按区域惩罚划分的并行多目标遗传算法

解决多学科设计优化问题的多目标遗传算法通常面临着大计算量的挑战,提出了一种新型的并行化算法来提高其效率.全局个体均匀的分布在各个进程,首先从所有的进程中获取全局范围的Pareto最优解极值,并发送给每个进程,再由这些极值来构造各个进程自己的惩罚函数.通过惩罚函数给个体添加约束来划分各个进程的收敛区域,同时采取优化措施保证每个进程加速收敛并且收敛区域没有重叠和遗漏,这样每个进程只需收敛到特定的一段Pareto最优解,降低了计算量;同时由于进程间交换的数据量小,保证了效率的提高.通过与串行算法(NSGA2)和其他的并行化算法比较,显示了该算法的有效性和先进性.     

大气紊流数字仿真的改进方法

赵震炎等提出了一种数字摸拟Dryden大气紊流的方法。该方法使用方便,并具有一定的理论基础。但是在某些步长情况下它的相关函数和Dryden模型的理论值吻合得还不够令人满意。本文从理论上分析了产生误差的原因,并且提出了改进的方法。通过相关性检验可以看到改进后的仿真结果非常符合Dryden谱的大气紊流模型。     

基于Tent映射的自适应混沌混合多目标遗传算法

提出一种Tent映射在计算机上实现的改进算法,有效解决了受计算机字长影响,Tent映射存在不动点和小周期的情况.将改进的Tent映射应用于混沌优化算法中,对基本NSGA-Ⅱ算法进行改进.使用混沌序列对初始种群赋值,提高算法收敛能力;使用改进的混沌搜索增强种群多样性;分别使用基本算法和改进算法对标准测试函数进行数值仿真.统计结果显示:改进的算法可以在保持高效率求解的同时,得到的非劣解在收敛性和多样性指标上均优于基本NSGA-Ⅱ算法.     

基于动态指标的飞机方案多目标优化方法

为提高飞机方案多目标优化过程中最优解的搜索效率,对多目标方案的比较评价方法及其在优化中的应用进行了研究.提出了可用于多目标方案对比评价的基准指标,并建立了利用新生成方案的目标值对基准指标进行动态更新的动态指标.通过采用动态指标构造适应度函数改进了多目标遗传算法,进行的双目标优化算例表明,改进的算法能够获得更优的Pareto前沿.采用改进的多目标优化方法对一种轻型战斗机概念方案进行了优化设计,设置了重量、气动、隐身等4个优化目标,优化结果验证了基于动态指标改进的多目标遗传算法在飞机概念方案设计优化中的有效性.      

基于多目标遗传算法的太阳高纬探测器轨道设计

针对太阳高纬度探测器轨道设计任务要求, 研究了基于多目标遗传算法的小推力借力飞行轨道设计方法. 基于圆锥曲线拼接假设, 将探测器轨道分为小推力日心转移轨道段和木星借力飞行轨道段两部分. 在日心转移轨道段, 选择燃料最省为优化目标, 采用标称轨道法设计小推力的推力控制率. 在借力飞行轨道段, 选择借力后日心轨道倾角为优化目标, 对借力飞行的关键参数进行分析. 采用多目标遗传算法对该多目标进行了优化. 结果表明, 多目标遗传算法可以有效地解决轨道设计中的多目标优化问题. 优化得到的小推力控制率不仅可以节省发射能量, 还可以保证借力飞行后探测器能够进入太阳高纬度探测轨道.     

基于Pareto遗传算法的复合材料机翼优化设计

针对某型飞机设计过程中遇到的副翼反效问题,提出了复合材料机翼满足气动弹性要求的优 化方法,构造了一种基于Pareto最优解定义的多目标遗传算法——Pareto遗传算法.该算法 以权重信息为基础建立Pareto解集过滤器,引入小生境技术等实现Pareto前沿面的求解.测 试函数计算表明该算法有较好的收敛性.以复合材料机翼的升力系数和滚转力矩系数为目标 函数,采用Pareto遗传算法进行计算得出一组Pareto最优解集,计算结果表明,给出的方案 能够满足工程需求,为决策者提供了多种可选方案.      

飞机方案多目标优化的Pareto遗传算法

基于多目标优化问题Pareto最优解的概念,提出了一种求解非劣解集的多目标遗传算法,重点讨论了算法实现中非劣解集的筛选和适应度的计算.将该算法应用于假想的干线客机方案优化设计,要求巡航段升阻比和有用载荷系数两个目标最大,对优化结果进行了分析比较.研究结果显示出MOGA(Multi-Objective Genetic Algorithms)对飞机方案多目标优化设计具有良好的应用前景.      

改进遗传算法在飞机总体参数优化中的应用

基于飞机总体参数设计中的多目标优化问题,提出了改进的多目标遗传算法.算法围绕Pareto最优解的概念,利用遗传算法的内在并行性,设法求取多目标优化问题的"Pareto前沿".将不同的改进遗传算法应用于同一干线客机总体参数优化设计中,要求巡航升阻比和有效载荷系数两个目标达到最大,并对各种算法所得的结果进行综合分析与比较,结果显示:基于Pareto排序的多目标优化算法(NSGA,Non-dominated Sorting Genetic Algorithm)的Pareto解最优,可以支配改进的向量评价遗传算法(VEGA,Vector-Evaluated Genetic Algorithm)和随机权重遗传算法(RWGA,Random-Weight Genetic Algorithm)的结果;而VEGA和RWGA的结果互有优劣.      

