用INSGA-Ⅱ进化NPCs的复杂行为

目前游戏中NPCs多目标行为进化是一个非常复杂的问题。对此建立了NPCs多目标优化的数学模型,并提出了一种NSGA-Ⅱ的改进算法——INSGA-Ⅱ。该算法在进行精英选择时,采用了基于K-均值聚类的方法联合了不同等级之间的个体进行集合划分,然后从不同的集合中选择下一代个体,从而更好地保持了种群的多样性。通过实例比较证明,在玩家和NPCs作战的游戏场景下,INSGA-Ⅱ能够得到NPCs复杂多目标控制问题的Pareto最优解,而且比NSGA-Ⅱ表现出更好的收敛性和多样性。     

基于Pareto集与多目标决策的飞控参数优化

针对传统的单目标优化方法不能对飞控系统多个性能指标同时进行优化的问题,提出了一种基于Pareto遗传算法和多目标决策的飞控系统参数优化方法。通过NSGA-Ⅱ算法对飞控系统参数进行优化获得最优解集,在此基础上首先进行方案的初选,然后利用综合权重的Vague集决策方法对备选方案进行模糊评价和优选,找到最终满意解。仿真结果验证了所设计方法的有效性。     

高超声速飞行器多目标气动优化设计

随着高超声速飞行器的发展,其外形优化受到了广泛关注。应用一种新型的改进多目标布谷鸟优化搜索算法(IMOCS),采用修正的牛顿法与面元法相结合来获得高超声速飞行器的气动性能,采用自由变形参数化方法(FFD)来进行外形的参数化,以最大化容积率和升阻比为设计目标,开展了高超声速滑翔飞行器的多目标气动外形优化设计,获得了综合容积率及升阻比性能更高的气动外形,验证了方法的有效性。最后,将IMOCS算法和当前主流的多目标优化算法NSGA-Ⅱ进行了对比,结果表明,IMOCS算法的效果明显优于NSGA-Ⅱ。     

航空发动机燃油系统定压活门参数优化设计

定压活门在燃油系统中为多个伺服机构供油,针对其稳定性、稳态精度、鲁棒性等设计要求,以及多个设计参数相互竞争又相互矛盾的选择,提出了一种基于优化算法的参数设计方法。建立了定压活门数学模型,基于稳态模型进行了参数设计分析。结果表明：定压活门存在流量稳态工作区,在流量稳态工作区内,阀芯截面积增大,流量敏感度增大,但阀芯截面积过大会增大定压活门的体积。根据定压活门压力范围计算了稳态参数,以调节时间和超调量为目标,取3组不同定压腔容积,将弹簧腔容积、阻尼孔径、运动阻尼、阀芯质量作为参数,基于非支配排序遗传算法（NSGA-Ⅱ）进行了动态优化。Pareto解集表明调节时间和超调量相互矛盾。选取1组解经AMESim仿真验证,优化后的结构参数能够使调节时间缩短20%以上,超调量降低15%以上,定压活门动态性能得到改善。     

NSGA-Ⅱ算法的改进及其在多段翼型缝道参数优化中的应用

提出了NSGA-Ⅱ算法的一个改进方法,对加入新种群的父代种群个体进行精英筛选,从而增加了新种群中新个体的数目,以实现更好的全局寻优。选取一个有理论解的优化问题,对算法全局寻优能力的改进进行了验证。随后使用改进后的NSGA-Ⅱ算法作为核心算法搭建了集群并行优化平台,对多段翼型的缝道参数进行优化设计,获得了较为满意的结果。优化验证算例显示,该集群并行优化平台具有较高的效率和可行性。     

基于NSGA-Ⅱ算法的ATR发动机PI控制器多目标优化方法研究

为了使空气涡轮火箭发动机（ATR）从慢车快速、稳定和准确地加速到最大状态,以ATR发动机燃气发生器流量和尾喷管喉部面积为控制变量,采用快速非支配排序遗传算法（NSGA-Ⅱ算法）建立了发动机控制器参数多目标优化方法。将超调量、稳态误差、上升时间及误差积分值四个指标以加权的形式作为目标函数,引入执行机构超调惩罚机制,建立了PI控制器参数Pareto最优解集,完成了ATR发动机从慢车加速到最大状态的动态过程仿真。结果表明,将双回路多个控制性能指标以加权的形式组合作为目标函数,可以获得均匀分布的Pareto前沿;联合应用多目标优化方法和基于熵权法的优劣解距离法（TOPSIS）,能够在双回路耦合下获得满足设计要求的ATR发动机动态特性,极大地缩短了人工整定控制器参数的时间;在加速过程中,多目标优化方法将涡轮膨胀比上升时间作为目标函数之一,与尾喷管面积开环控制动态过程相比,可以使涡轮膨胀比更早到达目标值,共同工作线远离喘振边界。     

