多学科设计优化（MDO）在实际应用中面临计算量庞大而复杂的困难,而云计算为解决这种困难提供了手段。利用云计算整合优化资源方面的优势去解决多学科优化过程的难题,按云服务理念,将MDO作为一种服务,搭建了面向MDO的云优化平台,以目标级联法作为MDO的典型代表,对MDO问题进行层级分解,将复杂的工程系统分解为相互联系的若干子系统,降低了原优化问题的求解困难,以几何规划问题和汽车燃烧室的优化设计为例,探讨了云环境下MDO求解的有效性。

针对传统遗传算法求解自动导引小车动态路径规划易早熟的缺点,提出一种改进遗传算法的自动导引小车动态路径规划算法,针对传统变异算子缺少启发式规则导致变异产生优质解的概率较低和算法早熟的缺陷,基于相连的路径片段组成的三角形建立使路径缩短的启发式变异规则,并提出路径微调算法;为了提高路径的光滑程度便于自动导引小车行驶,提出路径光滑处理算法;为了增加改进遗传算法的局部寻优能力,对每一代的最优解进行模拟退火操作;并且基于MATLAB GUI开发工具开发出自动导引小车动态路径规划仿真平台,以证明所改进遗传算法求解自动导引小车动态路径规划问题的有效性。

针对智能优化算法求解自动导引小车路径规划问题效率低且易早熟的缺陷,提出一种用于求解复杂环境下自动导引小车路径规划问题的改进灰狼优化算法。算法引入路径微调算子和邻域变异算子来提高灰狼优化算法的局部开发能力,又引入新的初始解生成算法提高初始种群的质量;采用改进的路径片段与障碍物相交判断算法来提高算法的运行效率,再采用新的避障算子来提高路径片段避开障碍物的效率。基于MATLABGUI开发工具开发了带有多种智能优化算法的自动导引小车路径规划仿真原型平台,并与单种群遗传算法、多种群遗传算法和改进遗传算法进行对比,验证了改进灰狼优化算法求解自动导引小车路径规划的有效性。