机加零件可制造性工艺参数优化方法

从改善产品可制造性测试出发，提出了一种机械加工零件工艺参数优化问题的数字模型，采用外点罚函数法把此约束优化问题转化为一无约束优化问题，利用遗传算法进行求解。算例表明了遗传算法对全局优化问题的有效性，这种优化方法可以集成到并行工程环境，以提高产品开发的质量。     

基于Hopfield神经网络和KS函数的优化设计研究

介绍了Hopfield神经网络优化的原理。将神经网络的求解转化为非线性微分方程组的初值问题，并利用MATLAB提供的微分方程组求解器进行计算。对于多约束优化问题，KS函数的包络凝聚特性可以简化约束条件，其光滑可微特性又方便了问题的求解。将其运用于非线性约束规划和某型飞机总体参数优化问题，算例表明此方法是有效的。     

基于Kriging的多目标遗传算法

为了提高多目标优化问题的求解效率,提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法(MOKGA)。MOKGA采用物理规划法将多目标优化转化为单目标优化,然后构建目标函数的考虑约束的EI(Expected Improvement)模型,并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明,与理论解相比,MOKGA算法有很好的优化结果;与NSGA II相比,MOKGA有很快的收敛性。     

基于样条曲线的机动弹头再入轨迹优化研究

使用三次样条函数拟合再入飞行器纵向运动轨迹,以样条曲线上的控制节点为优化参数,将再入轨迹优化问题转化为静态参数优化问题.最后以纵向平面内的最优轨迹为例,以终点速度最大和飞行时间最短为优化目标,采用基于Pareto定级排序遗传算法求解了在末端状态受约束的最优再入轨迹问题,验证了该方法的有效性.     

基于模糊理论的跳跃轨迹多目标优化设计

针对探月返回跳跃轨迹的多目标优化设计问题,提出了一种基于模糊理论的优化设计方法,并对非线性隶属度函数对优化结果的影响进行了研究.首先,将连续的无限维优化问题进行离散化,转化为非线性规划问题;其次,用隶属度函数将各个子目标进行模糊化,将多目标优化问题转化为求模糊判决隶属度函数的最大值问题;最后,求解经过模糊化的非线性规划问题.分析了探月返回跳跃轨迹的特性,表明模糊多目标优化更能体现决策者的偏好.构造了具有不同凹凸性、不同形状的非线性隶属度函数,比较了它们对优化结果的影响,结果表明隶属度函数影响多目标模糊优化结果的首要因素是隶属度函数的凹凸性.     

基于改进非支配排序遗传算法 的维修资源优化配置

针对在武器装备维修保障过程中出现的资源短缺、资源冲突等问题,构建了多目标的维修资源优化配置模型,并且基于加权思想将多目标转化为单目标以方便求解。针对遗传算法求解多目标优化问题存在的解空间过大、收敛速度慢、计算效率低等问题,提出了基于约束的改进非支配排序遗传算法对资源优化配置模型进行求解。实例分析结果验证了模型及算法的可行性和有效性。     

基于贝叶斯优化的磁光阱多参数自主优化系统

磁光阱是一种冷却陷俘原子的装置，磁光阱实验参数的优化是冷原子实验中基础且重要的工作，人工手动优化参数需耗费大量时间，且很难确保最终参数是全局最优的。基于贝叶斯优化的机器学习方法是一种对目标表达式未知、非凸、多峰的量子物理系统进行参数优化的有效方案，该过程通常远快于人工手动调节，且有更大概率找到全局最优值。提出了一种基于贝叶斯优化方法的冷原子多参数自主实时优化实验方案，该方案通过成本函数构造、控制程序编写、贝叶斯算法优化等形成一个可自主优化的闭环系统。实验结果表明，经过约30 min的迭代优化，所提方案可有效完成磁光阱系统的多参数优化，并得到最优的实验结果；所提方案验证了贝叶斯优化方法在多参数物理系统中应用的可行性，通过改进成本函数，还可应用于其他的复杂多参数实验物理系统最优参数快速确定。     

函数优化问题的多方法协作优化

针对复杂函数优化问题,采用多个优化方法进行多方法协作优化。多方法协作优化可以利用各个参与协作的优化方法之间的协作效应,提高优化性能。将遗传算法、模式搜索法和Powell法进行协作构成多方法协作优化方法。采用典型的全局优化测试函数进行实例计算,实例验证多方法协作优化相对于单独优化的优越性。     

增广拉格朗日子集模拟优化方法

传统的工程结构优化设计方法在求解多设计变量、多约束条件的结构优化设计问题时,存在诸多不足,针对上述问题,基于增广拉格朗日约束处理方法和子集模拟优化方法发展一种新的结构优化设计方法——增广拉格朗日子集模拟优化方法(ALSSO).该方法首先利用拉格朗日乘子法处理多重约束条件,然后利用子集模拟优化方法对转化后的无约束优化问题进行求解;对罚函数因子的更新方法进行改进,以保证收敛过程的稳定性;利用两个算例对该方法的计算精度、稳健性以及计算效率进行验证,并与其他优化方法进行对比.结果表明:增广拉格朗日子集模拟优化方法具有非常优秀的寻优性能.     

基于多方法协作优化算法的飞机总体优化设计

针对飞机总体优化设计中存在目标函数与变量之间没有显式关系式等问题,在建立包含推进、气动、性能及重量四个学科的飞机总体设计模型的基础上,采用遗传算法、模式搜索法和Powell法结合的多方法协作优化策略实现了飞机总体参数的优化;并对优化方案进行参数灵敏度分析,优化后飞机正常起飞总重较优化前降低11.6%,优化效果显著.分析结果表明了基于多方法协作优化算法的飞机总体优化设计的有效性.     