解决排班问题的多目标优化模型及算法研究

为提高排班结果的准确性可靠性,提出了排班问题的多目标优化模型,并应用改进的基于信息熵的自适应遗传算法求解模型的最优解.同时引入分割集和模拟退火算法的思想进行优解的选择.通过对航空公司机组排班问题的仿真比较,模型的正确性和先进性得到了验证.      

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

基于遗传进化算法反演吸波结构电磁参数

对多层吸波结构中未知参数层的电磁参数进行了反演.根据传输线理论确立的多层结构电磁参数与反射/透射系数的关系,建立正向反射率计算模型,根据自由空间法原理搭建的测试平台测量得到多层吸波材料不同入射角度下的反射率信息,利用改进的遗传进化算法获取了多层吸波结构中未知参数层的电磁参数.在遗传进化过程中,采用高斯随机数代替基本遗传算法的均匀随机数,避免了传统网络参数法厚度谐振、多值性问题和基本遗传算法易陷入局部最优点的问题.与传统传输/反射法结果的比较,验证了这种方法的可靠性.这种方法同时适用于计算高、低损耗介质材料的电磁参数.      

基于遗传算法的飞行管理系统余度配置优化方法

余度设计是飞行管理系统研制过程中提升其安全性的主要手段之一。针对余度设计受制造预算(经济性)与使用阶段维修保障资源消耗(可靠性)的制约问题,基于飞行管理系统的安全性、基本可靠性及经济性数学模型,利用改进后适用于整数优化的遗传算法,提出了一种以安全性为目标、基本可靠性与经济性为约束的余度配置优化方法,并以实例说明其适用于较为复杂系统的余度配置优化。经过敏感性分析发现,安全性指标最优值随着基本可靠性约束下限的提高而降低,随着经济性约束上限的增加而增加。2种约束条件对优化目标竞争约束,在同一时刻只有1种约束条件起主要约束作用。     

基于神经网络和遗传算法的公差优化设计

针对产品制造中公差与成本之间高度非线性关系的特点,提出了一种综合神经网络与遗传算法进行公差优化的方法,该方法利用遗传算法在大范围解空间内采用概率搜索策略得到全局最优解且有较强鲁棒性的特点,以及神经网络解决高度非线性问题的优越性,首先利用神经网络对公差成本进行仿真,得到具有黑箱特点的公差成本函数关系;然后在公差分配中采用遗传算法,以总成本最小为目标函数,以满足装配公差要求和符合标准公差等级为约束条件进行优化;同时基于VC和Matlab开发了公差优化系统,以飞机舱门锁钩机构为对象进行了验证,并针对不同的公差成本及分配方法进行了对比.结果表明:采用神经网络与遗传算法综合分配的结果与传统方法相比具有较大的优越性.     

基于遗传算法的AT换挡元件方案优选

基于对液力自动变速器(AT,Automatic Transmission)的行星齿轮机构和换挡元件方案的运动学分析,提出了一种可实现换挡元件方案自动优选的智能算法.该方法不同于传统的方案设计方法,采用遗传算法来优化行星齿轮机构的特性参数,并根据换挡元件闭合顺序给出相应方案的偏移值,提出了换挡元件方案优选算法的适应度函数,实现了传动比优化和换挡元件闭合有序化的同步设计,从而缩短方案设计周期.基于MATLAB运算平台,实现了对ZF-8AT的换挡元件方案的优选,得到了3组最优换挡元件方案.结果表明,该算法有效地实现换挡元件方案设计.     

基于MODPSO-GSA的协同空战武器目标分配

提出基于多目标决策理论的协同空战武器目标分配模型,并用进化多目标优化算法求解.空战是一个多阶段攻防过程,针对多数空战武器目标分配采用一次性完全分配、不考虑火力资源消耗等不足,构建多目标决策模型,在达到毁伤门限的前提下,同时对一次攻击后使敌编队的总期望剩余威胁最小和分配导弹消耗量最小两个目标函数寻优.提出用多目标离散粒子群-引力搜索算法(MODPSO-GSA)求解分配模型,该混合进化多目标优化算法结合二者优点,具有稳定的全局搜索能力并保证收敛到Pareto前沿.该算法可求得满足毁伤门限的不同耗弹量的分配方案最优解集以供指挥员决策参考.仿真算例验证了新模型及所提出MODPSO-GSA进化多目标优化求解算法的有效性.      

基于遗传算法的设备布置优化算法

对设备布置问题,建立了多目标优化数学模型.为弥补当前的现场布置遗传算法在变异阶段的不足,将最优个体变异与随机变异相结合,设计了组合变异策略:首先变异最优个体,如果变异出更优的个体,则用新个体替换当前种群的最差个体;如果最优个体变异不成功,则随机选择一个个体执行随机变异.据此,提出了一种改进的遗传算法用于求解设备布置问题.仿真实验证明了组合变异策略能够在明显较短的时间内,取得与随机变异相当的最优布置结果.对比分析进一步验证了该算法的有效性.