基于多岛遗传-模拟退火算法的气动外形优化

针对超声速翼型滑翔机的气动外形优化问题,提出了一种多岛遗传算法与模拟退火算法相结合的混合优化算法。首先,通过多岛遗传算法产生一个随机的初始种群,找到全局最优点附近区域的一个次优解;然后,将此次优解作为模拟退火算法的初值启动退火进程,缩小设计空间的范围,找到全局最优解。优化结果表明,所提混合算法可以有效地解决飞行器外形优化问题;在数量巨大的设计空间中,滑翔机的最优气动外形能够以较低的计算资源代价快速得到;双弧形翼型的气动特性较六边形翼型更有优势,叉形尾翼的静稳定性和控制效率高于十字形;优化后的外形极大地增加了滑翔机的滑翔距离。     

联结翼布局气动/结构/隐身一体化设计方法

从联结翼多学科优化要求出发,重点对并行子空间设计算法进行了改进.采用Pareto遗传算法作为系统级搜索策略,结构子学科优化则采用模拟退火算法.并在此基础上应用了旨在提高优化计算效率的响应面方法.实现了基于改进型并行子空间设计算法对气动、结构及隐身多目标函数间的折中与优化.     

模拟退火算法和POD降阶模态计算在翼型反设计中的应用

在翼型反设计中用模拟退火算法作为寻找目标函数极值的优化算法;对翼型流场的计算采用基于正交分解(Proper Orthogonal Decomposition-POD)的降阶模态,这种方法可以降低流场反复计算所需的大量机时。本文将二者结合,并应用到翼型反设计领域,对几个给定翼型压力分布反求翼型表面。计算结果表明本文方法是可行的,且优化算法具有全局优化和鲁棒性强等特点。此外,本文提出了用扰动翼型函数的方法形成POD降阶模态中的快照,利用这些快照形成的基模态,拓展了加鼓包函数方法的表达范围。     

基于社会模型改进粒子群算法的翼型优化设计

为了解决粒子群算法在寻优过程中全局最优和局部最优的矛盾,通过在粒子群算法优化过程中引入鱼类的聚群行为,发展了一种基于社会模型的改进粒子群算法。算法以粒子可视范围的不同用法为基础,提出了两种不同的优化策略,同时探讨了种群规模等参数对算法性能的影响,并通过函数测试结果证明了两种优化策略的有效性和不同的优化特性。将改进的优化算法应用在翼型的气动优化中,显著改善了翼型气动特性,提高了算法的全局搜索能力,取得了良好的优化效果。     

基于模拟退火算法与响应面模型的三维气动优化设计方法

提出了一套适用于高耗时三维气动设计问题的优化设计体系.其主要思想是采用改进拉丁超立方体试验设计选取样本点,应用自行开发的三维粘性流场求解程序进行流场计算建立数据库,采用二次响应面方法建立近似模型,再应用高效模拟退火算法进行全局寻优.以NASA rotor57为对象,在详细进行流场计算基础上采用所提出的优化体系对其进行了三维积叠优化设计.在对流量、效率加以严格约束的条件下,总压比可提高1.8%,对流场结构进行了分析.优化结果表明本优化方法省时,适于三维气动设计的特点.     

自适应差分进化算法在气动优化设计中的应用

以实数编码的差分进化（DE）算法为基础,引入种群熵估计方法分析种群个体的分散程度,自适应地调整设计变量的搜索范围。采用Navier-Stokes方程作为主控方程计算翼型气动性能,分别采用标准遗传算法（SGA）、基本DE算法和自适应差分进化（ARDE）算法作为气动性能优化算法进行了针对翼型的气动优化设计。函数测试实例表明,ARDE算法具有更好的收敛稳定性和收敛速度。并针对翼型气动优化问题的特点,分析了参数设置对ARDE算法优化结果的影响。实验结果对比表明,ARDE算法得到了更好的优化结果。     

对称平面稀疏阵列阵形优化方法研究

针对在固定阵元数目、最小阵元间距以及最大孔径条件下平面稀疏阵列阵形优化的问题,对阵元数目为256的平面稀疏阵列分别采用模拟退火算法和粒子群优化算法进行优化仿真,分析比较了模拟退火算法和粒子群算法在平面稀疏阵列阵形优化中的应用效果。仿真结果表明,经过模拟退火算法和粒子群优化算法优化后的平面稀疏阵列均能够抑制副瓣电平,并能够在一定的空域范围内实现波束扫描;相对于粒子群优化算法,模拟退化算法计算方法简单;在相同的迭代次数下,经模拟退火算法优化后的平面稀疏阵列比经粒子群算法优化后的平面稀疏阵列更能够有效地抑制副瓣。     

翼型气动优化设计问题多极值特性研究

认识翼型气动外形优化问题设计空间的多极值特性,有助于人们在翼型设计阶段选择合理的优化算法,提高优化效率、缩短设计周期。研究RAE2822 翼型在优化减阻过程中设计空间的多极值特性,采用ADODGcase2算例,使用自由变形方法(FFD)对翼型进行参数化,通过拉丁超立方抽样方法对翼型加入初始扰动;使用基于梯度的优化算法对经过不同扰动后的翼型进行优化,并将优化结果与全局优化算法的优化结果进行对比。结果表明:ADODGcase2可能是一个单峰值气动设计问题,梯度算法能够得到相对满意的最优解,并且具有更高的优化效率;在给定面积约束的条件下,对于翼型跨声速单点减阻优化问题,设计空间很可能是单峰值的,可直接使用梯度优化算法。     

