航空项目资源均衡优化问题的蚁群-模拟退火算法

为有效提高复杂航空项目资源利用率、节约项目成本,提出了一种求解大规模网络计划资源均衡优化问题的蚁群-模拟退火算法。该方法中,首先采用预处理方法对航空项目分级网络计划实施合并,并结合资源指数与搭接网络关系定义建立了资源优化目标函数。然后,探讨了以网络计划为基础的蚁群-模拟退火算法解空间构建方法,给出了算法的状态转移规则、信息素更新规则,提出了增加搜索效率的模拟退火局部搜索策略,并建立了详细的资源均衡优化方案求解步骤。最后,采用典型实例验证了方法的有效性。     

飞机多学科设计优化中的并行多目标子空间优化框架

 针对现有的并行子空间优化框架存在的各子空间仅能有一个优化目标等局限,提出了并行多目标子空间优化框架。该框架将各个学科的优化问题由以往的单目标优化改进为多目标优化,使得每个子空间可以分配到多个优化目标、各子空间的设计变量可以重叠,并且在一次优化中就可获得优化问题的Pareto前沿。介绍了新框架的基本思想和流程,并且阐述了新的学科解耦、子空间的并行优化和系统级的设计变量综合方法。以一个飞机总体设计问题为例,考虑气动、隐身与控制学科,对翼面几何参数和控制律参数进行了优化设计,验证了并行多目标子空间优化框架的有效性和相对于已有方法的优势。     

粒子群算法在求解航空项目资源均衡优化问题中的应用

为了解决航空项目多任务多层级嵌套带来的资源利用率低、需求量集中等问题,将粒子群算法应用于复杂航空项目的资源均衡优化。通过构建资源均衡优化问题的解空间,建立任务开工时间与算法中粒子属性的映射关系。以资源需求均方差为算法的评价函数,在考虑任务逻辑关系而形成的约束条件下,求解项目中非关键节点的实际开始时间,并给出详细资源均衡优化方案。以航空项目中典型机翼装配为算例对算法进行验证,证明所提出的优化方法能够有效削弱资源需求峰值,解决资源需求量集中的问题,达到了项目资源均衡的目的。     

并行遗传算法在机载宽频带天线罩设计中的应用研究

用评估函数法构造了适用于遗传算法求解的复合材料结构多目标优化问题的等价表达形式,给出了离散变量与连续变量混合优化问题解的染色体表示。研究了粗粒并行遗传算法和细粒并行遗传算法在本类问题中应用的优劣。给出的数值实验表明:粗粒并行遗传算法对天线罩等复合材料结构的优化设计具有更好的适应性和鲁棒性。具有很好的应用前景。     

资源约束项目调度问题的粒子群优化算法求解

介绍了应用粒子群优化算法求解资源约束项目调度问题的实现方法。建立了资源约束项目调度问题的数学模型,提出了确定资源约束项目调度问题解空间的办法。采用不同的策略处理前后约束和资源约束。编制了粒子群优化通用程序并对典型项目实例进行了优化,优化结果验证粒子群优化算法求解资源约束项目调度问题的有效性。     

分布式进化算法及其在翼型气动反设计中的应用

构造了一种新型基于基因算法与博弈论的并行分级多目标优化方法，并应用于多段翼型气动反设计。此方法基于二进制编码的基因算法和博弈论，优化变量被分配给不同的博弈者，因而总体优化问题转变为分裂空间中的局部优化问题。文中给出了一个多段翼型形状，位置可压位流的反设计问题的求解算例，引入了基于非结构网格的分级结构。与传统基因算法数值算例的对比表明了本文构造的并行分级算法具有较高的计算效率，可广泛应用于多目标优化问题。     

基于并行蚁群优化的多UCAV任务分配仿真平台

多无人作战飞机(UCAV)协同作战是UCAV参与战斗的主要模式,而多UCAV任务分配是多UCAV协同作战研究的关键问题。针对现有多UCAV任务分配方法中所存在的计算量大、运行时间长等问题,提出了一种基于并行蚁群优化(ACO)的多UCAV任务分配方法。在构建多UCAV空战优势矩阵的基础上,给出了综合态势评估函数;随后阐述了基本ACO算法的基本原理和数学模型,提出了一种用并行ACO算法解决多UCAV任务分配问题的实现方法;最后基于MATLAB图形用户界面(GUI)开发了一种基于并行蚁群优化的多UCAV任务分配仿真平台。实践证明该仿真平台具有良好、开放的可扩展性,且使用方便。     

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。     

基于混合并行多目标禁忌搜索算法的飞机总体优化设计研究(英文)

基于飞机总体设计中的多目标优化问题,采用了一种全新的混合并行多目标禁忌搜索算法。文章首先提出了一种创新的多目标禁忌搜索(MOTS)算法,该算法在传统的MOTS的基础上,增加了TS算法与"Pareto解"的融合机制、优秀解保留机制、"多方向搜索"策略等新的元素。随后又将该算法作了改进,创立了并行多目标禁忌搜索算法。最后在此基础上将并行多目标禁忌搜索与基于向量排序的多目标遗传算法相结合,提出了一种新的混合算法—混合并行多目标禁忌搜索算法。通过对以上各种算法运行结果的比较,得出如下结论:与改进前的多目标禁忌搜索算法相比,并行的MOTS运行结果更优,而混合的MOTS的结果又比前两者更胜一筹。     

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.