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法，其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足，采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性：通过引入非支配排序与拥挤距离来改进解的适应度评估；通过改进随机游走策略来提高局部搜索能力；通过引入改进的自适应丢弃概率策略来提高算法的收敛速度；加入档案管理机制，提高解的均匀性。典型的多目标数值算例结果表明，改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例，将改进的MOCS算法应用于多目标气动优化中，改进的MOCS算法共获得64个Pareto解，优化后的翼型气动性能有明显的提升，设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题，改进的MOCS算法与目前主流的NSGA-Ⅱ相比，收敛速度更快。     

基于多目标算法的空中作战任务规划框架研究

空中作战任务规划是一项复杂的任务，随着空中作战飞行器的种类、数量及其之间交互性的增加，任务规划也变得越来越复杂。任务规划人员必须在有限的时间内制定出最优的任务分配策略。决策支持工具可以辅助任务规划人员找到最优的规划方案。介绍了设计多目标进化算法以及在空中作战任务规划领域的框架和工作流程，具体的任务包括空中打击动态目标的定位问题和情报监视侦察（ISR）任务规划。总结了这些研究的经验教训，探讨了未来可能的发展方向。     

基于多要素改进NSGA-Ⅱ的小直径制导炸弹空面打击最优火力分配方法

为了最大化提升小直径制导炸弹对面积目标的打击效率，提出基于多要素改进的非支配排序遗传算法的小直径制导炸弹空面打击最优火力分配方法。考虑制导炸弹的误差散布，运用网格法建立了单枚制导炸弹的打击效率评定模型，从而在此基础上建立了多枚制导炸弹的最优火力分配模型；构建了打击效率最大和用弹量最小的优化目标函数，建立了制导炸弹的最优火力分配模型。通过引入概率选择算子、混合交叉算子、改进精英保留策略对NSGA-Ⅱ算法中的多要素进行改进，增强算法的全局搜索能力，提升算法性能。仿真结果表明，MFM-NSGA-Ⅱ算法能够获得有效的小直径制导炸弹最优火力分配方案，最优火力分配结果对应的用弹量随场景参数的变化而改变，并且本文方法求解质量优于原NSGA-II算法和多目标粒子群算法。     

动态火力接入下要地防空制导决策方法

文章以要地防空为背景,对防空导弹武器系统动态接入下的制导决策方法进行研究。首先,分析了动态火力接入下要地防空作战过程以及接力制导过程;然后,基于制导通路的概念,设计了构建制导通路的算法,并提出了制导能力指数和交接班成功概率作为评价制导通路优劣的指标;最后,通过仿真实例验证了构建算法和优化模型的有效性。     

高压涡轮机匣热固耦合下多目标优化方法

建立了包含高压涡轮(HPT)机匣基本结构在内的轴对称参数化模型,基于热固耦合变形和结构参数灵敏度分析结果,选择了灵敏度高的12个关键结构参数作为优化设计变量,采用第2代非劣排序遗传算法(NSGA-Ⅱ),开展了以机匣等效质量和挂钩处径向平均位移为目标函数的多目标优化。优化结果表明:机匣加强肋结构朝着有利换热的方向发展,其他结构朝着机匣质量减轻的方向发展；优化后模型质量及径向位移量均有所减小。      

双盘转子系统优化算法与试验

为了讨论不同优化算法的效果差异,利用有限元分析技术,针对典型1-0-1支承方案的双盘转子系统进行建模仿真,在分析其动力学特性的基础上,联合多学科优化软件ISIGHT,将两转盘位置作为优化变量,以1阶临界转速在10%内的变化为约束条件,采用不同的优化算法:进化算法(EVOL)、多岛遗传算法(MIGA)、邻域培植遗传算法(NCGA)、第二代非支配排序遗传算法(NSGA-Ⅱ)以及Pointer方法,最小化过1阶临界转速时两转盘的最大振幅,得到两转盘的最优位置.在高速柔性模拟转子试验器上进行了瞬态试验,结果表明,NSGA-Ⅱ只需要计算240个点,就可以使两转盘振幅分别下降76.94%和67.42%.因此,NSGA-Ⅱ是最适合该类转子系统的优化方法.      

