一种混合粒子群优化算法在翼型设计中的应用

提出了一种分层交换差分粒子群优化算法。作为一种混合算法,将粒子群优化算法与差分进化算法有机地结合了起来,使得粒子种群和差分种群分层交换,共享最优信息,加快了收敛速度,降低了陷入局部最优的风险,函数测试结果表现出算法具有更好的寻优性能。将算法应用到翼型设计之中,取得了良好的优化效果。     

超参数自适应的MOEA/D-DE算法在翼型气动隐身优化中的应用

MOEA/D-DE 算法易于实现，被广泛应用于处理多目标优化问题，但其超参数CR 和F 对算法性能影响较大。基于MOEA/D-DE 算法框架、利用Sobol 全局灵敏性分析方法对差分进化算子中的交叉控制参数CR进行改进，使用莱维飞行策略控制比例因子F，使算法中的超参数拥有自适应能力，得到超参数自适应的MOEA/D-DE 算法——MOEA/D-DEAH 算法；对MOEA/D-DEAH 算法、不同超参数设置的MOEA/D-DE算法和NSGAII 算法进行函数测试和翼型气动隐身优化算例对比。结果表明：MOEA/D-DEAH 算法性能良好，具有较强的鲁棒性，气动隐身优化效果也比其他算法更好。     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。     

多目标翼型优化设计基因算法研究

本文把基因算法用于多目标翼型优化设计,针对基因算法的搜索原理和气功外形特点,提出了与之相适应的Ｂｅｚｉｅｒ曲线基因表达,构造了用于优化设计的适应度函数,发展了一种小种群演化方法。针对小种群基因算法中出现的近亲繁殖问题,提出了远亲配对策略、构造了自适应非均匀变异算子,提高了算法的收敛速度。文中最后给出了基于全位势方程求解程序的翼型重构反设计以及单目标和多目标翼型优化算例。     

大涵道比涡扇发动机循环参数优化算法研究及应用

针对多约束条件与多优化变量的大涵道比涡扇发动机循环参数优化问题,提出了自适应三次变异差分进化算法,运用多个Benchmarks多峰函数对算法进行验证,并将该算法与大涵道比涡扇发动机性能计算程序相结合,对多约束条件下的循环参数进行了优化.计算结果表明:自适应三次变异差分进化算法比传统差分进化算法收敛精度更高、收敛速度更快,大幅度提高了大涵道比涡扇发动机循环参数优化效果,适合解决大涵道比涡扇发动机循环参数优化问题.      

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群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,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

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阻力和升阻比的优化设计。在优化设计的过程中,为避免进化的早熟和停滞,引入了自适应变异并对其作了适当的修改。进行减阻优化设计后的翼型其气动特性有显著的改善,这表明了遗传算法应用于翼型气动优化设计是可行的。在此基础上,进行了最大升阻比和双目标优化设计,得到了较为满意的结果。     

类C-HGB布局锐边化气动隐身优化设计

C-HGB （Common Hypersonic Glide Body）作为美国现今试验成功率最高的高超声速滑翔飞行器已被美国防部列入重点发展项目，并预计发展为三军通用武器。本文针对此类"球+双锥+弹翼"的气动外形和隐身性能进行了研究。采用考虑交互作用的正交设计进行了多约束下参数敏感性分析，并采用改进的基于DE差分变异算子的具有自适应学习机制的优化算法进行气动优化，对优化后的外形采用简单高效的锐边化设计，在提高升阻比的同时可降低雷达散射截面积，极大提高突防能力。锐边设计改变了弹体部分表面温度分布，降低制造成本的同时对热防护系统的设计和红外隐身具有一定积极意义。结果表明：锐边化设计可以得到较好的气动隐身性能，是未来高超声速滑翔飞行器的潜在设计方案。     

基于自适应差分进化算法的变循环发动机模型求解方法研究

为了降低传统迭代算法在求解变循环发动机非线性模型时对初值的依赖性,将模型的求解问题转换为求最小值的优化问题,引入差分进化算法进行模型的求解,并提出一种自适应差分进化算法(ADE)。ADE借助轮盘赌选择法,利用种群的进化经验可以自适应的选择最适合当前种群的差分策略与算法控制参数。针对变循环发动机四个典型工作点的模型求解问题,研究了标准差分进化算法(SDE)的控制参数对其性能的影响,获取了SDE在求解四个典型工作点时的最优控制参数组合,对比分析了ADE与SDE的性能差异,最后研究了种群规模对ADE性能的影响。结果表明：SDE在求解发动机模型时具有较好的鲁棒性,在求解不同工作点时算法的最优控制参数并不完全相同;相比于使用最优控制参数的SDE,ADE可以在不影响算法鲁棒性的情况下提升效率50%以上;减少ADE的种群规模会在提升算法效率的同时破坏鲁棒性。     

