一种新的蚁群算法及其在飞行器设计中的应用

尝试将蚁群算法引入飞行器优化设计领域,为此建立了适用于高维、多目标、多约束优化问题的连续空间蚁群算法,并以高超声速飞行器气动布局的多目标优化设计为例进行了验证.优化设计结果与采用遗传算法得到的优化结果进行了对比,指出了蚁群算法的优点.该研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.      

高高空长航时无人机翼型优化设计研究

针对高高空长航时无人机的特点和使用要求,开展了高高空长航时无人机翼型的优化设计研究.为了提高采用遗传算法的气动优化设计的效率,将分布式计算与遗传算法相结合,形成了基于遗传算法和分布式计算的气动优化设计方法,并将该方法与基于反设计概念的工程方法相结合进行了高高空长航时无人机翼型的气动优化设计.设计实践表明,该方法是可行的,设计出的翼型是能够满足工程需要的.     

应用混合演化策略的机翼气动优化设计

把基于实数编码的遗传算法与可变容差法相结合,建立了数值优化设计中的混合演化策略(HES),并将其与机翼的气动分析相结合进行跨音速机翼的气动优化设计.与基准机翼相比,优化设计的机翼其气动性能有较大程度的改善,表明了混合演化策略在机翼优化设计中的有效性.与单纯的遗传算法(GA)相比,应用混合演化策略的气动优化设计具有更高的优化效率和优化质量.     

基于并行多目标遗传算法大涵道分开式排气系统气动优化设计

通过引入快速非支配排序算法、拥挤距离以及拥挤距离比较算子等对基本遗传算法进行改进,并结合massage passing interface(MPI)并行编程技术,发展了主从式并行多目标遗传算法(PMGA).将PMGA与排气系统型面参数化设计方法、Navier-Stokes方程求解器相结合建立了分开式排气系统气动优化设计平台.应用该平台对某型分开式排气系统进行了多目标优化设计,得到了一组在三个目标上都优于初始设计的Pareto最优设计.将典型的Pareto最优设计和初始设计进行分析、比较,证明了该气动优化设计平台的高效性和可靠性.      

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

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。     

飞行器外形多目标多学科综合优化设计方法研究

从多目标多学科综合设计的角度出发，探讨了飞行器外形优化设计方法。建立了针对飞行器外形设计的气动与隐身一体化优化设计模型；采用Pareto遗传算法，建立了多目标优化设计方法；并针对具体算例进行气动外形与隐身特性的综合优化设计，将所得优化设计结果，与初始外形相比较，可以看出，优化后气动和隐身性能都有较大提高，实际结果表明本文提出的方法具有可行性和适用性。     

基于神经网络的翼型优化设计方法研究

针对气动外形优化设计中,气动特性计算可信度要求与巨大计算量之间的矛盾,采用一种基于神经网络构建适用于气动外形优化设计的气动特性计算模型的计算方法.同时,以神经网络近似模型来代替原有的流场数值计算气动分析程序,结合基于遗传算法建立的气动外形优化搜索方法,建立了一种新的翼型优化设计方法.实际翼型优化设计算例表明该方法有效减少了计算量,提高了工作效率,可以获得具有高可信度的设计结果.     

遗传算法结合神经网络的多段翼型优化设计研究

为提高多段翼型增升效能,开展包括襟／缝翼偏度和缝道参数在内的优化设计研究。将神经网络与遗传算法结合的优化设计方法应用于气动优化设计,并针对30P30N三段翼型,分别以8°迎角时升阻比最大和22°迎角时升力最大为目标进行了单目标和多目标优化设计研究。研究结果表明：采用单目标设计虽可在设计点获得较好的优化结果,但在非设计状态气动性能下降;采用多目标优化设计,既可获得良好的中等迎角升阻性能,又可改善大迎角失速性能,使综合气动性能更优;遗传算法与神经网络结合的优化设计方法可满足多段翼型的多点优化设计问题,具有高效、高精度等优点,易于工程应用。     

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.     