考虑层间应力的厚复合材料结构多级优化设计方法

充分发挥复合材料的利用率,降低结构重量,厚复合材料结构优化设计是非常重要的。然而优化设计空间复杂,层间应力问题突出,离散设计变量等问题使得厚复合材料结构的优化变得十分困难。针对由铺层相同的子层板叠成的厚复合材料层合板结构的复杂优化问题,本文提出一种多级优化设计方法。第一级优化采用基于径向基神经网络代理模型的优化设计方法,设计变量为子层内层数及铺层比例;第二级优化分为两个层次进行,系统层以结构重量最轻为目标,设计变量为子层数,子系统层采用遗传算法优化铺层顺序,以层间应力因子最小为目标。结合算例,通过Matlab编写遗传算法,并应用Isight集成Matlab来实现该优化设计方法。结果表明:本文提出的多级优化设计方法是有效的,能够很好地实现具有周期性铺层方式的厚复合材料层合板结构的优化设计。     

一种小波神经网络与遗传算法结合的优化方法

提出一种基于小波神经网络(简称WNN)与Pareto遗传算法相结合的优化方法,并用于内流的数值流场优化计算.小波神经网络由输入层、隐含层和输出层组成.在隐含层用Morlet小波母函数取代了误差反向传播(BP)神经网络中常用的Sigmoid激励函数.Pareto遗传算法具有很好的全局寻优能力和良好的优化效率,在通常情况下它总可以得到均匀分布的Pareto最优解集.典型算例表明:该算法快速、高效,能高精度的完成非线性函数的逼近与映射,其泛化能力很强.      

基于遗传算法的低雷诺数高升力翼型的优化设计

利用遗传算法进行低雷诺数高升力翼型的气动优化设计,优化后的翼型其气动特性有明显改善,从而表明利用遗传算法进行翼型气动优化的可行性.在优化设计过程中翼型由解析函数线性叠加法表示,并对设计翼型进行了升力系数和阻力系数的气动计算,以提供目标函数和个体的适应值.     

基于新型自适应遗传算法的混合可靠性优化模型

提出一种新型的自适应遗传算法。结合Logistic函数和余弦函数,对交叉、变异算子曲线进行非线性化处理,实现了交叉算子和变异算子的非线性自适应调整。用新算法求解测试函数,结果表明新算法能够提高收敛速度和精确度,有效地跳出局部收敛,避免早熟现象发生。并基于提出的新型自适应遗传算法,研究了截尾随机-模糊-区间变量的混合可靠性模型的优化问题,建立了以混合可靠性指标作为优化约束条件的混合可靠性优化模型。以某型飞机变速箱同步器系统的优化设计为例,验证了该模型在工程应用中的有效性。     

基于遗传算法的翼型气动优化设计

采用遗传算法进行跨声速翼型的反设计与阻力和升阻比的优化设计。翼型的反设计达到了设计要求,优化设计后的翼型其气动特性也有显著的改善,这表明了遗传算法应用于翼型气动优化设计的可行性。在优化设计的过程中,翼型由解析函数线形叠加法表示,目标函数和个体的适应值由二维欧拉方程的流场解来提供。     

基于混合粒子群算法的上升段交会弹道快速优化设计

基于梯度搜索的高效性和粒子群搜索的随机性,提出了一种混合粒子群算法,并应用该算法研究了运载火箭上升段交会弹道快速优化设计问题.以运载火箭与目标飞行器在交会时刻的距离最小为目标函数,设计了运载火箭飞行程序,建立了运载火箭上升段交会弹道优化模型,同时分别采用混合粒子群算法、遗传算法和粒子群算法进行求解.仿真结果表明:基于本文算法对运载火箭上升段交会弹道进行优化设计,平均交会位置误差为4.137m,较遗传算法减少了17.940m,平均优化耗时488.922s,较粒子群算法缩短了2342.125s.混合粒子群算法搜索速度较快,收敛精度较高,可用于运载火箭上升段交会弹道的快速优化设计.      

基于IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。     

基于遗传算法与近似模型的全局气动优化方法

开发了基于精英保留策略与小生境技术的求解有约束优化问题的改进遗传算法,并用一多峰值有约束函数对其寻优能力进行了测试。为了降低气动优化设计时间,提出了集成实验设计、三维粘性流场求解程序、二次多项式近似模型、改进遗传算法的具有全局寻优能力的三维气动优化设计体系。采用该方法对NASA Rotor37动叶片叶型进行了以绝热效率最大为目标的优化设计,优化后叶片绝热效率提高1.1%。该结果表明了本优化设计体系省时、高效的特点。     

基于遗传算法及转捩模型的层流翼型优化设计研究

讨论了层流翼型对飞机机翼减阻的重要意义,概述了遗传算法的优化原理及其特点。在基准翼型的基础上,以Hicks—Henne型函数的解析函数线性叠加法来描述翼型。采用遗传算法完成了层流翼型优化设计。计算中采用了转捩模型耦合SST两方程湍流模式,通过求解雷诺平均的N-S方程组模拟了翼型的转捩流动。对计算结果进行了分析,分析表明优化翼型在升力特性、阻力特性方面比基准翼型有很大的提升,达到了优化升阻比的目标。