《面向船型最佳化的數據挖掘方法及套用研究》是依託武漢理工大學，由馮佰威擔任項目負責人的面上項目。
基本介紹
- 中文名：面向船型最佳化的數據挖掘方法及套用研究
- 項目類別：面上項目
- 項目負責人：馮佰威
- 依託單位：武漢理工大學
項目摘要,結題摘要,
項目摘要
目前國內外的船型最佳化尚存在最佳化時間長及難以得到全局最優解的難題，因而嚴重影響了船型最佳化的工程化套用。為解決此難題，本項目提出將數據挖掘技術套用於船型最佳化, 其基本思想是: 在船型最佳化開始之前，利用數據挖掘技術對船型最佳化的參數空間進行探索, 從中得到可以獲得最佳結果的參數取值範圍, 從而大大縮減船型最佳化的搜尋空間, 然後採用基於梯度的最佳化方法在縮減的船型最佳化空間內分別進行數值尋優, 最終實現以較高的效率獲得可信賴的全局最優解。本項目重點研究如何利用數據挖掘技術實現船型最佳化設計空間的探索，通過對初始設計空間典型樣本點的選擇方法、仿真數據的離散化方法及數據挖掘算法等關鍵技術的研究，形成一套面向船型最佳化的數據挖掘理論及方法。這些理論及方法在船型最佳化中的套用不僅可以解決目前船型最佳化中的技術難題，而且對於創新船型研發方法、加速船型最佳化的工程化套用進程具有重要意義。
結題摘要
目前國內外的船型最佳化尚存在最佳化時間長及難以得到全局最優解的難題，因而嚴重影響了船型最佳化的工程化套用。為解決此難題，本項目提出將數據挖掘技術套用於船型最佳化, 重點研究六方面的內容： （1）船型最佳化初始空間內典型樣本選擇方法研究； （2）典型船型水動力性能數值仿真樣本集的建立； （3）數據樣本中數據的離散化研究； （4）數據樣本中知識獲取技術研究； （5）平台開發及船型水動力性能最佳化研究； （6）知識的準確性評估及最佳化結果的模型試驗驗證。 項目組按照任務書的要求，全面完成研究內容，實現了預期的研究目標，取得的研究成果如下： （1）為解決高維參數空間的樣本選擇問題，本項目提出了大試驗次數均勻設計表的構造方法； （2）針對傳統模糊均值聚類離散化算法的若干缺陷，本項目提出一種改進的自適應離散化算法，對最佳化仿真數據進行合理離散； （3）借鑑統計學的相關理論，提出了確定決策閾值的新方法； （4）為解決樣本點個數問題，本項目提出了基於粗糙集理論的序列空間縮減方法； （5）在以上研究的基礎上，完善了基於數據挖掘的船型水動力性能綜合最佳化平台系統，並進行了實例驗證。 總之，通過本項目的研究已經形成了一套面向船型最佳化的數據挖掘理論及方法。這些理論及方法在船型最佳化中的套用不僅可以解決目前船型最佳化中的技術難題，而且對於創新船型研發方法、加速船型最佳化的工程化套用進程具有重要意義。
