[Abstract] Construction enterprises in the construction management of traditional design is in just one index construction time, progress and cost of the single optimization, and without considering the target relation. Resulting in construction and planning is not consistent, so that construction units not know what course to take. This paper in view of the current project management in the three as long as the goal is obtains analyzes one by one and try to integrate these aspects.
[keyword] construction management; multi-objective optimization design;
中国分类号：TL372+.2
1.引言
建筑工程行业一直以来都是我国的支柱性产业，建筑业的发展水平对我国整体经济的发展形势起着至关重要的作用。当前，随着我国住房体制的改革，大量的住房消需求被释放出来，再加上国家城市化进程的步伐不断加快，国内建筑行业呈现出欣欣向荣的景象。然而，在竞争愈来愈激烈的形势下，粗放性经营己无法适应当下的发展，只有加强企业内部管理，向管理要效益才能有出路。对建筑施工企业来说就是要优化设计施工管理中的诸多目标。
2.三大施工管理控制目标的基本分析
施工管理目标是施工管理的重要组成部分，管理的功能决定了实现目标的方法。施工项目管理的目标就是在规定的时间内，用一定的费用建造出符合质量要求的建筑。其目标主要可分为三个方面：进度管理目标、质量管理目标、成本管理目标［1］。
2.1施工项目质量管理
施工项目质量是反映建筑实体能力和特性的总称，是根据有关法律、法规、及相关技术标准对工程安全、使用、经济、美观等特性的综合要求。施工项目质量管理就是为保证达到项目规定的质量标准而采取的一系列措施和手段。由于工程项目是一个工序流程庞大而复杂的物质生产过程，因此，需要对人、材料、机械、方法和环境构成的系统进行全面控制。
2.2施工项目进度管理
施工进度是指项目在施工过程中各阶段所需要的时间。工程进度是工程建设非常重要的一个要求，对项目积极效益起着很大的影响。项目进度管理是对项目在各个施工阶段的施工内容、施工时间、施工工序间的关系制定计划，由于影响工程进度的因素较多，在编制计划时必须充分认识和估计到各种可能出现的状况，并进行实时的修改和调整，直至工程竣工验收。
2.3施工项目成本管理
项目成本就是指某一工程在项目实施过程中发生的全部费用总和。工程施工过程中工人工资、消耗的材料、构配件、租赁费、施工机械台班费及为组织和管理施工所发生的全部费用支出统称为项目施工成本。成本管理的目标是在规定时间及预定的质量前提下，不断优化项目管理工作，充分挖掘降低成本的潜力，以尽可能少的耗费，实现预定的成本目标。因此，施工项目成本管理是对项目实施过程中发生的费用，组织、系统地预测、控制、核算和考核的一系列科学管理工作。
3. 三大施工管理控制目标的优化设计分析
质量、进度、成本三者间既存在矛盾的一面，又存在着统一的一面，工程项目施工管理的优化设计就是将这三大目标作为一个有机的系统来进行整体的控制。
通常情况下，如果对工程质量要求较高，那就需要投入较多的资金和花费较多的时间；如果项目要抢时间、争进度，那么成本就要相应的提高，或者质量要求适当地下调；如果要降低投资，那么就要考虑降低项目的功能要求和质量标准。这些反映出施工项目三大目标之间矛盾、统一的关系。
3.1 施工项目整体管理制度优化
不断完善、积极落实项目施工过程中各种相关技术标准、规范、章程。建立健全技术管理及技术责任制。实施技术责任制是为了保证各技术岗位工作都要有专门的技术责任人，杜绝施工过程中出现问题无人负责的现象。同时还可以充分调动技术人员的积极性，务实落实技术交底和档案管理工作。在图纸会审阶段，要求要有组织、有步骤地按程序进行。未经会审通过的施工图纸不得用于施工［2］。技术交底的工作一定要分级进行，并且要分级管理，使参与人员都做到心中有数，避免盲目施工。对于重点工程、重点部位的技术应用，工程项目管理人员更需要做详细清楚的技术交底安排。这其中，交建设单位的竣工资料和施工单位保存的施工组织与管理档案都应按档案管理要求进行搜集、整理和归档。
3.2 施工项目整体技术优化
在施工准备阶段所做的技术准备工作是为了创造有利的施工条件，从而保证施工任务得以顺利进行，它的主要工作内容及基本任务是了解和分析建设工程特点、进度、要求，摸清施工的客观条件，编制施工组织设计，并制定合理的施工方案，充分及时地从技术、物资、人力和组织等方面为工程创造一切必要的条件，使施工过程连续、均衡地进行，保证工程在规定的工期内交付使用，使工程施工在保证质量的前提下，做到提高劳动生产率和降低工程成本。而施工组织设计是指导工程项目进行施工准备和施工的基本技术条件，加强施工组织设计编制的组织工作，对参加编写的人员明确分工，责任到人，最后汇总，修改定稿。
在施工准备阶段，选择科学的施工方法，协调各个工种在施工中的搭接与配合、合理安排劳动力和各类施工物资的供应、确定各分部分工程的目标工期和单位工程。编制施工计划，落实计划的实施, 保证人力、施工物资和资金的及时到位。掌握建设工程特点和施工技术要求，分析工程施工进度要求和投资成本规定，并据此编制施工组织设计、制定施工方案，创造有利的施工条件，保证施工任务顺利进行［3］。
在项目施工阶段，首先要合理安排人力资源在施工过程中的运用，避免各工种人员出现怠工、窝工的现象，其次做好施工机械的均衡调配, 施工机械的台班数量和工作面直接影响其最大施工强度，因此大型施工机械的及时进场和转移应做到合理的衔接安排。当遇到技术难点工序、关键工序时，要采取各种措施予以保证其按时顺利完成。
4.结束语
通过技术管理工作，做好施工前各项准备，并且加强施工过程中出现的重点、难点控制，优化配置资源提高劳动生产率、降低资源消耗，进而达到质量、进度和成本多方面的和谐统一。作为项目部，为了实现安全、质量、进度、成本等方面的目标要求，必须加强施工过程的技术管理因此加强建筑施工技术管理，对整个工程项目都起着十分重要的作用。
【参考文献】
我国风能的储量巨大，可开发利用。我国对开发风能资源非常关心，把利用风能资源作为转变经济能源结构和社会可持续发展的重要举措，风力发电成为对风能开发利用的重点对象。进行大规模发展风力，风电开发的重点是进入“建设大基地，融入大电网”。到2008年底，我国风电总装机容量达12248MW，提早完成了我国2010年预定的风电目标，图1是风电发展趋势的统计图。
1 多目标优化调度彼此关联技术
1.1 传统经济与节能调度的差异性
（1）电网单位买电成本上的差别；经济调度的发电机组的电网价格与市场具有竞争性；节能调度则首先考虑风、水等可再生资源发电，这些新能源机能发电要比火电机组的上网电价高。
