多目标优化设计范文

引言：寻求写作上的突破？我们特意为您精选了4篇多目标优化设计范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

主轴箱起着支撑卧式电主轴的作用，主轴箱内腔和底部由纵横交错的筋板组成，主轴箱的主体部分是尺寸较大的圆柱体结构，主体部分的直径和厚度不仅决定主轴箱的整体结构，而且影响到内部筋板的尺寸及分布情况。主轴系统主要结构如图1所示。

1．2主轴系统热－力耦合分析

机床实际工作状态中，电主轴高速旋转产生大量热导致主轴箱发生热变形与机械变形的耦合，因此，本文将对主轴系统进行热－力耦合分析。首先，在CATIA软件中建立主轴系统的三维几何模型，然后导入ANSYS软件中进行有限元分析的前处理，得到有限元模型。主轴系统的热－力耦合分析采用间接分析的方法，这种方法的优点是可以综合运用热分析功能和结构分析的功能，首先，在ANSYS软件热分析模块中进行稳态热分析，热源主要包括电机定转子发热和轴承发热。该数控车床选用的是某公司生产的型号为CD280Z1-8/12．5的电主轴单元，额定的功率为12．5kW，并假设电机损失的功率全部转化为热，其中电机定子占2/3，电机转子占1/3［5－6］。该主轴单元前端支承均为角接触球轴承，型号分别为XC7018和XC7015，预紧力分别为2450N、1080N。前轴承还通过环绕轴承座外表面的冷却水冷却，冷却水流量为7．2×10－4m3/s，入口温度为25℃，出口温度为35℃，轴承发热量按文献［7］提出的方法计算。热分析的边界条件分热传导和对流，主要考虑:转子端部和冷却空气、定子和冷却水、主轴箱和周围空气、主轴内孔及端面和周围空气的热对流;定子和转子、轴承和轴承座、转子和主轴、主轴和轴承之间的热传导等［8－9］，具体计算过程不再赘述。然后进入结构分析模块，将得到的主轴箱温度场作为温度载荷加载到有限元模型。本文在主轴箱底面施加固定约束，考虑到主轴箱受力主要包括切削力和电主轴的重力，由切削力经验公式计算出用硬质合金车刀加工铸钢时的切削力［10］，电主轴部件重2520N。将其等效为在主轴箱与电主轴部件连接部位的X、Y、Z方向上各施加4500N的集中载荷，分析后得到的热－力耦合变形如图2所示。

1．3主轴跳动计算

主轴热变形的大小，理论上以主轴前端的线位移和主轴轴线的角位移为衡量依据［11］。图3为主轴变形评定面。由于试验条件限制，无法实际测量主轴前端的线位移和轴线的角位移，这里利用图3中主轴前端A面的端面跳动和B面的径向跳动误差作为衡量主轴变形大小的依据。由圆柱面径向跳动和端面跳动的定义可知跳动量是测得位移量的最大读数差，得到主轴前端的径跳和端跳，如表1所示。

2主轴箱结构多目标优化

2．1主轴箱最优结构方案确定由于ADGM15数控车床主轴系统基本功能和机床整体结构的要求，主轴箱外型尺寸基本上是确定的。选择通过改变主轴箱底部筋板分布情况及壁厚来改善主轴系统的综合特性。本文提出

了5种设计方案以及各方案对应的主轴前端跳动计算结果，如图4和表2所示。从表2中各方案跳动量比较可知:各方案主轴端部的径向跳动量均小于2μm，方案5的效果最好，为最优方案。尽管方案3多设置了加强筋板，主轴端部的跳动量并不是最小的。这说明盲目的设置多条加强筋并不能有效降低主轴端部的跳动量。