多段翼型气动力优化设计的多标准高效进化算法

本文分别结合基因算法与博弈论中的竞争型Nash对策及分级型Stackelberg对策构造了多标准高效进化算法,并对二维三段翼型成功地进行了多标准位置增升优化。基因算法在合适地选择了基因操作算子后可以得到全局最优解,博弈论的引入使得传统基因算法具备了无人工干预的多标准优化算法,并且这一优化过程接近于实际翼型工程气动力设计情况。应用本文的方法成功地对三段翼型进行了不同气动条件下的缝翼与襟翼的位置组合优化,最后给出了优化算例,并对两种算法进行了对比。     

应用遗传算法的气动优化设计

首先对简单遗传算法进行改进，并对改进前、后算法的计算效率进行了比较；然后以跨音速翼型为例，应用改进的遗传算法进行气动优化设计。经过优化的翼型气动特性垢改善，表明了遗传算法在优化设计中的有效性。在优化设计的过程中，翼型用解析函数的线性叠加表示，目标函数和个体和适应值由欧方程的流场解来提供。     

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。     

基于改进烟花算法的资源分配

资源分配问题作为一个NP-Hard问题,在云计算、无线电、卫星调度、多无人机协同作业等领域皆有研究需求,是一个共性的数学问题。烟花算法作为一种智能优化算法,具有求解大规模资源分配问题的能力,但也存在求解精度低等问题。为了提高传统烟花算法的计算效率和全局寻优能力,提出一种改进烟花算法,用遗传算法中的变异算子替代高斯变异操作,并增加模拟退火流程。最后在多无人机协同作业任务分配数学模型上进行仿真验证,实验结果表明在收敛速度以及计算精度方面,该算法均优于其余3种烟花算法。     

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。     

高升力翼型的气动优化设计和实验研究

利用遗传算法进行了低雷诺数高升力翼型的气动优化设计,并利用风洞实验检查了设计的正确性。优化后的翼型其气动特性有明显改善,这说明了利用遗传算法进行低雷诺数翼型气动优化的可行性。风洞实验结果验证了优化设计方法的正确性,同时也表明新设计翼型有较高的升力系数和相对大的升阻比,其升阻比提高了10%。     

基于改进遗传算法的燃气轮机自适应建模

综合运用了一种改进的遗传算法和自适应建模技术对燃气轮机的精确特性进行寻优获取.引入自适应机制优化交叉和变异算子,同时引入模拟退火算法,使改进遗传算法能很快接近最优解,并能跳出局部最优的陷阱,在保证解的质量的同时提高了收敛的速度.针对以往自适应模型中未考虑测量参数间的线性相关性和不同的传感器测量精度对目标函数的影响等问题,采用加权方法建立了较为完备的燃气轮机自适应数学模型,应用改进遗传算法获取燃气轮机部件的精确特性,实例计算结果表明:模拟退化改进遗传算法进行的自适应建模效果更好.      

基于自适应模拟退火算法的航空电磁阀优化研究

电磁阀是组成航空发动机数字电子控制系统的重要部件,其响应的快速性是制约航空发动机数字电子控制系统性能的重要因素。根据某型航空电磁阀的设计原理构建了一种电磁阀数学模型,并使用设计参数及实际的试验、试车数据对所建成的航空电磁阀数学模型进行了验证。验证结果显示,所设计的电磁阀数学模型具有较高的动静态的精度,在此基础上,设计了一种基于自适应模拟退火算法的航空电磁阀优化方法,并对电磁阀的线圈匝数、阀芯质量、工作气隙的宽度和模型管直径等4个重要参数进行了优化。研究结果证实,相比于原设计方案,参数优化后的电磁阀开启响应时间缩短了50%,关闭响应时间缩短了45.4%。     

基于改进Q学习的IMA系统重构蓝图生成方法

重构蓝图定义了故障状态下系统软硬件资源的重新配置方案,是实现综合模块化航空电子系统重构容错的关键。提出了一种基于改进Q学习的重构蓝图生成方法,综合考虑负载均衡、重构影响、重构时间、重构降级等多优化目标,并应用模拟退火框架改进探索策略,提高了传统Q学习算法的收敛性能。实验结果表明,与模拟退火算法、差分进化算法、传统Q学习算法相比,本文提出的改进Q学习算法效率更高,所生成重构蓝图质量更高。     

基于混合人工鱼群算法的结构有限元模型修正

将模拟退火算法(SAA)与具有交叉和高斯变异的人工鱼群算法(AFSA)相结合,提出了一种基于混合人工鱼群算法(HAFSA)的结构有限元模型修正方法;针对外编有限元模型修正程序直接嵌入Patran/Nas-tran软件存在困难的情况,设计了一种灵巧且方便的接口模块。以试验模型测试数据与有限元模型计算值的向量残差建立目标函数,在基本AFSA中引入交叉和高斯变异算子用于加快全局优化搜索速度,将目标函数优化值不断刷新公告板,再利用SAA进行局部细化搜索从而显著提高优化解的精度,在满足算法终止条件后获得设计参数的最优值;结合Fortran语言和Visual Basic语言编译接口模块,运行模型修正程序时循环修改Patran软件生成的建模文件并反复调用Nastran软件进行求解。以欧洲航空研究科技组织的基准模型——GARTEUR飞机模型为例,修正结果表明,应用HAFSA进行结构有限元模型修正是可行且有效的。