（2）减少排放的成效性不同；经济调度以发电成本低为主要目的，而就目前的社会发展中煤的燃烧是成本最小的发电资源，经研究煤的燃烧有大量的污染物排放，对环保十分不利；电力供应充足的时候，节能调度本着经济节能的原则，选择由小到大的污染物排放资源作为发电顺序，这对电源发电是有好处的。
（3）发电的成本不同；节能发电是用降能低耗的方式，排放最少废气污染物；经济调度的成本资源会更低，增加了发电效率和产值。
（4）针对各种不同的机组发电序位也不同；节能调度里的不同发电机组按照排好的顺序找准序位：没有调节能力的可再生资源如太阳能、风能、海洋能等发电机组，具有调节能力的可再生资源如地热能、生物质能、水能等垃圾发电机组，核能发电机组，按照供热量的多少来确定发电量的方法，应用燃煤放热和别的资源结合发电机组，烧油发电机组，烧煤发电机组；经济调度是凭借机组报价，与周边发电机组的成本相比，报价的低的机组先进行发电。
1.2 应用实时调度技术
电网调度智能系统运用实时调度技术；实施调度计划过程中，有AGC机组内存容量不充裕，收效甚微的机组跟踪计划，安全区域与运行点靠近，风能发电功率不好掌控等等因素；实时调度机组必须选择执行计划强，性能比高的机组为调度机组；通过以10分钟为一个超前调整机组的周期出力的超短期发电预测，从而排除不肯定因素的影响；所以，以10分钟周期的超前调度控制方案，这种方案具有按时段编制发电的功能，还可预测下一个时段调度的风电出力情况，影响爬坡的速度效率，机组的额定限值，滚动发电策划，调度系统安稳运行时，我们可按节能减排标准推行发电计划，排除计划误差；因为电场在10分钟内是相对稳定的时段出力，所以实时调度技术是风电接入的调度重点，也是AGC控制及协调调度计划的切入点。
2 特性各异的电源多目标协同优化调度系统设计研究方案
2.1 调度系统的功能设计
2.1.1 滚动系统调度
在短期预y的拓展上，60分钟是启动周期，最大限度的应用最新的信息预测和实时信息，及时修改计划，实现预测发电的调整计划，有效减小日前计划的不准确性，滚动调度系统是下发计划指令，限制调整，改进在线滚动，推测超短期风功率，联络交接线管理计划等组成的。
2.1.2 综合归纳监视系统
监督并把一日内的电网滚动优化，实时调度，超短期推测数据等有关讯息，通过可视的信息平台展现出来，从管理的重点分析涵盖负荷，调度系统业务的组织信息，规划风电，装机规模，发电，电量合同，断面等等方面进行关注与研究。
2.1.3 计划系统
计划由计划数据展现和计划数据透传两大功能来实现。
2.1.4 实时调度系统
实时调度系统是在线调度实时，下发指令的自动性，超短期负荷的推算，安全校核等几部分构成；以电网模型，风电出力推算，超短期预测发电 ，实时数据通信的前提，10分钟是一个启动周期，在综合滚动发电计划，机组出力限制，安排AGC机组发电计划实时，；重新推测下个10分钟的发电计划调整，排除计划数值与推算数值的误差，加强电网的风电接入功能，成为联接协调调度计划和AGC控制安全网络的关键点。
2.1.5 安全校核系统
安全校核系统的职能是对实时调度产生的发电机组出力数据调动，输出计划方案的校核成果，滚动调度系统模块等的功能调整；对一日这中的最新设备状态信息，预测能力信息，电网模型，有计划的实时静态安全分析，分析计划多种发电机对功率转移的线路潮流分布因子，电网各个网点的联接形式，整理分析系统阻塞形势，并做相应的阻塞管理；内置功能主要有潮流分析，灵敏度分析，校核断面自动生成，静态安全分析等，做出系统的静态安全校核算法。
2.1.6 系统管理部分
系统管理功能主要有用户管理，日志管理，基础数据维护，权限管理等。
2.1.7 效果系统评估
用先进的可视化设备对特性各异的电源协同优化进行时段调度协调的工作效果展现；效果评估方面有节能减排的情况分析，经济性，开机方式，利用的清洁能源，风电，机组影响等多个方面。
2.1.8 接口的通信功能
协同优化调度系统和日前计划系统，OMS系统，EMS系统等各系统的接口通信。
2.2 系统设计方案
2.2.1 总体结构框架
特性各异电源的多目标协同优化调度系统的总体结构框架设计要求有：
（1）要求的标准化；系统的研究开发与设计准则和自己开发创新的原则相结合，遵守国内外和各个行业的通行法则，总结各国胜利成果的经验和先进技术，做好了智能电网的长远发展目标，保证电网的运用安全稳定；
（2）要求的一体化；系统设计调控的详细划分，实现调度运行控制，分析计算能力进行界面设计及系统的设计功能，电网的调度管理，电网的编制计划等一人体化的管理；
（3）要求的集成化；集成化设计是实现现代化管理及电网的调度信息，也这完成智能化调度做铺路；调度系统研究，依照数据集成的应用观点，建立起统一的数据应用服务平台，完成数据的共享性，整合性，一致性及应用增值，集成环境给电网调度的协同优化设计开发了强大的功能支撑。
2.2.2 集成和应用系统接口
（1）应用系统接口和其它系统接口的有机结合要从几个系统中读取数据；日前计划系统：读出计划约束讯息，第二天计划信息，负荷推测讯息；风功率预测系统：取得10分钟更新接下来的3个时段的风功率预测讯息；输出的数据传到OMS系统和AGC系统，OMS系统：传输风的功率推测讯息，抽水蓄能曲线，火电机组单机曲线，水电计划曲线等；AGC系统：发送机组计划指令新信息传到数据整合平台，在转发指令给AGC系统。
（2）和d5000智能电网接口及集成；d5000系统编制日内计划的规范功能，优化购电成本低廉，三公调度系统，发电消耗能源最少的目的，火，水电机组的发电机组制定要有针对性，个别地方的大比例风电机组，供热机组等机组功能和目标都很难实现。
3 结果论述
调度系统的实时研发，和AGC系统组成闭合控制，引进控制理论预测模板MPC，完成多时间尺度的多级协调调度形式，研制出实时调度模型及算法；增强了有功算法的可控制性；
研发设计热电联产机组，风力发电机组的调度应用机理作用及应用特点性质，实现优化调度模型；
建立特性各异电源的优化调度，火电机组，水电机组及风电机组进行举例分析，风力发电的使用要尽可能的保护环境，节约能源，经济调度遵循更好更低的火电成本为目的，在电网安全约束的运行中通过AGC系统完成优化调度的控制。
4 结语
由于风电模型预测困难，必须连接MPC系统来进行调度控制；电力系统的运用有很大的不稳定因素，电力系统的有功调度控制效果明显；社会的进步对电力的需要更是急不可待，这与发电造成环境污染和能源供应方面相互矛盾，我们要在现有的条件下学会节能环保，提高能源利用效率，节能减排改善能源的枯竭危机，我们寻找清洁的新能源是发展电力的大好光景，针对多种电源的环境污染大小，运行的条件限制，生产成本的预算等因素影响，合理的选择协调调度设计与多种发电机组的分配密不可分；多电源电力系统的多目标优化调度设计仍有巨大的发展空间，系统设计发电机组不稳定，在这方面的工作我们还就加大力度研发，对可再生清洁新能源在电力系统发电的稳定性进一步加强，能预测更长的时间，解决多电源优化调度的矛盾关系。
参考文献
[1]张明力，沈文宣，吴中华，等.消纳大规模风电的热电联产机组滚动调度策略[J].电力系统自动化，2014，35（26）：20-26.
[2]郑原太，钱明光，姜术峰，等.消纳大规模风电的多时间尺度协调的有功调度系统设计[J].电力系统自动化，2015，35（02）：2-7.
[3]沈文宣，郑原太，张明力等.风电受限态下的大电网有功实时控制模型与策略 [J].中国电机工程学报，2015，33（27）：3-8.
