definition2：MDO是指在复杂工程系统的设计过程中，必须对学科（子系统）之间的相互作用进行分析，并且充分利用这些相互作用进行系统优化合成的方法。 Definition3：多学科设计优化就是进行复杂系统的设计过程中，结合系统的多学科本质，充分利用各种多学科设计与多学科分析工具，最终达到基于多学科优化的方法论。 My Definition：当设计中每个因素都影响另外的所有因素时，确定该改变哪个因素以及改变到什么程度的一种设计方法。 5.多学科设计优化中，什么是学科分析？什么是系统分析？ 学科分析：也成为子系统分析或子空间分析，以某一学科设计变量，其他学科对该学科的耦合状态变量和系统的参数为输入，根据某一学科满足的物理规律确定其物理特性的过程 系统分析：对整个系统，给定一组设计变量X，通过求解系统的状态方程得到系统状态变量的过程。 6.什么是多学科设计优化的状态变量？学科状态变量和耦合状态变量之间有什么区别?
＊)国家自然科学基金项目(10471045)、广东省自然科学基金(04020079)、华南理工大学自然科学基金(B13-E5050190)。吴广潮 讲师,博士研究生,研究领域为算法设计与分析,数据库与信息处理;黄 翰 博士研究生,研究领域为进化计算方法的理论基础,进化计算方法的优化设计及其应用。 计算机科学2008V ol .35№.3 基于离散数字编码的蚁群连续优化算法＊) 吴广潮1,2 黄 翰2 (华南理工大学数学科学学院 广州510640)1 (华南理工大学计算机科学与工程学院 广州510640) 2 摘 要 本文提出了一种基于离散编码的蚁群连续优化算法(CA CO -D E ),用于求解连续优化问题。以往蚁群算法(A CO )的研究,以求解离散优化问题为主,较少涉及连续优化问题。与经典的A CO 算法不同,CACO -DE 将有限精度的实数转化为一个数字串,数字串的每位取0到9之间的数字,从而实现了用离散编码描述实数的效果。CA CO -DE 延用了经典A CO 算法的框架,并加入了特殊的选择机制、信息素更新方式和局部搜索策略。测试实验结果表明:CA -CO -DE 比以往同类算法求解速度更快且精度更高。关键词 蚁群算法,连续优化,离散数字编码 Ant Colony Continuous Optimization Based on Discrete Numerical Encoding W U G uang -Chao 1,2 H U AN G Han 2 (School of M athematical S cien ces ,S ou th China University of Tech nology ,Guangzhou 510640)1 (S chool of Computer S cien ce and En gineering ,S outh China Univers ity of Technology ,Gu angz hou 510640) 2 A bstract T he pr esented paper pro po ses an ant colony algo rithm fo r continuo us o ptimization (CA CO -DE ).A CO alg o -rithms are alway s used fo r discr ete o ptimizatio n problem s ,but rar ely fo r continuous o ptimiza tion .CA CO -DE is de -sig ned based o n the numerical encoding in which each real numbe r is chang ed into a string made up of character s {0,…,9}.T he leng th o f