基于微分进化算法的二自由度PID控制器参数优化

针对二自由度PID控制器参数多、调节困难等问题,提出了一种基于微分进化算法参数调节优化方法。证明了微分进化算法能够收敛到平稳点,并具有概率全局收敛性。研究了二自由度PID控制器参数与抑制特性、跟踪特性的关系,并将微分算法与遗传算法、粒子群算法的参数优化结果进行了比较。仿真验证表明,微分算法能够更好地实现二自由度PID控制器参数的调节,具有优异的跟踪特性和抑制特性。     

基于改进鲸鱼优化算法的无人机航路规划

针对复杂地形环境下的无人机航路规划问题，提出一种基于改进的鲸鱼优化算法的航路规划算法。首先，根据起始点和目标点等信息，通过坐标系旋转将二维航路规划问题转化为D维空间下的寻优问题；然后，将灰狼优化算法中的等级制度和微分进化算法中的贪婪策略引入鲸鱼优化算法提出改进的鲸鱼优化算法。在保证算法收敛速度的同时，所提的改进鲸鱼优化算法有效地提高了开发能力和搜索能力。最后，将提出的改进算法应用于无人机的航路问题求解。仿真结果表明，所提的改进鲸鱼优化算法能够有效的获得一条代价最优的、有效的航路结果，其性能优于传统的优化算法。     

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。     

Improved NSGA-Ⅱ Multi-objective Genetic Algorithm Based on Hybridization-encouraged Mechanism

To improve performances of multi-objective optimization algorithms,such as convergence and diversity,a hybridization-encour-aged mechanism is proposed and realized in elitist nondominated sorting genetic algorithm (NSGA-Ⅱ).This mechanism uses the nor-malized distance to evaluate the difference among genes in a population.Three possible modes of crossover operators-"Max Distance","Min-Max Distance",and "Neighboring-Max"-are suggested and analyzed.The mode of "Neighboring-Max",which not only takes advantage of hybridization but also improves the distribution of the population near Pareto optimal front,is chosen and used in NSGA-II on the basis of hybridization-encouraged mechanism (short for HEM-based NSGA-Ⅱ).To prove the HEM-based algorithm,several problems are studied by using standard NSGA-II and the presented method.Different evaluation criteria are also used to judge these algorithms in terms of distribution of solutions,convergence,diversity,and quality of solutions.The numerical results indicate that the application of hybridization-encouraged mechanism could effectively improve the performances of genetic algorithm.Finally,as an example in engineering practices,the presented method is used to design a longitudinal flight control system,which demonstrates the obtainability of a reasonable and correct Pareto front.     

混合遗传算法的研究及其在压气机叶型优化设计中的应用

对混合遗传算法进行了初步研究,并以此为基础建立了压气机叶型优化设计平台。在遗传算法中引入模拟退火算法,增强了算法的局部寻优能力,提高了运行效率和优化质量。为维护群体的多样性,保证寻优的收敛,选择概率和交叉概率的设计可以随个体适应度和进化阶段的不同而自适应变化。二维叶型定义采用的是Bezier函数参数化定义方法。该方法可以较好的拟合叶型曲面,并通过少数控制点的调节灵活有效的修正叶型形面。对某压气机二维叶型的正问题数值优化结果表明本研究所建立的优化设计平台具有高效、可靠性好的特点。     

基于改进差分进化算法的飞行控制律评估方法

 针对基本差分进化(DE)算法收敛慢、易陷入局部最优的问题,提出了基于混沌理论(CT)与高斯扰动的DE算法,进而通过典型测试函数仿真证明了该方法在收敛速度与全局搜索能力方面均优于基本型和其他改进型DE算法。在此基础上构建了基于DE算法的飞行控制律评估流程与实施步骤。实例表明,该方法克服了传统评估方法的缺陷,可在全飞行包线范围内及所有可预测参数摄动情况下对飞行控制律进行快速、准确的评估。     

一种基于生物趋化的改进粒子群算法

针对标准粒子群算法进行多极点函数优化时易导致早熟收敛及陷入局部最优的问题,把生物趋化原理引入到粒子群优化算法中,改变传统粒子群优化算法只存在吸引操作而没有排斥操作的单向性,提出一种保持种群多样性的改进算法,并对其关键参数的选择进行了研究。仿真实验结果表明,与传统粒子群优化算法相比,基于生物趋化的粒子群算法对于处理复杂的多峰函数或优化问题,可显著提高算法的全局寻优性能。     

改进的DNA编码遗传算法在翼型设计中的应用

遗传算法作为一种比较成熟的智能算法,因其具有全局搜索能力和并行性得以在翼型气动优化中广范应用.本文在编码方式、种群初始化和遗传算子等方面对标准遗传算法进行了改进.其中,DNA的编码方式增加信息的丰富性;拉丁超立方抽样初始化使种群分布相对均匀;插入、删除、倒位等算子增加种群的多样性,加快收敛;感染算子加速种群摆脱停滞或早...