作者简介
金元（1973-），男，朝鲜族，韩国庆安北道人。硕士学位。现为国家电网东北电力调控分中心高级工程师。研究方向为电网管理。
金明成（1975-），男，黑龙江省尚志市人。硕士学位。现为国家电网东北电力调控分中心高级工程师。研究方向为电网管理。
刘洋（1985-），山东省德州市人。硕士学位。现为国家电网东北电力调控分中心中级工程师。研究方向为系统安全分析。
吴珂鸣（1983-），辽宁省沈阳市人。硕士学位。现为国家电网东北电力调控分中心高级工程师。研究方向为调控运行。
刘少午（1979-），辽宁省凌海是人。硕士学位。现为国家电网|北电力调控分中心高级工程师。研究方向为调控运行。
中图分类号：TM614 文献标识码：A 文章编号：1009-914X（2015）45-0013-02
风光互补混合供电系统是一种比单独的光伏和风能供电更加有效、经济的供电形式，也是可再生能源进行单独立供电的一种优化选择，可以极大降低供电系统对电池储蓄能量的需求。因此，人们越来越重视对风光互补混合供电系统的多目标优化设计进行研究，取得了一定的成就，本文主要介绍运用改进微分进化算法对其进行多目标优化设计的研究方法。
一、风光互补混合供电系统概述
风光互补混合供电系统的主要构成装置是多种型号不一样的风力发电机组，光伏电池构件以及多个蓄电池。这些组成部分对环境的适应性各不相同，同时对用户供电可靠性的要求也不相同，所以把这些装置集合在一个系统中互补有无，以便可以在符合供电系统要求的基础上，尽可能实现最经济、最可靠的供电[1]。风光互补混合供电系统的构成图如下所示：
（一）风力发电机组。风力发电机组的发电功率和风速之间的关系如下所示：
具体的计算过程如下：
（一）设置初始参数：将系统的种群数量N，终止迭代次数C、系统变异因子的上限和下限Fmax、Fmin，以及供电系统的杂交因子的上限和下限Crmax、Crmin设置出来[4]。
（二）进行优化设计的种群初始化。在系统决策变量的最大范围中，使其随机形成对个解。
（三）将系统父代种群的适应度方差准确计算出来。将F和Cr的最小值计算出来。
（四）供电系统多目标有针对性地实行变异和交叉操作，进而产生子代种群。
（五）把上述形成的子代种群代入约束条件计算式（8）和（9）实施检验，如果计算结果与需求的条件不符合，就需要根据改进的算法进行计算。
（六）将供电系统父代种群和子代种群互相适应的数值计算出来，接着运用贪婪方法做出操作选择，同时将目前最优的个体和相应的适应数值准确记录下来。
（七）再判断目前的种群分散程度，针对于部分立即要进行重叠的个体，要对其实行解群转换的操作。
（八）将以上步骤重复计算，一直到实现系统的迭代次数为止。
目前，大多数风光互补混合供电系统多目标优化设计方案中，都将选择光伏电池的倾角设置成当地的纬度值。可是，在混合供电系统选择光伏电池的倾角时，要综合考虑日照、风速、组件的容量等[5]。由于混合系统光伏电池的倾角选择与其发电量的变化有直接的关系，就需要将蓄电池组的数量增多以更好地确保电力系统的安全性和稳定性，可是这种改变会极大增加电力系统的总成本。所以，就要将光伏太阳板的倾角看成是一个决策的变化量，再将其代入进行计算。
结束语
综上所述，全面结合了风速、日照、地理方位、负荷等的不同变化，对风光互补混合供电系统的多目标优化设计进行了一定的探讨，尤其是光伏太阳板的倾角的选择，不能只是将其设置为当地的纬度值，而是要结合当时的风速和电量符合等因素，使其和太阳能形成一定的互补性，再将其代入计算。
参考文献
[1]王绍钧.风光蓄独立供电系统应用研究[D].华北电力大学（保定），2014，21（11）：17-23.
[2]刘皓明，柴宜.基于GA-PSO的微电网电源容量优化设计[J].华东电力，2013，41（2）：311-317.
目前，遗传算法[1]在许多领域都得到了广泛的应用，取得了很好的效果，充分说明了遗传算法的有效性。与一般算法相比，遗传算法更适合优化复杂的非线性问题。本文将遗传算法应用于平面叶栅优化设计。一方面，奇点分布设计平面叶栅原理简单，易于实现，但由于骨线是按照无厚翼型设计的，加厚以后流道变窄，流速加大，因此正反问题计算得到的环量相差较大，因此骨线需要调整；另一方面，充分利用遗传算法的全局搜索特性来搜索最优的骨线形状。将二者的特点结合起来用于设计轴流平面叶栅。这样既可以使得到的叶栅满足给定的环量要求，又可以提高其效率、减小气蚀系数，不失为一种新的尝试。
1 数学模型
目前，遗传算法[1]在许多领域都得到了广泛的应用，取得了很好的效果，充分说明了遗传算法的有效性。与一般算法相比，遗传算法更适合优化复杂的非线性问题。本文将遗传算法应用于平面叶栅优化设计。一方面，奇点分布设计平面叶栅原理简单，易于实现，但由于骨线是按照无厚翼型设计的，加厚以后流道变窄，流速加大，因此正反问题计算得到的环量相差较大，因此骨线需要调整；另一方面，充分利用遗传算法的全局搜索特性来搜索最优的骨线形状。将二者的特点结合起来用于设计轴流平面叶栅。这样既可以使得到的叶栅满足给定的环量要求，又可以提高其效率、减小气蚀系数，不失为一种新的尝试。
1 数学模型
中图分类号：TM914 文献标识码：A 文章编号：1671-7597（2013）16-0019-04
新能源利用是我国七大战略性新兴产业之一，太阳能光伏发电是新能源利用的重要领域。在设计太阳能小屋时，需在建筑物外表面（屋顶及外墙）铺设光伏电池，光伏电池组件所产生的直流电需要经过逆变器转换成220 V交流电才能供家庭使用，并将剩余电量输入电网。不同种类的光伏电池每峰瓦的价格差别很大，且每峰瓦的实际发电效率或发电量还受诸多因素的影响，如太阳辐射强度、光线入射角、环境、建筑物所处的地理纬度、地区的气候与气象条件、安装部位及方式（贴附或架空）等。因此，在太阳能小屋的设计中，研究光伏电池在小屋外表面的优化铺设是很重要的问题。
本文主要研究户用并网光伏阵列安装方案的组合优化问题。为满足年光伏发电总量尽可能大，单位发电费用尽可能小的目标，首先根据地区地理条件、电池组安装部位及方式，给出太阳能电池组的选定方案。然后在各电池分组的逆变器选配原则下，考虑各太阳能组件的不同设计参数及价格，从而确定最佳光伏系统设计方案。
研究在仅考虑贴附安装方式的情况下，对光伏阵列铺设方案的优化问题。首先，需要根据题目给出的小屋外观尺寸，对每个墙面分别建立直角坐标系。然后，主要考虑光伏电池组件面积和房屋的铺设条件，以各类光伏电池组件数量和安装位置为决策变量，建立年发电总量最大、单位发电费用最小的双目标最优化模型.并考虑逆变器额定输入电压和功率约束，调整太阳能电池组件安装设计方案，从而得到最优光伏电池组件及逆变器的选配方案。
1 模型假设
1）假设太阳能电池方阵的架设是独立的，不受周围环境影响。
2）假设同一分组阵列中的组件在安装时，具有相同的阵列方位角、倾角。
3）假设各类电池组件的最低辐射量限值分别为：单晶硅和多晶硅电池启动发电的表面总辐射量≥80 W/m2、薄膜电池表面总辐射量≥30 W/m2。
4）假设所有光伏组件在0～10年效率按100%，10～25年按照90%折算，25年后按80%折算。
5）假设逆变器设置在房屋外部，不占用建筑外表面。
6）假设当太阳辐射值低于电池表面太阳光辐照阈值时，电池组件不输出电力。
2 变量与符号说明
：表示墙面的长度；
：表示墙面的宽度；
：表示第i类光伏电池组件的铺设数量；
：表示对第i类光伏电池组件中的第j个组件的标记；
：表示第i类的光伏电池组件铺设数量；
：表示第i个同类电池板的额定功率；
：表示第j类逆变器的额定输入功率。
3 模型的建立与求解
主要研究在有瑕疵墙面上光伏阵列布局的数学模型与算法。由于仅考虑光伏电池组件贴附安装，故首先需要建立安装光伏电池组件的类型选择模型，以及相应铺设数量的计算模型。其次，在仅考虑无瑕疵平面情况下，构造太阳能电池组的最优布局规划模型。再利用各墙面的门窗尺寸和位置数据对模型进行修正，得到有瑕疵情况下，各墙面和屋顶的光伏电池阵列最优布局方案。最后，根据所得布局方案，给出小屋光伏电池35年寿命期内的发电总量、经济效益及投资的回收年限的计算模型。
