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.     

基于改进多目标遗传算法的舰尾紊流模拟方法

为提高舰尾紊流自由大气紊流分量仿真的可信度,提出了一种紊流数值模拟的新方法.首先,使用带有修正系数的Euler前向差分格式表示各个方向的紊流序列,同时结合智能算法的思想,把紊流相关性检验中的均方差误差和相关函数误差作为待优化目标函数,将修正系数的选择看成一个多目标优化问题,并采用改进的多目标遗传算法进行求解.最后,通过仿真算例验证了本文方法的正确性与合理性,计算结果表明该方法可以根据不同的采样步长灵活地生成所需紊流.尤其在小步长情况下,亦可得到很好符合理论值的紊流序列,可以满足虚拟飞行实验的要求.      

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.      

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.      

基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.      

基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高,收敛效率差等问题,提出一种基于混沌精英适应遗传算法（CEA-GA）的多无人机三维协同曲线航迹规划方法。利用层级规划思想,建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型,将复杂约束规划问题分解为子函数优化求解问题,减小计算量;考虑到遗传算法（GA）求解高维复杂约束优化问题存在的性能局限,采用Tent混沌映射均匀初始化种群,以扩大个体搜索空间,丰富种群多样性,在此基础上,通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力,帮助个体跳出局部最优,并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解,仿真实验结果表明：CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率,且能够为集群规划满足约束条件的协同曲线航迹,从而验证了所提方法的有效性和CEA-GA的优越性。     

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.      

一种基于Hausdorff距离的改进星图识别方法

针对基于Hausdorff距离HD(Hausdorff Distance)识别法存在识别速度慢和对星敏感器镜头旋转特别敏感的问题,提出了一种基于Hausdorff 距离进行星图识别的改进算法,它采用有向距离和绝对距离相结合的方法,利用恒星的空间结构信息,构建有向距离匹配模型;根据镜头旋转特性,建立绝对距离抗旋转模型;对两种模型测试研究确定加权因子,同时选取恰当的匹配识别门限,最终实现匹配识别的性能达到最优.仿真实验结果表明,改进后的算法不但保持了原有算法的高识别率,强抗噪性,而且还具有更快的识别速度和好的抗旋转特性.它在实际工程中已得到成功应用.      

混合遗传算法在气动弹性多学科优化中的应用

利用遗传/敏度混合优化算法对复合材料前掠翼飞机进行气动弹性剪裁设计研究.在满足强度、位移、升力效率、副翼效率、发散速度和颤振速度等约束条件的前提下,以机翼复合材料蒙皮铺层的厚度为设计变量,对蒙皮进行重量最小化设计.研究表明,在飞机结构初步设计阶段单纯使用基于敏度的优化算法,很难满足设计上的要求;使用遗传/敏度混合优化算法可以取得较好的结果,该方法适用于飞机结构初步设计.还研究了偏轴角对优化重量的影响.分析结果显示,对于文中所研究的这类蒙皮使用由0°、90°和±45°纤维组成的铺层的复合材料前掠翼飞机,在满足多个约束条件的前提下,其优化重量对于偏轴角的变化相对不敏感.      

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。     

基于混合遗传算法的直升机前推/后拉配平

针对直升机配平模型为多元且初始值难以确定的非线性方程组,以及全局最优解不唯一等问题,发展了一种基于遗传算法/拟牛顿法的高效混合迭代算法。介绍了直升机各个模块动力学方程。其中在旋翼建模中,考虑实际飞行环境下桨叶的运动和操纵特性,以动态入流和叶素法为理论基础,建立了具有配平特性的旋翼气动力模型。基于直升机飞行仿真动力学模型,详细推导了前推/后拉的配平变量和约束方程。通过构造目标函数,将全机配平问题转化为优化问题。通过计算UH-60A直升机在前推/后拉的配平解,并与飞行测试数据进行比较验证。结果表明,前推配平结果与飞行数据有偏差,后拉配平结果与飞行数据吻合。旋翼非定常气动特性是引起总距和脚蹬配平计算误差的主要原因。建立的配平算法适用于直升机不同稳定飞行条件下的仿真。