2．2基于模糊综合评判法的主轴箱优化

2．2．1数学模型的建立现对非劣方案做进一步的优化。取设计变量为:X1、X2、X3、X4、L1、L2、D，如图5所示。其中，X1、X2、X3为筋板厚度;X4为壁厚;L1为筋板2距离主轴箱中心孔距离;L2为筋板1到筋板2之间的距离;D为主轴箱内孔的直径。主轴箱优化设计的目的是减小温升对主轴端部径向跳动和端面跳动的影响，并且使主轴箱的质量最小以降低生产成本。建立目标函数为:式中，E1为主轴端面的径向跳动;E2为主轴端面的端面跳动;m为主轴箱质量。2．2．2主轴箱结构优化主轴系统多目标优化有两个过程:第一是求解目标函数的非劣解集;第二是在多个非劣解集求出一个最优解［12］。本文首先采用ANSYS软件优化模块求解得到3组非劣解，即3种方案，分别记为A、B、C，如表3所示。再利用模糊综合评判函数对主轴系统非劣解进行二级模糊综合评判找出优化最优解。模糊综合评判的基本原理是，依据全体评判对象的特性来构造一个评判矩阵，结合综合评判函数赋予每个对象一个特定的评判指标，进行排序优选，从中挑出最优或最劣对象。常用的模糊综合评判函数有以下4种:加权平均型，几何平均型，单因素决定型，主因素突出型［9］，这里不再一一列出。模糊综合评判法主要由以下5个步骤组成:建立被择的对象集，建立因素集，选择评判函数，求解评判矩阵，计算评判指标。被择对象集是主轴箱优化后求得的3种方案X={A，B，C}，评判因素集U={1/E1，1/E2，1/M}，再对其进行归一化处理，得到一级评判矩阵机床加工时，主轴端部的径向跳动对加工精度的影响最大，其次是端面跳动，本文在满足上述两个条件后考虑降低主轴箱的质量以降低生产成本，本文取径向跳动的权重系数为0．7，端面跳动的权重系数为0．2，主轴箱质量的权重系数为0．1。得到对应的权向量为［0．7，0．2，0．1］T，正规化后权向量为［1，0．286，0．143］T。分别求得4种评价函数所对应的评判指标Y1、Y2、Y3、Y4［13］，并组成二级评判矩阵［Y1Y2Y3Y4］。主轴箱的最优解是由4种初评指标的平均值决定，再次采用加权平均型综合评定函数做平权处理，即求得二级模糊综合评判指标:

篇2

山东 淄博 255022；3.山东理工大学理学院，山东 淄博 255022）

【摘要】折叠桌因其艺术性的设计以及节约空间、方便搬运的优点在现代家居生活中倍受青睐。同时，折叠桌因其可折叠的特性也承受着其稳定性与承受力大小的考验。我们采用刚体转动模型求解其稳定性指标，利用各个加工参数之间的数学关系求解其原料消耗，采用超静定次数进行定性分析描述其加工方便度，最终利用多目标规划模型分别赋予不同指标优先因子对折叠桌进行优化设计。

关键词 刚体转动；多目标规划；空间坐标系；最优加工参数

1　问题由来

工业设计师Robert van Embricqs 设计一款名为rising side table [1]，桌子外形由直纹曲面构成，桌面呈圆形，桌腿随着铰链的活动可以平摊成一张平板。桌腿由若干根木条组成，分成两组，每组各用一根钢筋将木条连接，钢筋两端分别固定在桌腿各组最外侧的两根木条上，并且沿木条有空槽以保证滑动的自由度（如图1所示）。

2　问题分析

在两根钢筋所在平面，以两根钢筋对称轴为x轴，两根钢筋中点连线为y轴，垂直地面向上为z轴方向建坐标系 （如图2），木条与圆形桌面的相连接的点记为P点，从外到里分别用P10，P9，…，P1来表示，最中间的点记为坐标为P1，且P10的坐标为(2.5,25,25)。钢筋穿过木条的点记为Q点，同理从外到里分别用Q10，Q9，…，Q1，标记顺序同P点一致。

Fi：第i根木条的开槽位置i=1，2…，10；fi：第i根木条的开槽长度（i=1，2，…，10）；h2：钢筋初始位置d：每根木条的宽度；li：木条长度α：最外侧木条与地面夹角；c：木板的厚度

3　构造约束条件

鉴于对折叠桌的设计，需要综合稳固性、经济性、加工便利性等因素进行优化其设计。

稳固性：

稳固性主要受重心位置的高低、支撑面的大小以及结构的影响[2]。根据桌子稳定性测试（BS4875-5）标准，设计的产品稳固性不达标就不能流通于市场，所以我们把力学性能分析放在首要地位。稳固性主要测试其竖直承受力与一侧承受力大小。竖直承受力大小多取决于折叠桌的材料，一侧受力多取决于折叠桌结构。将折叠桌视为刚体，其一侧受力发生侧翻即为刚体转动问题。[3]根据折叠桌使用的木料、钢筋求其质量分布，得其密度ρ（x，y，x）（此处密度可视为常数）。折叠桌的质量

经济性：折叠桌折叠之前为一块木板，所需材料即为木板的面积。

加工便利性：

由于桌腿由若干根木条组成，沿木条有空槽以保证滑动的自由度，进而木条的数目以及开槽长度影响加工便利性。根据力学原理，每增加一根木条，该结构的超静定次数便增加一次，因此该结构为多次超静定结构[4]，采取增加木条的方法来增加超静定次数，降低受力敏感度，是影响其加工便利性与稳定性的重要因素。