3.1 光伏电池年发电总量计算模型的建立
为求解光伏电池年发电总量，首先建立光伏电池第m年发电量计算模型：
其中，表示第k个太阳时的辐射量，表示第i类型号电池板的面积，表示第类型号电池板在辐射为情况下的转换效率，表示第i类逆变器的逆变效率。由于逆变器存在80%的阻性负载，故计算光伏电池年发电总量时，应当加上0.8乘项，修正阵列年总发电量输出值。
然后，计算光伏组件在第年的效率，已知发电效率为：
则光伏电池35年的总发电量的计算模型为：
其中，8759表示一年太阳时最大值。
3.2 光伏电池年经济效益计算模型的建立
由模型I可得到光伏阵列最优布局方案，据此，结合各墙面年总辐射强度有效值数据，建立光伏电池总经济效率的计算模型：
其中，表示光伏阵列35年的毛经济效益总和（即不减去成本的毛收益），其计算模型如下：
式中，表示光伏电池第i年的毛经济效益，光伏电池第m年的发电量由光伏电池年发电总量计算结果可知。
3.3 光伏阵列投资回收年限计算模型的建立
通过分析光伏阵列的年发电总量与年经济效益计算模型间的关系，可得光伏阵列投资回收年限T应满足如下关系：
其中，表示光伏电池第i年的毛经济效益；C表示逆变器和电池组的总成本；表示使用的第i种型号电池组件的数量；表示使用的第i种型号逆变器的数量；表示所使用的第i种型号电池组件的价格；表示所使用的第i种逆变器的价格。
利用上述关系，求解使得上述不等式成立的最小整数T，即为所求的回收年限。
3.4 光伏阵列最优布局规划模型的建立与求解
3.4.1 模型的建立
1）电池组件的摆放方向分析。
对于每块放入的电池组件，均存在两种不同摆放方向：横向和纵向。在不考虑光伏发电系统布线复杂性的情况下，引入变量（，表示横放；，表示竖放），用来描述各个墙面上第i类第j块光伏阵列的铺设方向。其中，横向摆放表示电池组件的长边与墙面的长平行摆放，纵向摆放表示电池组件的长边与墙面的宽平行摆放。
2）电池组的类型选择分析。
考虑到同一安装平面内所铺设组件受到逆变器选配约束，故首先建立各墙面安装光伏电池组件的类型最优排序模型，选择不超过3种类型的电池组，从而降低安装组件类型的选择方案，达到简化问题的目的。
通过分析各墙面光照辐射年均值，同时考虑各类型光伏发电组件的发电辐射阀值，计算各墙面各类型的电池组件接收总辐射有效值：
利用每个墙面除去窗口后的总面积和各类电池组件的面积，可计算得到第i类电池的最大摆放组件个数。又需要考虑光伏电池组件的单位发电功率费用指标，。其中，表示逆变器和电池组的总成本，表示第i类光伏电池阵列的年发电总量。
利用（1）、（2）式条件，同时考虑各类电池组件转换效率，可得到排序指标R的计算模型如下：
各墙面的最佳组件字典序排序与值相关，越大表示该电池组越优，表示电池组件的转换效率需要受到的影响，据此，可得电池类型最优选择方案。
由太阳辐射相关知识可以得到。其中为平面的法线和太阳入射方向的夹角。
3）无瑕疵条件下光伏阵列最优布局规划模型。
按照问题分析中对光伏系统设计的目标分析，确定如下两个最优化目标：
目标I：年光伏发电总量最大可表示为：
其中，表示第i类的光伏电池组件铺设数量，表示第i类光伏电池组件的实际功率，由于电池发电总量与光伏组件的实际功率仅相差太阳辐射乘项，且根据对太阳辐射的假设，同一平面上的太阳辐射相等，故原目标与光伏阵列总实际功率最大等价。
目标II：单位发电量的总费用最小可表示为：
其中，表示第i类的光伏电池组件铺设数量，表示第i类光伏电池组件的单位发电功率费用，与原目标中的单位发电量费用等价。
为确定光伏电池组件的铺设位置，针对不同墙面，建立如图1所示的直角坐标系。
其中，x轴的取值范围是，表示该面墙体的长度；y轴的取值范围是，表示该面墙体的宽度，直角坐标系内点的坐标表示光伏电池组件左下角的横纵坐标数对。
然后，对问题进行约束条件分析，无瑕疵平面铺设约束如下：
约束I：铺设范围界定约束
基于对墙体边界条件的分析，铺设光伏电池组件不应超出安装平面范围的约束，即铺设面积不可超过墙面总面积，则铺设范围界定约束可表示为：
其中，表示第i类第j块的光伏电池组件左下角的直角坐标；表示第i类光伏电池组件的长度；表示第i类光伏电池组件的宽度；表示表示第i类第j块的光伏电池组件是否铺设，且第i类光伏电池组件总数。
约束II：电池组件分离约束
当铺设多块光伏组件时，各个太阳能电池板需要保证相互独立摆放，即板与板之间互不交叠，则电池组件分离约束可表示为：
由（4）～（7）式的分析，建立无瑕疵条件下光伏阵列布局双目标混合整数规划模型如下：
其中，约束条件1、2表示铺设范围界定约束，约束条件3表示电池组件分离安装约束，约束4表示光伏组件的坐标取值范围.通过确定各目标优先级P1和P2，可将该双目标规划模型转化为单目标规划问题，得到最终混合整数线性规划模型如下：
4）考虑门窗的光伏阵列最优布局规划模型。
将门窗看作各墙面瑕疵，考虑光伏阵列不能在门窗上方安装，因此需要对模型约束条件进行调整，引入墙面瑕疵约束如下：
约束III：墙面瑕疵约束
其中，X1、X2分别表示瑕疵的左边界和右边界的横坐标值，Y1、Y2分别表示瑕疵的上边界和下边界的纵坐标值.约束限制当组件横放或纵放情况下，电池的边界与瑕疵四周不能存在交叠区域，从而得到带瑕疵条件下光伏阵列最优布局规划模型如下：
至此，即得到有瑕疵任意安装平面的光伏阵列最优布局规划模型。
3.4.2 模型求解
由于在铺设每个光伏组件时，有横向摆放与纵向摆放两种方案.为求解该NPC组合优化问题，我们利用Monte Carlo方法进行计算机模拟，具体程序框图如图2所示。
利用Matlab软件，对每个墙面光伏电池组件选择方案进行1000次模拟，比较各次模拟结果，保留使得模型I中目标最优方案，得到各立面和屋顶最优铺设方案，其中小屋屋顶带天窗面的最优光伏阵列布局方案如表1所示。
根据该方案，可得到屋顶较大斜面外表面各摆放方法下，电池组件铺设分组阵列图形（其余各外表面布局图形因篇幅原因未给出），如图3所示。
分析表1中结果，可知屋顶较大斜面最优铺设方案应选择横向布局，分别需要6个A3类、8个A4类及16个B1类光伏发电组件。
在紧贴铺设的情况下，小屋一年发电量，且各外表面分布发电量如表2所示。
分析表，进而计算得到最优光伏系统设计方案下，35年总发电量，经济效益为，投入资金，得到投资回报年限年年。
4 模型评价与改进方向
4.1 模型的评价
1）模型的优点。
本文建立了关于太阳能小屋设计的多个优化模型，较好的解决了太阳能小屋设计中的一系列问题。
对于太阳能电池板的铺设问题，利用坐标定位思想，建立了有瑕疵布局问题的优化模型。由于坐标的引入，可以很容易地解决不同形状不同个数的瑕疵情况，因此该模型具有较普遍的适用性。
对于架空情况下的电池板优化设计，通过对电池板的长度进行转化，可以直接利用在电池板贴附设计情况下建立的优化模型，避免了重新建立模型带来的复杂性，简化了问题。
对于太阳能小屋的尺寸设计，通过确定一些明显可以使得结果最优的参数，减少了变量，使得最终的决策变量仅为两个，简化了问题分析与求解.通过确定电池板的评价指标，基于不同的接收辐射情况，给出了每个墙面的最优电池板型号，从而可以简化约束条件，避免了房屋尺寸与电池板选取两方面问题同时考虑的复杂性。
2）模型的缺点。
由于布局规划问题属于NP完全问题，没有多项式时间算法，基于穷举思想的算法无法解决此类问题，因此我们采用了蒙特卡洛方法，由于蒙特卡洛方法无法保证得到最优解，故我们对求解结果进行人工修正，并多次计算取最优解。这样无法进行自动化计算，这是我们模型的缺点，也是目前学术界的难点。
4.2 模型的改进方向
对于布局问题，目前较好的解决方法是启发式搜索法，包括模拟退火算法、人工神经网络，遗传算法等，我们模型的求解可以利用这些算法进行改进，并比较多个结果取最优。
参考文献
[1]李大军.太阳能光伏发电系统设计与应用实例[J].2009，38：23-44.
[2]李宁峰.屋顶太阳能光伏发电系统的设计[J].2012，31（3）：43-50.