enco ding depends on the accuracy and dimension of the so lutio n .A r tificial ants construct so lutio ns being guided by a hig h dimensio n phero mone v ector .T he f ramewo rk of the proposed algo rithm is similar to the cla ssi -cal ACO except for the upda ting rule a nd local sear ch stra teg y .So me pr elimina ry re sults o btained o n benchmar k pro b -lems sho w that the new method can so lv e co ntinuous o ptimizatio n problem s faster than o the r a nt and no n -a nt methods .Keywords A nt co lo ny alg o rithm ,Co ntinuous optimizatio n ,Discre te numerical encoding 1 引言 蚁群算法(ACO )[1] 是由M .Do rig o 及其同伴在上世纪90年代提出的一种仿生算法,用于求解如旅行商问题[2]之类的组合优化问题。目前,A CO 算法的应用已经扩展到解决多种优化问题,如:V ehicle Ro uting [3]、Q uadra tic assig nment [3]、Qo S [4]、Job sho p [5]等,但这些问题几乎都是离散优化问题。 与遗传算法、粒子群算法和进化规划算法不同,ACO 算法求解连续优化问题的设计研究较少。第一种求解连续函数优化问题的蚁群算法为Co ntinuous A CO (CA CO )算法[6],其主要思想是将连续区间分段,离散化后区间段视为T SP 问题中的城市。CA CO 算法虽然实现了A CO 算法求解连续优化问题0的突破,但是求解效果并不理想。后期又对CACO 算法作了些改进[7,8],提高了求解的精度,但是改进的程度有 限。后来相应又有A PI [9]和CIAC [10]。另外两种算法出现,取得了一定的改进效果,但这些算法加入了遗传算法等其他计算工具的策略,只是用了A CO 算法的框架而已。最新的算法还有基于正态分布的ACO 算法[11],然而这种算法也需要将区间分段离散化,从而会出现两个缺点:1.算法求解精度有限;2.算法求解的计算复杂度较高,需要花费较多的函数评估次数。 作为改进,本文在文[12]基础上提出了一种新型的求解连续优化问题的A CO 算法:基于离散编码的蚁群算法(CA -CO -DE )。实验结果表明:CACO -D E 比以往其他ACO 算法 求解的效果更好,而且速度更快。 2 AC O 算法基本思想介绍 自然界蚂蚁在其经过的路径上会留下某种生物信息物质(信息素),该物质会吸引蚁群中的其它成员再次选择该段路径。食物与巢穴之前较短的路径容易积累较多的信息素,因而使得更多的蚂蚁选择走该段路径,最终几乎所有的蚂蚁都集中在最短路径上完成食物的搬运。M .Do rigo 等从此现象中抽象出路径选择和信息素积累的数学模型,作为蚁群算法的核心;并通过对蚂蚁寻找最短路径的计算机模拟,实现了对TS P 问题的求解[2]。 按M .Do rigo 的设计[3],蚁群算法的基本框架如图1所示 。 图1 蚁群算法(A CO )的基本框架 一般情况下,A CO 算法可以分为三个部分:生成解(Co n -structA ntsSo lutio ns ),更新信息素(U pdatePhero mone s )和附 加策略(DaemonA ctions )。 · 146·
