附件C：譯文

乘坐舒適性整體優(yōu)化方式的比較
P.Eriksson and J.S.Arora

摘要：本文提出一個應(yīng)用于工程優(yōu)化方面的整體優(yōu)化算法的比較，三種運用連續(xù)隨機變量的整齊優(yōu)化算法：區(qū)域消除法、圖像放大法和受控隨機搜索。圖像放大法和受控隨機搜索在以前的乘坐舒適性優(yōu)化問題中已經(jīng)有所應(yīng)用。每種算法都要執(zhí)行三次，所有目標函數(shù)值取其最佳平均值和有效值。圖像放大法的結(jié)果，結(jié)果適當修正后，是目標函數(shù)最有效的結(jié)果并能找出整體最佳參數(shù)。每個設(shè)計變量被賦予一套離散數(shù)值和兩種優(yōu)化算法，例如：應(yīng)用于乘坐舒適性離散分析的遺傳算法和模擬退火法，結(jié)果顯示，遺傳算法比模擬退火法在個別優(yōu)化問題中更有效。
關(guān)鍵字：全局優(yōu)化，乘坐舒適性，有限元，公共汽車，獨立動力單元。

1 前言
一個普通的非線性系統(tǒng)優(yōu)化問題可以定義為：
用一個n維向量代替設(shè)計自變量找到一個最簡目標函數(shù)：
f(x) = f(x1, x2, . . . , xn), (1)
列出所有等式和不等式約束條件：
hj(x) = 0, j= 1 to p , (2)
gi(x) ≤ 0, i= 1 to m, (3)
簡化系統(tǒng)變量邊界條件：
xil ≤ xi ≤ xiu, i= 1 to n , (4)
有幾種優(yōu)化算法方法已經(jīng)發(fā)展成熟，可以解決這些問題。大多數(shù)算法是設(shè)計來找到一個局部最優(yōu)參數(shù)x∗，這個x∗是鄰近所有X中最符合f(x∗) ≤ f(x)的。一個代表例子就是二維線性方程組，這種算法在很多優(yōu)化問題中都表現(xiàn)得非常穩(wěn)定和高效。盡管如此，許多優(yōu)化問題都有幾個局部最優(yōu)參數(shù)并致力于找到在整個設(shè)計范圍內(nèi)可能的那個最優(yōu)參數(shù)，例如定義為全局最優(yōu)參數(shù)的xg∗，在所有可能的x范圍內(nèi)中滿足f(xg∗) ≤ f(x)。
全局最優(yōu)參數(shù)通常比局部最優(yōu)參數(shù)更難找（而且更費時）。在沒有合適的數(shù)學(xué)方法能找到全局最優(yōu)參數(shù)之前，對照局部最優(yōu)參數(shù)的方法，通常要在全部可能的設(shè)計范圍內(nèi)搜索以找到精確的全局最優(yōu)參數(shù)。有的方法能找到一個近似全局最優(yōu)參數(shù)而不用在全部范圍內(nèi)搜索，例如遺傳算法，模擬退火法，圖像放大法和受控