生活中，许多问题都是由相互冲突和影响的多个目标组成。人们会经常遇到使多个目标在给定区域同时尽可能最佳的优化问题，也就是多目标优化问题。优化问题存在的目标超过一个并需要同时处理，就成为多目标优化问题。
多目标优化问题在工程应用等现实生活中非常普遍并且处于非常重要的地位，这些实际问题通常非常复杂、困难，是主要研究领域之一。自20世纪60年代早期以来，多目标优化问题吸收了越来越多不同背景研究人员的注意力，因此，解决多目标优化问题具有非常重要的科研价值和实际意义
1 普通多目标优化问题
普通多目标优化问题也称为向量数学规划。对设计者或决策者而言，普通多目标优化问题几个设计目标可能存在重要性的差别，但是不存在优先权的差别。
比如，欲把直径为d的圆木加工成矩形截面的梁，如何设计其截面尺寸，使其强度大且重量轻？
分析研究：设截面的宽和高分别为 。由于其强度取决于截面的惯性矩 ，其重量取决于截面面积 ，因此该问题可看作是两个设计目标的优化问题：
该数学模型就可归结为一个普通多目标优化问题：
在这个问题中，梁的强度大可能与重量轻同等重要，也可能比重量轻更重要。但是在把它作为普通多目标优化问题求解的时候，并不因强度大比重量轻更重要，而先考虑强度指标后考虑重量指标。 的极小化将同时进行。
2 目标规划问题
目标规划问题与普通多目标优化问题的不同之处在于：它虽然有多个设计目标，但是每个设计目标并不是使目标函数极小化，而是使每个目标函数同时逼近各自的预定目标值。
比如，某工厂生产n种产品，第i种产品的生产能力为ai吨/小时，其利润为ci元/吨，预测第i种产品下月的最大销售量为bi吨。该工厂下月的工时能力为t小时。在避免开工不足的条件下，如何安排下月计划才能使：1）工厂所获利润最大；2）员工加班时间尽量少；3）尽可能多地满足市场对第1种产品的需求？
分析研究：设下月计划用xi小时生产第i种产品，并用 三个函数分别表示工厂所获利润、员工的加班时间以及第1种产品的产量，该问题就可看作是三个设计目标的优化问题：
假设此例的问题对工厂利润、加班时间以及第一种产品的产量分别有预定的目标值 ，该问题就归结为下列目标规划问题：
目标规划问题与普通多目标优化问题也有相同之处，它们都有多个设计目标，各个设计目标可能存在重要性的差别，但是不存在优先的差别。
3 分层多目标优化问题
分层多目标优化问题与上述两种多目标优化问题的不同之处在于：它的几个设计目标不仅可能存在重要性的差别，而且存在优先权的差别。也就是说，设计者优先考虑某些设计目标，在这些设计目标已经达到的前提下，才考虑其它设计目标。这类问题的设计目标被分成不同的优先层次，在对它求解的时候，先对优先层次较高的设计目标求解，后对优先层次较低的设计目标求解。
假设m个设计目标被分成L个优先层次，各层次的目标函数个数依次为 。如果以各层次的目标函数作为该层次的向量目标函数
的分量，即
第一优先层次：
第二优先层次：
……
第L优先层次：
那么分层多目标优化问题的数学模型可表示为
式（3）可被缩写为更简洁的形式：
在第二个问题中，假设计划制定者在首先考虑工厂如何获得最大利润之后，才去考虑减少加班时间和增加第一种产品产量，该问题就是一个具有两个优先层次的分层多目标优化问题：
4 多目标优化问题的最优解
中图分类：O226 文献标识：A
0 引言
生活中，许多问题都是由相互冲突和影响的多个目标组成。人们会经常遇到使多个目标在给定区域同时尽可能最佳的优化问题，也就是多目标优化问题。优化问题存在的目标超过一个并需要同时处理，就成为多目标优化问题。
多目标优化问题在工程应用等现实生活中非常普遍并且处于非常重要的地位，这些实际问题通常非常复杂、困难，是主要研究领域之一。自20世纪60年代早期以来，多目标优化问题吸收了越来越多不同背景研究人员的注意力，因此，解决多目标优化问题具有非常重要的科研价值和实际意义
1 普通多目标优化问题
普通多目标优化问题也称为向量数学规划。对设计者或决策者而言，普通多目标优化问题几个设计目标可能存在重要性的差别，但是不存在优先权的差别。
比如，欲把直径为d的圆木加工成矩形截面的梁，如何设计其截面尺寸，使其强度大且重量轻？
分析研究：设截面的宽和高分别为 。由于其强度取决于截面的惯性矩 ，其重量取决于截面面积 ，因此该问题可看作是两个设计目标的优化问题：
该数学模型就可归结为一个普通多目标优化问题：
在这个问题中，梁的强度大可能与重量轻同等重要，也可能比重量轻更重要。但是在把它作为普通多目标优化问题求解的时候，并不因强度大比重量轻更重要，而先考虑强度指标后考虑重量指标。 的极小化将同时进行。
2 目标规划问题
目标规划问题与普通多目标优化问题的不同之处在于：它虽然有多个设计目标，但是每个设计目标并不是使目标函数极小化，而是使每个目标函数同时逼近各自的预定目标值。
比如，某工厂生产n种产品，第i种产品的生产能力为ai吨/小时，其利润为ci元/吨，预测第i种产品下月的最大销售量为bi吨。该工厂下月的工时能力为t小时。在避免开工不足的条件下，如何安排下月计划才能使：1）工厂所获利润最大；2）员工加班时间尽量少；3）尽可能多地满足市场对第1种产品的需求？
分析研究：设下月计划用xi小时生产第i种产品，并用 三个函数分别表示工厂所获利润、员工的加班时间以及第1种产品的产量，该问题就可看作是三个设计目标的优化问题：
假设此例的问题对工厂利润、加班时间以及第一种产品的产量分别有预定的目标值 ，该问题就归结为下列目标规划问题：
目标规划问题与普通多目标优化问题也有相同之处，它们都有多个设计目标，各个设计目标可能存在重要性的差别，但是不存在优先的差别。
3 分层多目标优化问题
分层多目标优化问题与上述两种多目标优化问题的不同之处在于：它的几个设计目标不仅可能存在重要性的差别，而且存在优先权的差别。也就是说，设计者优先考虑某些设计目标，在这些设计目标已经达到的前提下，才考虑其它设计目标。这类问题的设计目标被分成不同的优先层次，在对它求解的时候，先对优先层次较高的设计目标求解，后对优先层次较低的设计目标求解。
假设m个设计目标被分成L个优先层次，各层次的目标函数个数依次为 。如果以各层次的目标函数作为该层次的向量目标函数
的分量，即
第一优先层次：
第二优先层次：
……
第L优先层次：
那么分层多目标优化问题的数学模型可表示为
式（3）可被缩写为更简洁的形式：
在第二个问题中，假设计划制定者在首先考虑工厂如何获得最大利润之后，才去考虑减少加班时间和增加第一种产品产量，该问题就是一个具有两个优先层次的分层多目标优化问题：
4 多目标优化问题的最优解
求解优化问题的目的是为了获得最优解，然而多目标优化问题有多个不同的设计目标，设计目标之间可能发生冲突，这时一个可行解对某一个设计目标是最优的，对另外的设计目标却不是最优的，这就造成多目标优化问题的最优解概念的复杂化。
比如，对多目标优化问题
实际上，多个目标函数具有相同最优点的情形是极为少见的。对大多数多目标优化问题来说，绝对最优解并不存在，或者说多目标优化问题的绝对最优解集大多数是空集。由于各分量目标函数的最优解集的交集通常是空集，所以要找到多目标优化问题的绝对最优解一般是不可能的。因此对于多目标优化问题，如果想在它的可行解中进行比较，找到其中的最优解，就不能把最优解局限在绝对最优解集当中。换言之，如果想在求解多目标优化问题时获得有意义的结果，就需要对最优解的概念作出不同于绝对最优解的定义。
[参考文献]
[1] 严升明. 机械优化设计[M]. 徐州：中国矿业大学出版社， 2003
[2] 孙靖民.机械优化设计[M]. 北京： 机械工业出版社， 1999
1.结构优化设计
优化设计首先要解决的关键性问题是如何将工程的实际问题转化为数学模型。解决这个问题必须要考虑哪些是设计变量，这些设计变量是否受到约束，这个问题所追求的结果又是什么，即在优化设计过程要确定目标函数或者设计目标。设计变量、约束条件和目标函数是优化设计的三个基本要素。
1.1设计变量
设计变量是在设计过程中选择的需要调整的独立参数，固定不变的要事先给定的参数称为设计常量。设计变量的数目称为优化问题的维数，设计空间的维数同时也表征了设计的自由度，设计变量愈多，则设计的自由度愈大、可供选择的方案愈多，设计愈灵活，但难度也愈大，求解也愈复杂。设计变量有连续变量和离散变量之分，大多数产品设计中的设计变量是连续变量，但也有一些产品设计中的设计变量是离散型设计变量，如齿轮的模数、轴承的内径、弹簧的螺距等。对于离散型设计变量，目前通行的做法是在优化过程中，先将这些离散型设计变量当做连续变量来处理，待优化过程结束后，再在所取得的最优点附近.通过与其邻近离散点的目标值进行比较，来确定最优离散点。