兰州城市学院 学科专业调整与二级学院设置方案 （征求意见稿） 自2006年升本以来，随着办学规模扩大和学科专业发展，学校由校-系二级管理模式逐渐过渡到校-院-系（部）三级管理模式，二级学院成为学校学科、专业建设的主体和开展人才培养、科学研究和为社会服务的主阵地。2014年第二次党代会提出了通过“三步走”发展战略，建成国内知名有特色高水平应用型大学的奋斗目标，从而确定了学校今后发展中向应用型大学转型发展和加强学科建设提升办学层次两项关键任务。为此，开展新一轮的学科专业调整显得尤为必要，而二级学院是学科建设、专业建设和人才培养的基层单位，也需要进行相应的调整。 一、现状与问题 学校现有本科专业42个，在校生招生专业（方向）56个，涵盖了文学、理学、工学、教育学、经济学、管理学、历史学、法学和艺术学等9个学科门类和31个一级学科，初步形成了服务城市相关专业、教师教育专业、工程教育专业三大专业群（服务城市相关专业16个，教师教育专业14个，工程教育专业12个），基本体现了“突出服务城市功能，优化教师教育结构，强化应用能力培养”的办学指导思
想。（见图1） 图1一体两翼三集群学科（专业）建设布局 2014年10月，教育部本科教学工作合格评估专家组在肯定我校“初步实现了专业结构的转型发展”的同时，也建议学校“重新审视专业规划，厘清专业建设思路，构建符合地方发展和学校实际的学科专业体系”。为积极落实专家组的意见与建议，持续优化学校学科、专业结构与二级学院设置，学校在学科方向凝练、专业结构调整以及相应的学院设置等方面做了大量工作。第二次党代会以来，通过机构改革、人事制度改革和分配制度改革等措施，学校进一步加强了学科、专业与二级学院的调整、合并，学科、专业与二级学院设置趋于合理。（见表一）
浅析房建工程结构优化设计 发表时间：2019-07-12T09:47:04.203Z 来源：《建筑学研究前沿》2019年7期作者：王志鹏 [导读] 房屋建筑是现代城市中的重要空间，为居民的日常工作与生活创造室内环境。 摘要：本文以房屋建筑工程结构设计为研究对象，对其在时代科技化、智能化领域中的应用优化策略进行分析。通过对房屋建筑结构设计基本原则的阐述，从数字技术、创新理念、细部结构、仿真环境、数据模型这五个方面，细化论证房屋建筑结构的设计优化策略，为相关研究与应用提供参考。 关键词：房屋建筑；结构设计；智能化；计算机技术 引言 房屋建筑是现代城市中的重要空间，为居民的日常工作与生活创造室内环境。在生活质量不断提升的背景环境下，对于房屋建筑的要求也日益提升，这就需要建筑工程设计人员，在进行结构设计的过程中，坚守建筑设计基本原则，并在时代科技化背景环境下，利用行业的发展优势，对工作内容进行创新管理，增强房物建筑结构设计优化的实用价值。 1房屋建筑结构设计原则 房屋建筑结构设计中，功能性是其基本属性。尤其在社会经济环境高速发展的背景下，人们需要建筑结构设计的功能性，作为正常生产生活的支撑条件。而在设计过程中，还需建筑空间中的协调性、美观性以及舒适性，形成完整的室内环境。 同时，由于房屋建筑的使用与居住需要，必须在进行结构设计的过程中，重点关注建筑空间的安全性内容。安全性设计内容，不仅在建筑结构施工过程中起到关键作用，也会在房屋建筑投入使用的过程中，成为保证使用者生命财产安全的重要依据[1]。因此，在进行设计时，材料选择、用量分析、结构科学性等内容，都需要得到建筑结构设计者的高度重视，并作为设计的核心内容，进行完善与优化。 另外，房屋建筑工程结构设计，是指导工程项目施工的重要组成部分。在进行设计优化的同时，需要从经济成本的角度对设计内容进行评估，并在合理优化调整的基础上，降低建设单位在成本投入中的消耗。这一内容，在当前竞争十分激烈的建筑行业中，显得尤为重要，是保证建筑公司市场竞争力的关键，也是实现建设单位良好发展的基础。