一种高效高精度的气动弹性结构优化方法

气动弹性结构优化技术主要包括约束求解和优化算法两个方面的内容。针对常用的基于低阶面元法的静气动弹性分析方法计算效率高但精度低的特点,建立了一种高效高精度的基于高阶面元法的静气动弹性分析方法。针对当前气动弹性结构优化技术使用单一优化算法导致搜索精度低、收敛速度慢等特点,将遗传算法和分形算法进行结合,发展了一种遗传/分形混合算法。针对气动弹性结构优化计算时间长、设备要求高等特点,引入了Kriging代理模型方法来加快优化速度,减少时间和设备的耗费。最后以某大展弦比客机机翼为算例,采用基于高阶面元法的静气动弹性分析方法求解约束响应样本,用Kriging代理模型方法对约束响应进行模型构建和预测,并将Kriging代理模型和遗传/分形混合优化算法进行结合,构建了一种高效高精度的静气动弹性结构优化方法。优化分析结果表明,Kriging代理模型在静气动弹性响应预测上具有很高的精度,平均误差均在5%以下,副翼效率预测的平均误差甚至低于1%;遗传/分形混合算法相比于单一的遗传算法具有更快的收敛速度和更强的全局寻优能力。     

基于混合遗传算法的压气机叶型自动优化设计

1引言遗传算法(Genetic A lgorithms,简称GA)是模拟生物在自然环境中的遗传选择和自然淘汰的进化过程而形成的一种全局优化概率搜索算法。遗传算法实施群体搜索,概率转移,不需要目标函数的导数信息,其全局搜索能力强,简单通用,适于并行处理,因而广泛应用于各种复杂系统的优化问     

火焰筒浮动瓦块的壁温-结构一体化优化

以火焰筒浮动瓦块结构为研究对象,提出了利用神经网络与遗传算法相结合的方法对浮动瓦块中冷却结构变量和安装位置变量进行同步优化.利用遗传算法分别对冷却结构变量和安装位置变量进行优化,将安装位置优化结果作为冷却结构变量优化中遗传操作的依据,最终实现冷却结构和安装位置的同步优化.为了通过计算效率,利用神经网络对安装位置的优化结果进行映射取代其优化过程.算例结果表明:该方法高效、精确,有很好的工程实用价值.      

基于遗传粒子群算法的模拟电路测试点选择

针对模拟电路测试点选择的特点,提出利用遗传粒子群算法与整数编码故障字典相结合的方法进行测试点选择。首先根据各测试点的数据建立整数编码故障字典,然后利用遗传粒子群算法选取最优测试点。将该方法应用于实际模拟滤波器的测试点选择,结果表明：利用该方法很容易求出模拟电路的全局最优测试点。     

基于实数编码遗传算法的轨迹综合优化设计

提出了一种基于实数编码遗传算法的机构轨迹综合优化设计。在传统二进制编码遗传算法上进行改进,采用具有更快全局寻优能力的实数编码遗传算法对四杆机构各参数进行优化,从而得到机构最优解。运用MATLAB软件实现遗传算法优化设计,结果表明了此方法的有效性。     

基于多子人口群协作进化的拦截轨道优化

针对基本遗传算法对航天器拦截轨道数值优化计算效率较低的问题,提出了一种新的基于多子人口群协作进化的算法。使用子人口划分技术提高了人口多样性防止早熟,用免疫算子减小搜索空间,两者都加速了进化计算过程。应用此算法求解了具有推力约束和拦截时间约束使燃料消耗量最小的航天器拦截轨道,并分析了其与基本遗传算法的不同。通过航天器拦截轨道仿真表明,该算法优于基本遗传算法,可用较少的计算时间得到全局最佳解,提高了航天器拦截轨道优化的计算效率。     

基于自适应模拟退火遗传算法的月球软着陆轨道优化

 将自适应遗传算法与模拟退火算法相结合，形成一种自适应模拟退火遗传算法。该算法不但具备了自适应遗传算法的强大全局搜索能力，也拥有模拟退火算法的强大局部搜索能力。针对月球软着陆轨道优化的特点，利用一种新的参数化方法将轨道优化问题转换为非线性规划问题，并应用提出的自适应模拟退火遗传算法进行优化。数值结果表明：该算法的收敛速度快，优化精度高，且避免了初值敏感、病态梯度和局部收敛等问题，能够搜索到全局最优轨道。     

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。