1.2目标函数
目标函数又称为评价函数，是评价设计方案优劣的标准和反映设计者追求产品最优指标的设计意图，目标函数表征的是设计的某项或者某些最重要的特征，如产品的重量、体积、刚度、变形、承载力、功耗、产量、成本、运动误差、动态特性或其他指标等。优化设计就是要通过优选设计变量使目标函数达到优值。
目标函数与设计变量值之间具有一定的函数关系，虽然这种关系并非一一对应，但是一组已知的设计变量在设计空间还是唯一地确定了目标函数的值和设计点。依据设计特征的数量，目标函数可分为单目标函数和多目标函数两类。由于单目标函数所反映デ仅是产品设计中中多指标的某一项，片面性和局限性很大，故在优化设计中，多目标函数的优化设计问题比较普遍。目标函数愈多，考虑到的设计指标就愈多，设计的综合效果愈好，但是求解也更复杂。
1.3约束条件
目标函数值取决于设计变量的变化，但这种变化并不是任意的自由变化，绝大部分实际问题的设计或多或少总要满足一定的条件，而这些条件构成了对设计变量取值的限制，称为约束条件或约束函数。根据对设计变量取值的限制形式，约束条件可分为直接限制的显约束和间接限制的隐约束。结构优化提供拓扑优化、形貌优化、尺寸优化、形状优化以及自由尺寸和自由形状优化，这些方法被广泛应用于产品开发过程的各个阶段。拓扑、形貌和自由尺寸优化基于概念设计的思想，作为结果的设计参数还可以反馈给设计人员并作出适当的修改和调整，经过设计人员修改过的设计方案可以再经过更为细致的形状、尺寸以及自由形状优化，从而得到更好的方案。
2.洗碗机喷淋结构的优化设计
2.1洗碗机喷淋结构设计的缺陷
应用流体动力学软件Fluent 对洗碗机的清洗系统（图1）的结构进行仿真分析，得出图2 所示的水流速度矢量图。
从速度矢量图中可以看出单管中出口的增加让水流充满了管道，水流速度最大的地方在最接近水流的出口部分。由于水流是从右边流过来，明显的发现水流集中偏向了左边。这样势必导致有一部分碗盘无法被清洗干净，这也就是这种商用洗碗机洗净度不高的主要原因。
2.2洗碗机喷淋结构优化设计思路
对于喷淋式洗碗技术，洗碗机是通过电机驱动水泵，使洗涤水在一定压力下从喷臂喷出，喷射水流对碗碟表面起机械冲击作用，洗碗机专用洗涤剂对碗碟表面油污起化学去污作用，加上热水起浸泡软化作用，三种物理化学作用共同使碗碟表面油污和残渍分解和脱落，从而达到洗净餐具目的。由此可知，洗净能力与出水口水流角度、冲洗时间、能量水量有直接关系。
对于该商用洗碗机的清漂洗系统优化设计的主要思路即为在满足低能耗，安全的前提下，通过改变喷水系统的结构，管道大小，出口大小，出口角度等参数，使得商用洗碗机洗净度更高，更加高效，卫生，方便。
2.3洗碗机喷淋结构优化设计过程
针对以上情况，优化设计该清洗管道的开口角度，通过改变清洗管道开口的角度来解决出水偏移的问题。在单管上面的六个出口倾斜角度分别设计为0510152025 度（图3）。从仿真分析的结果来看（图4），已经把水流集中偏移的现象给以了修正，但是开口角度有些偏大，使得靠右的水柱出现右偏的现象，因此又考虑将出口角度做适当的调整。
根据上述分析的结果，对上述结构的出口角度重新进行修正，出口角度修正为01012.51517.520 度（如图5）。根据速度矢量图（图6）可知，效果显著，正符合我们所需要的水流垂直喷射的要求。
上面的对比显示，清洗结构未优化之前，水流喷射集中左偏，这不利于清洗，导致有的地方清洗不到位，而优化结构一在纠正了左偏的基础上纠正过大，导致部分喷口喷射出来的水偏右，仍然没有达到我们预期的目标。在此基础上进一步优化出口角度，得到了最合理的结构，此结构水流垂直均匀的喷出，喷淋效果最好。
3.结论
对于商用洗碗机而言，由于结构优化设计所涉及的参数太多，比如角度，开口大小，喷口数量，上下喷淋管之间的距离等，我们所做的实验仅仅是通过改变出口角度这一参数获取的优化结果，而没有考虑其它的因素。在这个过程中得到如下结论：
（1）优化设计是在仿真分析的基础上进行的，仿真的结果为结构优化提供依据。优化的效果可以通过仿真来验证。
（2）结构优化设计所涉及的参数比较多，有时不能仅仅通过优化某一个参数来进行，而是需要全面考量之后，优化设计才能达到预期的目标。
（3）运用仿真软件来仿真和分析结构优化的效果，可以高效地完成优化设计。
运用优化设计的理论，对于洗碗机的清洗管道进行了结构的优化设计，通过优化实现了水流的垂直喷淋，对于该洗碗机清漂洗系统的结构优化设计提出了初步的方案。目前完全利用计算机仿真分析就可以得出洗碗机设计上存在的缺陷并通过结构优化的方法进行了优化设计和仿真验证，这对洗碗机的完善具有十分重要的意义。 [科]
中图分类号： U461文献标志码： B
引言
现代产品更新换代速度快，且功能极大丰富，导致系统设计的复杂程度提高.复杂的产品及工程，如汽车、飞机和宇航等，通常由众多的系统、子系统及其零部件组成.同时，这些复杂的产品及工程设计问题又大多涉及多个学科领域，并且各个学科之间可能存在着很强的相互耦合关系.这些复杂因素都给产品开发与工程设计带来非常大的挑战.[1]
为满足现代社会对产品开发及工程设计的要求，并行性、一致性和高效率已经成为设计流程设置及其开发环节中极为重要的考核指标.
所谓的并行性，指系统的各个设计任务在彼此相互独立的情况下同时实施.并行进行的设计任务之间，可能会存在着大量的关联与耦合关系.这就要求各个设计任务之间必须保持与系统设计目标高度一致，从而使得最终生产制造出的产品可以实现预定的设计目标要求.各个设计任务需要与产品的设计目标之间进行不断地交互，而且这种交互工作越早发生，越有利于整个产品开发的高效进行，避免在产品设计后期发生系统整体的性能未能满足产品设计目标要求的情况，从而不得不重新设计，导致极为严重的资源和时间浪费.
传统的优化设计方法，采用串行设计模式和单层次优化方法（AllatOnce）.整个产品开发与工程设计过程按照单个子系统或零部件依次进行设计与优化工作.这样的设计模式严重制约产品的开发效率，也导致最终集成的系统无法实现最优方案.随着产品开发与工程设计问题越来越复杂，自20世纪80年代后期以来，一种解决复杂产品开发与工程设计优化问题的多学科设计优化（Multidiscipline Design Optimization，MDO）方法，在国内外获得广泛关注.MDO方法是一种通过充分探索和利用系统间的协同机制来设计复杂系统的方法，即MDO方法是在复杂系统的设计过程中结合系统的多学科本质，充分利用各种不同学科的设计与分析工具，最终达到最优设计的方法.基于MDO理念，将各学科的高精度分析模型与优化技术有机结合起来，寻找到最佳的总体设计方案.MDO方法最初应用在航空、航天领域，目前已经广泛应用于船舶、汽车和建筑等各个领域.[2]
目前，主要的MDO方法包括：协同优化（Collaborative Optimization，CO），并行子空间优化（Concurrent Subspace Optimization，CSSO），二级系统一体化合成优化（BiLevel Integrated System Synthesis，BLISS）和解析目标分解 （Analytical Target Cascading，ATC）法等.[3]不同于CO和BLISS等传统的MDO优化方法，ATC方法起源于汽车产品设计，其目标主要是通过不断地进行子系统与零部件的迭代优化，实现系统级的产品开发与工程设计问题的既定目标.通过层次化的多学科设计优化方法，在系统的优化设计过程中，结合系统设计目标考虑构成系统的各个子系统的优化设计，并在优化各个子系统的基础上达成整个系统的优化.该方法最早由美国密西根大学KIM博士和PAPALAMBROS教授所在的Optimal Design实验室提出.[45]
1目标分解方法及其数学表达
1.1优化设计问题的层次化构架设计
通常，一个复杂的产品开发与工程设计问题，可以通过分解构建成一个层次化的结构形式.典型的层次化结构设计案例见图1.产品开发与工程设计问题被分解为3层结构，包含由A到G的所有元素.对于层级1而言，只拥有元素A.元素A又可通过分解，得到下一个层级（即层级2）的2个元素，分别为B和C.依次，又可分解得到层级3及其对应的元素D，E，F和G.这样，就可以将一个极为复杂的系统逐层分解成多个简单问题的集合.