所以，必须在设计环节上进行调节，在控制成本的基础上，对投入成本消耗与建筑使用节能性提供基础保障条件。 2房屋建筑结构设计优化策略 2.1引入数字化技术手段 房屋建筑结构设计内容有较为悠久的历史，在不同文化环境中形成了风格各异功能明显的建筑空间。在时代资讯条件与技术水平的影响下，通过交流与创新，形成了多种类型的结构设计方案[2]。在对特定建筑项目展开设计工作的过程中，可以尝试通过数字化技术手段，完成结构设计方式的选择与应用。尤其是在数字化程序软件的应用中，对于房屋建筑结构设计，产生了典型的积极影响，是提高设计质量的主要途径与关键手段。 例如，北京奥运会的主体育馆“鸟巢”（如图 1 所示），在进行设计的过程中，其设计师赫尔左德、德梅隆引入了数字化的技术方法，通过计算机软件程序与硬件系统的计算能力，对结构中的细化参数进行分析与计算，并在完成设计数据计算的基础上，对系统使用中的合理性作出全面的辩证分析，以此保证“鸟巢”在结构设计的合理性，为其在结构稳定性的基础上，增添了美观表现效果，提高了应用价值。 图 1 鸟巢 对此，为了保证数字化技术手段的应用条件，需对房屋建筑结构设计的业务能力进行优化升级，使其能够适应计算机程序的使用，并在合理利用先进辅助软件程序的基础上，保证设计内容的科学性。 2.2增加创新性设计理念 房屋建筑项目的施工阶段中，有些具体内容无法用数据信息进行表达，而为了保证此类内容能够正常的在现实环境中构建出来，需要在设计内容上，通过理念思想的内容表达，对工程施工工作形成指导。方法上，需借助信息化时代的背景优势，将计算机程序作为辅助建筑结构设计的有效工具，并在与设计师工作经验相结合的基础上，形成人性化的设计判断，并最终达到开发创新的效果。 实际设计应用中，需以建设条件为基础，在熟练掌握电脑程序软件的基础上，增加其在设计中的功能应用深度。由此，使计算机程序软件的应用条件能够适应设计师的应用需要，并在构成最终设计方案时，可充分表达创新设计理念。 从设计师的角度出发，其经验丰富程度，会对创新性的设计内容产生明显的影响。拥有丰富经验的设计师，可以在房屋建筑结构设计中，更好地对数据条件进行分析与判断，并从中整理出精确的数据内容，为创新型的设计工作提供指导。 例如，在“水立方”的建筑结构设计中，设计师在对 ETFE 膜材料的了解下，发挥其特性优势，并在构筑建筑空间的过程中，形成了外形近似于水泡的建筑结构。在这种创新型设计理念的指导下，使国家游泳中心展现出了独具特色的建筑形式（如图 2 所示），增加观赏性的同时，发挥出了创新理念的应用优势。 2.3保证细化结构完整性 房屋建筑的安全性，是设计工作的核心内容，在保证安全的基础上，还需尽可能地提升家住空间的耐久性，并在保证设计耐久度的同时，实现建筑设计优化的工作目标。尤其在细节化内容的控制上，对于此类内容的设计工作，直接影响到建筑结构的稳定性与连接状态。
1主要研究内容 （一）解耦方法 解耦方法是多学科设计优化的重要组成部分。解耦的目的是为了使整个复杂的多学科系统分解为便为处理的学科子系统。虽然分解后的这些学科子系统总的计算工作量甚至将大于系统在没有分解之前的工作量，但分解带来的好处是分解后的各个学科子系统可以在本学科内独立地进行本学科相关的分析与计算工作，学科内的计算不需要考虑与其它学科的耦合作用。这种分解优化策略还与当前的多处理器、并行计算的特点相一致，大大提高了优化的效率。 多学科设计优化的分解方法大多是借鉴运筹学中的分解原理。现已存在多种分解方法，它们都具有如下的特点：即通过系统分析、学科分析、系统灵敏度分析、学科灵敏度分析、系统层优化、学科层优化及学科的协同等使系统构成一个整体。其中，协同使分解后的系统保持了原系统内的耦合关系。 多学科设计优化的分解策略主要分为层次型、非层次型及混合型。在层次型系统中，整个系统形成一个金字塔形，数据从顶端的父层开始，因此下端的子层可接受上端父层的数据，而同层之间不能直接进行数据的交流。在非层次型系统