基于PCA-MPSO-ELM的空战目标威胁评估

目标威胁评估是空战对抗过程中的关键环节。由于影响空战目标威胁评估的因素复杂多样，且指标之间存在相关性，导致传统的评估算法无法得到准确客观的评估结果。由此，提出了一种基于主成分分析法和改进粒子群算法优化的极限学习机（PCA-MPSO-ELM）的目标威胁评估算法。首先，综合分析了影响目标威胁程度的指标，利用主成分分析法对原始评估指标进行线性变化处理得到综合变量，消除了评估指标之间的相关性，实现了对评估数据的降维；在此基础上，构建ELM神经网络并利用改进的粒子群算法优化极限学习机的输入权值和阈值，提高了目标威胁评估模型的精度。最后，在空战训练测量仪中选取空战对抗数据，利用威胁指数法构造了目标威胁评估样本数据，通过仿真实验分析了PCA-MPSO-ELM算法的精度和实时性，结果表明所提算法可以快速准确地进行空战目标威胁评估。     

基于DBN效能拟合的舰艇编队作战效能敏感性分析

针对传统的舰艇编队作战效能分析方法中存在的对数据利用不充分、对数据完整性要求较高的问题，提出了基于深度学习的效能拟合方法。从最具有代表性的敏感性分析方法Sobol指数法入手，利用深度学习方法优越的特征学习能力，基于深度信念网络（DBN）构建了效能拟合网络，结合无监督预训练和有监督调优实现了网络训练和参数优化，构建出效能拟合模型。将产生的数据应用于效能分析模型并与完全数据条件下的效能分析结果进行对比，验证了所提出的效能拟合模型对于不完全数据下的作战系统敏感性分析的有效性。     

平流层飞艇总体多目标优化设计与决策

将多目标优化与多属性决策相结合应用于平流层飞艇总体多目标优化中。建立平流层飞艇多目标优化模型,实现优化模型参数化建模,采用多目标进化算法NSGA－Ⅱ得到Pareto最优解集,构成多属性决策矩阵,采用模糊熵权TOPSIS（ M－TOPSIS）法对Pareto非劣解进行排序,获得最佳设计方案。最终结果验证了NSGA－Ⅱ平流层飞艇多目标优化中的有效性。     

基于混合优化算法的无叶片粒子分离器优化设计

将混合优化算法引入粒子分离器优化设计,减小粒子分离器流动损失并简化结构.利用四次样条曲线参数化描述粒子分离器模型,建立粒子分离器自动化仿真流程.采用优化拉丁方实验设计方法获取样本点并建立椭球径向基函数神经网络代理模型,基于该模型使用非支配排序遗传算法进行全局多目标优化,最后采用序列二次规划算法进行局部优化,得到了粗砂分离效率达到100%、细砂分离效率达到86.7%,总压损失小于0.6%、出口总压畸变较小的设计方案.      

机翼后缘柔性支撑结构的拓扑优化

针对机翼后缘柔性支撑结构的多目标拓扑优化问题,分析了柔性支撑结构的优化目标及目标函数,并采用位矩阵表示机翼后缘柔性支撑结构,利用非支配排序遗传算法(NSGA-Ⅱ)对该优化问题进行了求解。在优化过程中,引入连通性分析和相似个体过滤,借助ANSYS对可行个体进行有限元分析(FEA),获得了结构质量、变形性能和承载能力等目标值。通过MATLAB对违约个体进行惩罚,实现了位矩阵表示的NSGA-Ⅱ,得到了一组互不支配的机翼后缘柔性支撑优化结构,可根据实际需求选择这些相应的拓扑结构。结果表明,本方法可为机翼后缘柔性支撑结构的拓扑优化提供可行、有效的解。