4　多目标规划模型

j：木条的宽度；e：木板的宽度；b1：最外侧木条所留桌面边沿长度；g：木板长度

5　结论分析

折叠桌以其灵活性、便捷性融入百姓生活。本文在保证折叠桌优良特性的前提下，引入刚体转动分析，结合多目标规划模型，优化设计折叠桌，保证了其稳固性、经济性、加工便利性。

参考文献

［1］韩佳成,Robert Van Embricqs.平板折叠桌[J].设计,2012，8．

［2］刘延柱．刚体动力学理论与应用[M]．上海交通大学出版社，2006-8-1．

［3］wenku.baidu.com/link?url=po 7 pey 2 xG_w0ELxvIgKKosCkC 6 jtfibAZW cBNT00Xx-YJNOh TpBOG 3_c22 TfersEysmn6 iyBkau_bkmEuV9 LDGZpqr51 HuOT2 OWNFqiFLx_&qq-pf-to=pcqq. c2[OL].

篇3

在飞机设计、工艺、制造、装配等研制过程中,容差分配是一个复杂的多解问题,合理的容差分配非常关键,它控制着产品的性能、制造成本、装配工艺性等。目前,飞机装配容差优化的研究主要以最低成本法、综合优化法等为主。假设作为调整因素的各零件之间的容差信息相互独立,以装配性能、加工成本和装配工艺性作为优化指标,装配容差优化即设法找到使指标达到最佳值的优化因素组合,这属于典型的非线性优化问题。而神经网络作为模仿生物神经的智能信息处理系统,具有高度的非线性映射的特点,为解决容差优化问题提供了一个良好手段。

1、多目标容差优化的神经网络原理

在多目标容差优化过程中,由于各个目标之间往往存在着一定的矛盾关系,通常不可能达到所有目标都最优的方案,因此引入求解多目标优化的最基本方法——评价函数法,将多目标容差优化问题转化为单目标容差优化问题进行求解。

1.1 单目标容差优化的BP神经网络的构建

为简化分析,以一个确定了制造、装配工艺方案,包含三个零件的装配体为例,构建基于BP算法的神经网络进行单目标的容差优化,采用如图1所示的三层网络结构:第一层为输入层,将各零件的容差信息传递给下一层;第二层为以隐层,进行容差信息的处理;第三层为输出层,输出优化指标。

将各零件容差的上、下极限偏差作为输入值,令其为。将装配性能、加工成本和装配工艺性三个优化指标作为输出值,令其为,分别建立三个针对各自优化指标的容差优化BP神经网络模型。隐层节点数可根据经验公式来确定,其中为输出层节点数,为1～10之间的常数。各层之间均采用双极性Sigmoid函数作为传输函数。

图1容差优化的神经网络模型

对于一个三层BP神经网络,若输出层的输入信号为,输出的误差信号为,则隐层到输出层的权值矩阵的调整可以表示为:

若隐层的输入信号为,输出的误差信号为,则输入层到隐层的权值矩阵的调整可以表示为:

单目标容差优化的BP神经网络经过学习训练后,将容差与优化指标之间的非线性映射关系存储在权值矩阵中,在工作阶段,便可以实现对非样本信号的正确映射,得到所对应的优化指标值。

1.2 多目标优化评价函数的建立

建立多目标评价函数之前先完成各自单目标优化模型输出数据的预处理即归一化,将输出数据限制在一定的区域内,以便于在一个共同的区域内进行多个优化指标的综合评价。将输出数据变换为[0,1]区间的值可采用变化式:

在三个容差优化指标中,装配性能指标输出的是装配封闭环的容差大小,优化目标是值越小越好,加工成本指标的优化目标同样是越小越好,装配工艺性指标输出的是工艺过程能力指数,其优化目标是越大越好。假设各优化指标与输入值之间存在着,,由于优化指标之间相互存在着矛盾关系,不可能使得每个优化指标达到最佳,设在值域中存在着一个理想点,寻求距离最近的作为优化的近似值,因此构造评价函数:

这样就可以将多目标容差优化问题转化为求上式的极小值问题来解决:

2、多目标容差优化设计的工作流程

根据以上对BP神经网络的结构的分析,并结合多目标优化的评价函数,多目标容差优化设计可按以下步骤进行:

(1)建立针对各优化指标的单目标容差优化的BP神经网络。

(2)确定BP神经网络中包括输入信息与输出信息在内的网络结构参数。

(3)准备网络的训练数据,对BP神经网络进行训练,将训练好的BP神经网络模型作为单目标容差优化的函数值仿真计算工具。

(4)分别对各BP神经网络的目标函数值进行单目标优化,得到有效值域中的理想点。

篇4

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.