中，并没有父与子层的关系，故系统中数据可自由交换没有任何限制。由层次型系统与非层次型系统则可构成混合型系统。 多学科系统的分解可以采用原来的经验或例子，也可根据对系统中各个模块之间数据的流向而进行系统的分解或使用一些正规的方法如N-平方法可对多学科系统进行分解[21]。 （二）灵敏度分析 灵敏度分析的基本思想就是为了求得输入变量改变一个单位时输出变量的变化大小。在传统的单学科设计优化问题中，灵敏度分析主要用来计算最优点处优化点对目标函数或约束函数的灵敏度，常通过计算最优点处目标函数或约束函数的导数来实现灵敏度分析。采用的方法有有限微分法、分析法、自动微分法等。从原理上来说，多学科设计优化中采用的灵敏度分析方法与单学科设计优化相同，但由于多学科设计优化中常常具有多个学科分析模块，各个学科分析模块之间存在着耦合关系，即一个学科分析模块的输入变量可能又是另一个学科的输出变量，因此在进行灵敏度分析，计算学科输入变量对输出变量（本学科或其它学科的学科分析模块输出变量）的影响时通常要涉及到其它学科分析模块，传统的灵敏度计算方法已不能胜任多学科设计优化的要求。另一方面，多学科设计优化中灵敏度分析的变量维数也大大多于单学科设计优化问题，所需的数据量也大为的增加。传统的灵敏度分析方法不能简单地推广到多学科设计优化环境中，因此，在多学科设计优化过程中，使用一种新的灵敏度分析手段成为必然。 九十年代初，Sobieski导出了用于耦合系统灵敏度分析的全局灵敏度方程。GSE 是一种能有效计算相互耦合多学科灵敏度的方法，该方法直接从隐函数原理推导而来，精确性较高。Sobieski导出的算法有两种，一种是基于每个学科分析模块残数的导数；一种是基于各个学科分析模块输出对其输入的导数。其中，以第二种方法应用的最为广泛，首先，各个学科独立的完成各自的灵敏度计算，然后集成分析计算全局灵敏度。多学科设计优化的灵敏度分析的作用主要在于跟踪学科之间相互影响的功能，判断耦合性的大小。同时，在一些多学科设计优化方法中，通过全局灵敏度方程得到的全导数被用来对状态变量进行近似处理。 除了以上介绍的灵敏度分析方法外，另外一种灵敏度分析方法是采用神经网
试论高校学科专业结构调整与优化 我国高等教育在经历规模的跨越式发展之后,发展的核心目标已由扩大规模转变为提高质量。《国民经济和社会发展第十一个五年规划纲要》提出“把高等教育发展的重点放在提高质量和优化结构上”,标志一个新的历史时期的开始。高等教育质量与社会需求休戚相关,也与学科专业结构及建设水平密切相联。因此,明确高等学科专业结构调整与优化的必要性,寻求高等教育学科专业结构调整与优化的理论基础, 处理好专业结构调整与优化的五种关系是当前需要解决的关键问题。 一、高校学科专业结构调整与优化的必要性 1.扩招后高校人才培养与社会需求之间结构上的不适应 从1998年到2021年,普通高等学校本专科生数由340.88万人增加到1738.84万人,增长了4.10倍,但同期国民生产总值仅增长约1.3倍。经济增长远远低于高等教育的增长。因此高校扩招后,一方面,客观上存在着高校毕业生结构性失业的隐患;另一方面,虽然目前个人对高等教育的需求很大,但在劳动力结构上,容纳高学历劳动力的主要产业部门-第三产业的发展还不够充分,农村地区人口仍占人口总量的近60%,很难为高校毕业生提供足够的就业岗位,这也制约高等教育的发展。 2.满足公众受教育的需求考虑较多,高校准备不足 高校学生规模的快速扩张,导致学科专业发展出现结构问题,在专业安排上扩容现有专业和发展容易上马专业倾向。这样做导致的后果就是,其一,延缓了学科专业调整的时间,使一些欲被淘汰或压缩的冷门专业得以继续发展乃至膨胀,新学科专业的数量和品种增长缓慢,出现了一些老化了的巨型专业。忽略了经济发展需求,有悖于合理配置人才资源的市场法则;其二,加大了低水平重复办学现象,各学校纷纷通过设立一些短平快、低成本的通用专业来迅速应对规模的扩张,如文秘、