图 1典型的层次化结构
1.2ATC方法的实施步骤
ATC方法一般可以按照以下4个步骤实施.
（1）首先确定产品开发与工程设计问题系统级的设计目标；
（2）将这个系统级的设计目标逐层分解到各个子系统或者零部件上，确定它们为满足这个总目标的要求各自所必须实现的子目标；
（3）通过设计优化，使得各个子系统或零部件分别实现其满足系统总目标要求的各自的子目标；
（4）通过各个子系统和零部件设计结果的组合，验证最终产品开发与工程设计是否可实现既定的总目标要求.
ATC方法在建立层次化结构时，需要建立2种类型的模型，分别为优化模型P和分析模型r.优化模型P的主要功能是建立优化算法，并通过调用分析模型r得到系统、子系统及其零部件的设计响应；分析模型r为仿真计算模型，其主要功能是根据优化模型P产生的输入参数（即设计变量）和下一层的响应，通过仿真计算得到相应的计算结果输出，返回给优化模型P.ATC方法中不同层级之间数据流向及每一层中分析模型P与分析模型r之间的调用关系见图2.
图 2ATC方法的数据流向
图2中，作为中间层的子系统层，它的设计目标RUs1和共享变量yUs1由系统层传递下来.经过一系列的子系统层及零部件层优化设计求解之后，将生成相应的设计目标响应RLs1和共享设计变量yLs1，并返回给系统层.同理，对于最底层的零部件层ss1，RUss1和yUss1被作为设计目标和共享设计变量由子系统层传递下来，而后通过优化与仿真，再将相对应的RLss1和yLss1返回给子系统层.对于子系统层调用的分析模型rs1，来自零部件层的ss1响应Rss1和ss2的响应Rss2，子系统层本地设计变量x-s1和子系统层的共享设计变量ys一同作为其输入参数，由Ps1调用.
1.3ATC方法的数学表达
2数值案例及Isight软件求解
2.1数值案例的分解解析
2.2基于Isight优化软件的ATC实现
随着计算机仿真技术的深入，采用单一学科软件的设计、分析与优化方法，已经难以适应复杂系统设计和工程开发的需要.以航空航天领域设计为例，其涉及机械、电子、控制和热工等多个学科.随着各个学科的深入发展，在每个单独的学科领域内，都已经形成大量专业的仿真方法与工具.因此，如何在设计中将各个学科有效链接起来，使其形成一个统一各学科的综合设计的平台，已经成为工程和学术界所关注的重点.
作为多学科联合仿真与优化技术的先驱者，Isight软件为解决复杂系统的产品设计与工程开发提供多学科集成的优秀平台.Isight软件将数字技术、推理技术和设计搜索技术进行有效融合，将多学科专业软件进行协同以驱动产品设计与优化，并且把原来需要大量人工完成的工作改由软件自动进行处理.Isight软件的使用可以大大缩短产品的开发与设计周期，显著提高产品的质量与可靠性.
本文将Isight软件作为实现ATC方法的优化仿真平台.Isight软件下为实现上述数值案例所构建的2层的ATC架构见图3，包括系统层与子系统层，其中，子系统层由2个元素组成.
2.3优化结果分析
利用Isight优化软件所构建的ATC仿真模型见图4.系统级优化和子系统级优化均采用序列二次规划优化算法（Sequential quadratic programming，SQP）.最后设计变量（x1，x2，…，x14）收敛，目标函数f=17.02，与该数值算例的最优值f=17.00非常接近.
图 3Isight软件下的ATC架构
图 4ATC方法的Isight软件实现
3工程案例分析
3.1问题定义
以纯电动汽车动力总成优化设计为例，进一步说明ATC方法.纯电动汽车动力总成的详细结构见图5，其动力总成类似传统汽车的动力总成结构.
图 5纯电动汽车动力总成结构
车辆的基本参数与性能指标见表1.优化目标为在纯电动汽车动力总成的制造成本与其使用成本之间取得设计平衡.基于ATC方法的2层电动汽车动力总成目标分解与架构设计方案见图6.系统层以能耗仿真模型、动力总成成本模型和车辆性能仿真模型作为这一层级的分析模型.通过调用能耗仿真模型和动力总成成本模型可以分别得到使用成本和制造成本，将车辆性能仿真模型作为性能约束条件.[6]
3.2优化结果分析
优化前、后结果的对比见表2，可知，制造成本在整个成本构成中占据较大份额.通过对设计变量优化，使得使用成本和制造成本都有所下降，从而最终优化目标（总成本）也相应地有所下降，说明所提出的基于ATC优化设计方法得到预期效果.
表 2优化设计结果的对比名称原始值优化值传动比ig67.983 2电机转子直径d/m0.120.051 2电机转子长度L/m0.128 70.138 1使用成本/元897.71893.73制造成本/元5 013.894 984.88总成本/元5 911.605 878.61
4结束语
目标分解方法是一种处理复杂系统产品设计与工程开发层次化架构的系统化方法，结合Isight优化软件，对ATC方法进行充分的说明.
（1）对ATC方法的层次化架构进行详细描述，并引出实施ATC方法的一般步骤.
（2）详细论述ATC方法每层之间的信息传递，并给出ATC方法的一般数学表达式.
（3）基于Isight优化软件，分别进行数值案例和工程案例的分析，充分说明ATC方法对解决复杂系统优化设计问题的有效性.参考文献：
[1]赵刚， 江平宇. 面向大规模定制生产的e制造单元目标层解分析优化规划模型[J]. 机械工程学报， 2007， 43（2）： 178185.
[2]吴蓓蓓， 黄海， 吴文瑞. ATC与CO方法对比及其在卫星设计问题中的应用[J]. 计算机工程与设计， 2012， 33（6）： 24552460.
[3]姜哲， 崔维成. 多学科设计优化算法比较及其在船舶和海洋平台设计上的应用[J]. 船舶力学， 2009， 13（1）： 150159.
