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。     

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。     

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。     

区间不确定性下的空中作战行动过程优选方法

针对空中作战行动过程（COA）设计问题,根据动态影响网（DINs）理论和改进快速非支配排序遗传（NSGA-Ⅱ）算法,提出一种基于DINs和区间多目标优化的空中作战过程优选方法。首先,分析空中作战过程基本概念,分别进行静态和动态建模,并对参数不确定性进行分析。然后,基于改进Kendall协和系数检验法确定一致性检验后的关键参数,设计DINs概率传播算法。随后,分析期望效果实现概率与各关键参数的相关关系,在分析行动过程优选效果评价指标基础上,采用改进NSGA-Ⅱ算法对模型进行求解。最后,通过多组仿真案例,验证了模型的合理性,以及算法的有效性和优越性。     

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。     

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.      

协同进化方法求解多中心卫星任务规划问题

 在分析多卫星中心内部特点及中心间关系的基础上建立了多中心协同规划问题(MCCOPP)的数学模型,提出了解决该问题的多中心合作协同进化规划算法(MCCCSPA)。MCCCSPA基于分治-合作策略,根据中心数目以及观测目标集合特点将观测目标分解分配至各中心;提出等长扩展二进制染色体编码方式有效表达问题的解,便于个体的交叉、变异、合作操作;并综合多中心个体代表合作求解本中心个体适应值;其中交叉、变异、合作算子在确保可行解的前提下保证各中心子种群的多样性、加快收敛速度。仿真实验及分析结果表明:该方法能够有效解决多中心协同的卫星任务规划问题。     

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。     

基于NSGA-Ⅱ复杂系统航空备件需求研究与应用

目前航空公司对航空备件的需求计算主要针对单个备件进行,这产生一定的误差.因此,本文利用NSGA-Ⅱ多目标遗传优化算法来解决在一定成本约束条件下可用度、可靠度等性能指标均能得到满足.为了便于算法的应用,论文对罚函数进行了改进并进行实例分析.结果表明本方法适于处理航空公司复杂的备件需求决策,并起到一定的作用.     

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。     

多基地多无人机协同侦察问题研究

 充分考虑侦察目标的侦察分辨率要求和侦察时间窗约束，以及位于不同基地的无人机(UAV)的侦察性能和可用数目，首次建立了更加贴近军事应用实际的多基地多UAV协同侦察问题(M-MUCRP)的数学模型，并提出了解决该模型的多基地多UAV协同侦察进化算法(M-MUCREA)。M-MUCREA的染色体数据结构有效地表达了问题的解，有利于交叉、变异等进化操作；充分利用与目标侦察分辨率要求以及目标位置和时间窗约束相关的启发信息，构造初始种群,避免进化过程收敛太慢；基于Pareto最优概念的选择算子确保解在多个目标上的有效优化；精英策略避免了丢失进化过程中产生的非劣解，加快算法收敛；变异和交叉算子在保证有效解的前提下，实现了解的多样性，避免了算法陷入局部最优。仿真实验验证了算法能够有效解决M-MUCRP。     

Aerodynamic optimization of rotor airfoil based on multi-layer hierarchical constraint method

Rotor airfoil design is investigated in this paper. There are many difficulties for this high-dimensional multi-objective problem when traditional multi-objective optimization methods are used. Therefore, a multi-layer hierarchical constraint method is proposed by coupling principal component analysis (PCA) dimensionality reduction and e-constraint method to translate the orig-inal high-dimensional problem into a bi-objective problem. This paper selects the main design objectives by conducting PCA to the preliminary solution of original problem with consideration of the priority of design objectives. According to the e-constraint method, the design model is estab-lished by treating the two top-ranking design goals as objective and others as variable constraints. A series of bi-objective Pareto curves will be obtained by changing the variable constraints, and the favorable solution can be obtained by analyzing Pareto curve spectrum. This method is applied to the rotor airfoil design and makes great improvement in aerodynamic performance. It is shown that the method is convenient and efficient, beyond which, it facilitates decision-making of the high-dimensional multi-objective engineering problem.     

超径向可视化技术及其在火箭设计中的应用

针对传统可视化技术处理高维多目标设计优化问题的不足,对超径向可视化技术开展了研究.该技术将超空间Pareto前沿无损地显示于二维空间,有助于设计人员直观了解复杂的Pareto解集空间、并快速获得较好的权衡设计.此外,在超径向可视化过程中,通过采用权重因子和基于偏好区间的颜色标记原则引入设计偏好,可以辅助设计者选择出更加符合特定偏好的设计方案.将超径向可视化技术应用于近地空间火箭的多目标设计优化,验证了该技术处理高维多目标设计优化问题的可行性和高效性.      

基于多目标遗传算法的航空发动机PID控制器参数优化

提出了1种基于多目标遗传算法以及多属性决策的PID参数设计方法,综合考虑了系统超调量、稳定时间和ITAE指标,采用改进非支配解排序的多目标遗传算法（NSGAII）求出了Paret0最优解;用这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行了权值计算,然后采用逼近理想解的排序方法（TOPSIS）进行了多属性决策（MADM）研究,对Pareto最优解给出了排序;计算了某型航空发动机PID控制的数值算例,结果表明所提出的联合方法通用性好,所设计的PID性能优异,适合工程实际应用。     

基于混合多目标粒子群算法的飞行器气动布局设计

 为了提高多目标优化算法求解非劣解集的效率,在多目标粒子群算法的基本框架中引入了Pareto过滤算子、小生境技术和模拟退火算法,建立了全新的混合多目标粒子群算法。该算法具有运算收敛快,所得非劣解集分布均匀、广泛的特点。将其应用于求解以升阻比和效用体积最大化为目标的再入式高超声速飞行器气动布局多目标优化设计模型,将计算结果与原始多目标粒子群算法的计算结果进行对比,体现出本文提出的混合多目标粒子群算法能够更加有效地求解复杂多目标优化设计问题的非劣解集,从而为多目标决策提供有力的支持。     

Aerodynamic multi-objective integrated optimization based on principal component analysis

Based on improved multi-objective particle swarm optimization (MOPSO) algorithm with principal component analysis (PCA) methodology,an efficient high-dimension multiobjective optimization method is proposed,which,as the purpose of this paper,aims to improve the convergence of Pareto front in multi-objective optimization design.The mathematical efficiency,the physical reasonableness and the reliability in dealing with redundant objectives of PCA are verified by typical DTLZ5 test function and multi-objective correlation analysis of supercritical airfoil,and the proposed method is integrated into aircraft multi-disciplinary design (AMDEsign) platform,which contains aerodynamics,stealth and structure weight analysis and optimization module.Then the proposed method is used for the multi-point integrated aerodynamic optimization of a wide-body passenger aircraft,in which the redundant objectives identified by PCA are transformed to optimization constraints,and several design methods are compared.The design results illustrate that the strategy used in this paper is sufficient and multi-point design requirements of the passenger aircraft are reached.The visualization level of non-dominant Pareto set is improved by effectively reducing the dimension without losing the primary feature of the problem.