工程结构优化设计理论 摘要：与传统的建筑结构设计相比较，结构设计优化不仅能够降低建筑造价，而且通过优化结构投资方向，提高关键结构部位或构件的安全度、延性和韧性，从而提高整个建筑物的安全度。通过这种有的放矢的优化设计，使整个建筑物的土建投资有效利用率大大提高关键词：结构优化设计理念 结构优化设计，能大大减少建筑造价并提高结构的安全度。设计单位在进行结构设计的时候，在建筑功能需求得到满足和遵循相关规范和规程的前提下，应综合考虑施工的可行性、施工进度和投资造价以及结构安全性等诸多要素，合理优化结构投资方向，使结构设计成为一项系统工程，做到设计成果既安全可靠，又经济合理。 一、建筑结构优化设计的意义 进行结构设计优化的原因概括起来有以下几方面： 1、钢筋混凝土和砌体等常用建筑材料的费用构成了结构成本的绝大部分，而这一部分成本通长占到结构主体造价的4０％以上，通过结构优化设计能够将建筑工程的总造价减少１０％~３５％。对于一个大型的工程来说，这将是一笔不菲的费用，并且结构的安全度也得到了提高，因此结构优化有助于建设方减少投资，增加利润和提高资金周转率，其经济价值巨大。 2、据统计设计责任是造成建筑工程质量事故的主要原因，占据
了大约４０％的比例。现阶段各设计单位设计水平良莠不齐，设计质量差导致施工停工或返工的现象时有发生。有些设计单位缺乏成本意识，算不清就多配钢筋，造成有些关键构件的设计反倒偏于不安全，这些现象有的造成了资源和成本的浪费，有的对建筑工程留下了潜在的危险。因此进行合理的结构优化设计，能够帮助业主提高设计质量并消除不必要的质量缺陷和工程风险，同时在减少不必要投资的前提下获得高品质的建筑，也符合创建节能、安定型社会的宗旨。 3、随着国家宏观调控力度的加大和原材料价格的上涨，通过销 售获得利润的空间被大大压缩，从内部挖掘潜力，节约成本成为企业赢利的重要手段，科学合理的节约成本能够提高企业的盈利率和生存能力。在这方面一些意识超前的业内知名企业，如万科、金地以及诸多国际公司已经率先垂范。 二、建筑结构设计优化方法的应用及实践价值 1、结构设计优化方法的应用 结构设计的优化主要在两个方面进行应用，一方面是在建筑工程的结构总体上的优化设计，这主要包括结构体系和结构选型，具体是指房屋的结构类型、房屋的高宽比、长宽比、房屋的结构材料等。另一方面就是结构工程分项部分的优化设计，这主要包括基础结构方案的优化设计、屋盖系统方案的优化设计、围护结构方案的优化设计和结构细部设计的优化设计。对于这些方面的设计我们需要在结构选型、受力分析、造价分析上进行研究，并在满足整个设计规范以及建筑实用需求的前提下，对整个建筑的实际情况进行优化，以降低建筑成本，
摘要：工程系统近年来变得相当大和复杂。所要求的设计相当复杂并且仅仅考虑一个学科的话不容易满足设计要求。因此，需要考虑到不同学科的设计方法。多学科设计优化是考虑到多学科设计环境所形成的优化方法。MDO包含七中方法。他们是多学科可行方法MDF,单学科可行方法IDF,同时运行方法AAO,并行子空间优化方法CSSO,合作优化CO,错落综合系统合成方法BLISS,基于子空间的多学科优化MDOIS.通过几个数学例子，方法的性能可以得到评估和比较。用于比较所定义的具体要求和新的数学问题类型是根据要求所定义的。所有的方法被编码并且可以在数量和质量上比较方法的性能。 1．简介 目前，工程系统都是相当大而且复杂的。对于这类系统，设计要求是严苛的。因此，设计工程师正在寻求新的方法，其中之一是多学科设计优化(MDO；Balling 和Sobieszcznski-Sobieski在1996提出)。MDO是一种设计优化方法。一般来说，优化在实施时，仅仅只考虑到了一门学科。然而，用单一的学科去解决现代工程问题是相当困难的。因此，我们需要一种可以覆盖多学科的设计方法。 在Sobieszczanski-Sobieski于1998年提出并行子空间优化之后，其他的几种方法也被相继提出来。