1.概述 要设计和建造一个可靠的供热系统，可以采用双重备用、多热源共网运行、环形管网等措施，但是，系统可靠性的提高总要导致材料消耗的增加，所以，对供热管网进行可靠性和经济性的双目标优化就显得很有必要。
供热管网的优化问题同时具有连续和离散变量的混合规划问题，而且其目标函数、约束函数都是非线形程度很高的数值函数。同时，目标函数的选择要综合考虑供热站的建造成本和用户的使用成本（包括维修、维护等费用），或是综合考虑几个性能指标，目标函数会包含若干个相互矛盾的因素，导致管网的优化设计成为含有多个局部极小点的多峰函数的非线形规划问题。
通常管网优化设计中所采用的算法是依据数学极值论的原理[1]，并没有充分利用优化过程中模型性态变化的规律，及其物理意义的知识，导致算法的收敛速度慢，经常陷入局部最优解中。随着热网系统越来越大，设计计算模型愈加趋于复杂，计算量增大，优化设计过程中绝大部分的时间用于分析计算目标函数以及性能约束函数。因此，改进管网的优化算法，使其能充分利用优化过程中模型性态变化的规律极其物理意义的知识，这对于提高收敛速度、减少计算时间、实现全局最优非常重要。
2．改进的模拟退火算法（IAP） 模拟退火（Simulated Annealing，简称SA）算法是一种通用启发式优化方法，是基于Monte-Carlo迭代求精法的一种随机搜索算法。在搜索过程中，既能向目标函数优化的方向迭代，又以一定的概率接受目标函数劣化的情况，从而避免陷入局部最优点，保证获得全局最优解的可靠性。在求解组合优化问题时，模拟退火法将每种组合状态xi看成某一物质体系的微观状态，而E(xi)看成该物质体系在状态xi下的内能，并用控制参数T类比温度。
整个模拟退火算法主要包括两个部分：Metropolis抽样算法和缓慢的退火过程。
2.1 Metropolis 抽样算法
对于每个温度T，用Metropolis 抽样法模拟该体系的热平衡态，即选择一个初始起点x(0)，给定随机步长Dx，在每一步中，计算出目标函数中的能量变化：
(1)
如果为负，则Dx被接受；如果为正值，则Dx以概率
(2)
被接受。因此，在某一给定温度T下，当前解x(k)随k增加的取值序列：x(0), x(1), x(2), …, x(i), …, x(k)所对应的准则值序列E(x(k))不是单调减的，即
E(x(k+1))> E(x(k))，E(x(k+1))= E(x(k))，E(x(k+1))< E(x(k))
三种情况都有可能发生，只不过前两种情况出现的概率较小而已。
在整个模拟退火过程中，随着温度T的不断减少，最优解随时间的更新序列（即搜索轨迹）是由多个这样的序列串接而成，这样，使得算法在陷于局部极小值时有机会逃出，从而达到真正的全局最优解。但也正是由于这一点，使得当前解x(k)有可能会比序列中的某些中间解要差。
要防止这种情况发生，只要令：
xx(0)=x(0)
(3)
这样，可在不改变控制过程和轨迹序列的条件下，重新构造其准则值为单调减的最优解更新序列xx(k)，最后得到的最优解必定是搜索过程中所经历的所有状态下的最优解。并且，在某一个温度T下，若从某一个i起，有
xx(i) = xx(i+1)= … = xx(i+q) (4)
成立，则表明连续搜索过的q个解都不比xx(i)好。因此，可以设定一个阈值q0，当q>q0时，令Metropolis抽样算法在该T下停止，于是得到该温度T时的最优解xx(T)。
2.2 退火过程：
选择足够高的初始温度T0，温度降低系数χT可以通过试凑法来选择：
0<χT<1 (5)
如果χT 太小，系统将会陷入到局部最小值；而χT太大，就会增加不必要的计算时间。
当温度逐渐降低时，对于一组给定的M个步长，可以进行下一次迭代过程：
； (6)
式中：——增长因子；一般选取>1，典型情况，=3，。
在退火过程中，设在某个Ti时最后得到的最优解xx(k)为xx(Ti)，并且有：
xx(Ti) = xx(Ti+1)= … = xx(Ti+p) (7)
成立，则表明温度连续下降p次后，对解的最优性没有改善，这样，可通过设定一个阈值p0，当p>p0时，退火过程停止。这时得到的当前解即为系统的全局最优解。
3．供热管网优化设计的数学模型 一般来说，供热管网优化设计的数学模型是一个具有不等式约束的非线性规划问题，其设计变量、目标函数和约束条件的选择是多种多样的，不存在统一的模式。用于解决约束非线性优化问题的算法有多种，但它们的基本功能与作用是一致的，都是为了使得目标函数达到最小，而有步骤地控制与调整各个设计变量，使设计方案在该目标下最优。
因此，优化设计的一般模型可归纳为：在满足约束条件gj(X)≤0的情况下，求解各个优化设计变量xi(i=1, 2, ..., n)的值，使得目标函数F(X)的值最大（小），其中，X=[x1, x2, ..., xn]T。其数学表示式为：
(8)
式中，目标函数F(X)由一项或多项指标组成；gj(X)——不等式约束条件，由技术条件及其他要求决定；X——独立设计变量集合，在管网设计中，一般包括离散变量、整型变量和连续实数变量的混合变量；m——约束条件的个数；n——独立设计变量的个数。
供热管网优化设计的数学模型包括三方面：目标函数、优化设计变量和约束条件。
3.1 目标函数的选择
供热管网优化设计的目的是使起经济技术指标最佳，可靠性最高。这样，供热管网优化设计的目标函数为双目标函数，我们选F(X)作为双目标函数的评价函数：
F(X)=F1(X)/F2(X) (9)
式中， F1(X)——可靠性指标；F1(X)——经济技术指标。
管网的经济技术指标以单位管网年费用NF表示，
（10）
式中：i——利率，%；K——管道保温层、保护层和管道造价；C ——管道造价[5]；M——管道年维修和动力费用；Ry——管网允许可靠度；P——管道总压降；PD——管道最大允许压降；U——考虑散热因素的保温运行费用。
可靠性指标采用供热系统的可靠性评价指标RY来表示[2]：
（11）
3.2 优化设计变量的选取
供热系统的可靠度反映了系统所有可能发生的事故概率以及供热系统在事故下将被切断或减少的用热量，主要与元部件的故障率、所采取的热网系统结构、热负荷分布及分段阀布置等因素有关，管网分段可以减少管段事故工况下被切断的热负荷数值，提高热网可靠性。
对于故障元部件的修复时间，供热管网中热力管道的修复时间最长，其最长故障管段修复时间与分段阀间距l和管径d有关：
（12）
由于优化设计变量愈多，设计的自由度愈大，可供调整的方法也愈多，也就愈容易达到较好的优化目标；但是同时也会带来优化设计目标函数维数的增多。通常设计变量的选择原则是：一般选取对管网性能、目标函数和约束函数影响大，而且比较容易确定其变化范围，并且能相应地唯一确定其它有关参量的独立设计变量作为优化设计变量[3]。
对于区域供热管网，优化设计变量选取为：
(11)
3.3 约束条件的选取
本文区域供热管网的优化设计模型中，除计算经济性指标所必需的一般约束条件[4]如：管径、保温层厚度等参数外，还增加了可靠性指标的约束：
可靠性指标： (12)
3.4 双目标函数的优化
对于管网的优化设计，一般是在性能指标最优的情况下，力求管网成本最低。从这个角度出发，管网优化设计就成为复杂的多目标优化问题，常规的优化算法难以解决。目前求解的方法主要是将实际的多目标优化问题转化为单目标优化问题，常用方法有：降维法、综合评价函数法和最小二乘法等几种，其中降维法应用最为普遍。降维法是从多个目标中选择一个最主要的目标来寻优，其它目标只要满足一定的要求即可，也就是将其它目标函数转化为约束条件来求解。
对于双目标函数，可以采用赏罚函数法将其转化为单目标问题。先给出相应的增广目标函数：
(13)
式中， R——罚因子；——与约束相对应的罚函数。
罚函数的表示式为：
(14)
从上式可以看出：当可靠性指标达不到规定时给以惩罚，使得变大；在的可行域内，罚函数取负值，成为“赏”函数。若可靠性指标违反约束愈严重，罚的愈厉害，则增广目标函数愈大；性能指标愈好，赏的愈多，则增广目标函数愈小。
本文供热管网的优化目标函数选择为双目标函数，将式(9)的双目标函数转化为单目标函数，对评价函数F(X)进行求解，并且将其解作为双目标函数的非劣解。而管网可靠度指标不再作为目标函数，而是通过构造适当的赏罚函数将可靠性指标作为约束条件处理，这样就只需要按“有效成本最低”这个单目标函数进行优化计算，但却取得“有效成本低而可靠度高”的双目标优化结果。这是因为，当可靠性超过原定指标愈多，“赏”的也愈多，优化计算中就会自动地将这个方向作为有利方向，沿此方向继续前进，使得可靠度比原定指标更大些，起到了按预定要求合理地移动约束边界的作用，使约束边界变成“浮动”的。当某个约束边界在优化过程中自动地朝着最优方向“浮动”时，无疑，又增加了一个新的优化目标，因而取得了双目标优化的效果。
4 结束语 供热管网的局部优化已经取得了很多成果，但是，牵涉到可靠性的一个城市供热管网的全局优化问题还未有太多的研究，本文对一个实际项目（如图2）按照所归纳的方法进行了寻优，现有的供热站A如果和供热站B两者的管网联合供暖，可靠度可以提高10%，而运行成本仅增加不到1%，如果再增加供热站C，在用户不增加的情况下，可靠度只能提高2%，而运行成本增加30%左右。
参考文献 [1] K.Kondon, Algebraic Method for Manipulation of Dimensional Relationships in Geometric Models, CAD, Vol.24, No.3, 1992, 3
[2] 战泰文，供热系统的可靠性研究，哈尔滨建筑大学1994年硕士论文