多学科设计优化方法分为单级方法和多级方法。单级方法一般有一个单一的优化程序并且直接使用非层次结构。以下这些方法就是属于单级方法，其中包括多学科可行法（MDF；Cramer等在1993年提出）、独立学科可行法（IDF；Cramer等在1993年提出；Lee在2004年提出）、All-at-once （AAO；Cramer等在1993年提出；Haftka在1985年提出）和基于独立子空间的多学科优化（MDOIS;Park在2007年提出；Park和Shin在2005年提出）。 在单级方法下，除了MDOIS以外，所有的学科都不能决定设计，并且分析只在学科之间进行。在MDOIS情况下，各个学科都决定了设计。另一方面，多级方法能够将非层次的机构关系转化为层次结构而且每个层次都有优化程序。这些多级方法包括并行子空间优化（CSSO，Park和Lee在2001年提出；Renaud 和Gabriele在1994年提出；Sobieszczanski-Sobieski在1982年提出；Tappeta 在1998年提出）、双极集成系统合成（BLISS；Sobieszczanski-Sobieski在1998
多学科设计优化 HEEDS ? MDO——多学科设计优化软件 多学科 不论是结构问题（线性或非线性，静态或动态，散装材料或复合材料）、流体问题、热力学问题，或者声学问题、NVH问题、动力学问题以及同时存在以上几项问题，HEEDS MDO都可以帮助用户寻找最佳解决方案。 易于使用的界面 虽然HEEDS MDO使用的技术很复杂，但是软件用户界面友好。它特有的选项卡界面可以使用户明确项目建立和执行的六个过程。 与诸多CAE工具的连接 HEEDS MDO与所有常用的CAE应用软件均有接口，使设计优化过程自动化。它还能调用多种软件工具进行前处理，后处理，分析计算和多学科优化。HEEDS MDO为以下工具提供输入和输出接口： ?Abaqus ?ANSYS WB ?Excel ?LS-DYNA ?Nastran
?NX ?Solidworks ?SW Simulation 另外，HEEDS MDO提供一种通用接口生成ASCII格式的输入输出文件，从而可以连接所有商业或者私有CAE工具。如果您不确定您的工具是否与HEEDS MDO兼容，可以联系我们。 独有的优化技术 HEEDS MDO默认的研发方式-SHERPA采用多重研发策略，可以动态和实时的随着优化范围的变化调整针对问题的研发方式。用户可以利用HEEDS软件进行众多的分析，快速确定优化空间，省去了众多的试验费用及时间；从大量的模型参数中提取出敏感参数，并对敏感性参数进行评估；对模型的健壮性和可靠性进行评估。通过对模型参数的优化，达到减少模型质量与成本的目的。 通过HEED优化分析，车身减重33.5kg
并行优化技术 HEEDS PARALLEL通过同时提交多个方案给不同的处理器，提高优化速度，且速度提高与硬件及软件资源几乎是线性的关系。 典型应用 BD公司：使用HEEDS MDO结合有限元方法对医疗器械设计进行优化和评估。 PRATT & MILLER：使用HEEDS MDO优化军用重型汽车底盘组件参数，为赛车优化齿轮速比，优化赛车悬挂系统的球形连接头。
最优化理论与算法笔记 在老师的指导下，我学习了最优化理论与算法这门课程。最优化理论与算法是一个重要的数学分支，它所研究的问题是讨论在众多方案中什么样的方案最优以及怎样找出最优方案。 由于生产和科学研究突飞猛进的发展，特别是计算机的广泛应用，使最优化问题的研究不仅成为了一种迫切的需要，而且有了求解的有力工具，因此迅速发展起来形成一个新的学科。至今已出现了线性规划、整数规划、非线性规划、几何规划、动态规划、随机规划、网络流等许多分支。 整个学习安排如下，首先介绍线性与非线性规划问题，凸集和凸函数等基本知识及线性规划的基本性质；然后再这个基础上学习各种算法，包括单纯形法、两阶段法、大M法、最速下降法、牛顿法、共轭梯度法等，以及各种算法相关的定理和结论；最后了解各种算法的实际应用。 主要学习的基础知识： 1、一般线性规划问题的标准形式 学会引入松弛变量将一般问题化为标准问题；同时掌握基本可行解的存在问题，通过学习容易发现线性规划问题的求解，可归结为求最优基本可行解的问题。 2、熟练掌握单纯形法、两阶段法和大M法的概念及其计算步骤。
单纯形法是一种是用方便、行之有效的重要算法，它已成为线性规划的中心内容。其计算步骤如下： 1）解 求得 ，令 计算目标函数值 ； 2)求单纯形乘子 ，解 ，得到 ； 3)解 ，若 ，即 的每个分量均非正数，则停止计算，问 题不存在有限最优解，否则，进行步骤（4）； 4)确定下标r，使 ，得到新的基矩阵B，返回第一
步。 两阶段法：第一阶段是用单纯形法消去人工变量，即把人工变量都变换成非基变量，求出原来问题的一个基本可行解；第二阶段是从得到的基本可行解出发，用单纯形法求线性规划的最优解。 大M法：在约束中增加人工变量 ，同时修改目标函数，加上罚项 ，其中 是很大的正数，这样，在极小化目标函数的过程中，由于 的存在，将迫使人工变量离基。 3、掌握最速下降法的概念及其算法，并且能够讨论最速下降算法的收敛性。掌握牛顿法，能够熟练运用牛顿迭代公式： ，掌握共轭梯度法及其相关结论，以及其收敛性的讨论，掌握最小二乘法及其基本步骤。 最速下降法：迭代公式为 。 计算步骤：1）给定点 ，允许误差 置 ； 2）计算搜索方向
吉林大学学科专业结构布局优化调整工作 总体方案 学科专业结构是大学的基本架构，是开展教学和科研活动的基础，直接关系到学校整体功能的发挥和长远发展。为更好地适应经济社会发展需求和学科发展趋势，构建与“高水平研究型大学和世界一流大学”的奋斗目标相适应的学科专业体系，学校决定开展学科专业结构布局优化调整工作。 一、指导思想 进一步发挥学校人才培养、科学研究、社会服务和文化传承的功能，以改革为动力，优化调整学科专业结构布局、学位授权点、本科生和研究生招生专业，打破学科壁垒，控制学科规模，优化学科资源配置，加快学科升级转型，突出学科建设重点，在学校深化综合改革的战略布局下，探索创新学科建设管理体制，实现学科中长期规划发展目标。 二、工作目标 通过凝练学科专业方向、精简学科专业数量、优化学科结构，调整学科布局，改善学科生态，明确学科建设单位的主体责任和建设任务，进一步合理配置学校资源，实现“发展规模适度、结构布局合理、建设层级清晰、目标定位明确、整体生态平衡、竞争优势持续”的学科优化调整目标，到“十二五”末期，基本使
学校一级学科整体规模控制在55个左右，学位授权点涉及一级学科数不超过55个，本科专业控制在90个左右；改善学科生态，加强不同学科间的交叉和融合，培育新的学科生长点，全面提升学科水平和质量，构建符合高水平研究型大学和世界一流大学发展需要的学科体系。 三、工作思路 在全面调研学校学科建设情况基础上，经过深入分析和论证，学校将坚持“规模控制、优化结构，注重交叉、培育新兴，提高效益、着眼发展，强化特色、打造一流”的原则，按照“广泛调研、顶层设计，注重对话、依靠专家，自下而上、上下结合，先易后难、试点先行，充分论证、分步实施”的工作方针，遵循“坚决、积极、稳妥”的工作要求，利用三年左右的时间，通过“扶优、扶强、扶新”，针对各一级学科具体建设情况，依托一流大学和一流学科建设项目，继续加强优势特色学科的建设；调整或关停部分实力弱、发展乏力且不能满足国家经济建设和社会发展需求的学科；梳理学科间关系，调整和优化存在资源浪费的重复建设学科、投入产出效益低的学科；对优化调整后的学科，实施重点建设、绩效考核和滚动评估。着眼学科发展，通过边建设边优化调整，夯实学科基础、凝练学科方向，以建设促优化、以整合促发展，实现学科专业结构布局优化调整工作目标。 四、组织领导 学科专业结构优化调整工作是学校一项基础性工作，事关学