基于细菌觅食性的改进粒子群优化算法翼型设计

提出了一种基于细菌觅食性的改进粒子群优化算法。该算法以粒子群优化算法的社会模型为基础,添加了个体之间的交流项,丰富了粒子之间的优势信息源,增强了粒子的信息共享能力,同时,引入了细菌觅食算法中的趋化和驱散机制,使得算法能够有效地跳出局部最优。函数测试结果表明,该算法显著地提高了粒子群优化算法的寻优性能,并将该算法应用到了翼型设计之中。     

基于粒子群算法的翼型优化设计

采用粒子群算法（PSO）对层流翼型进行了以提高升阻比为目标的优化设计。翼型的设计达到了设计要求,优化设计后的翼型气动特性也有显著地改善,这表明了粒子群算法应用于翼型气动优化设计的可行性。在优化设计的过程中,粒子采用递减惯性权重,以加强粒子初期的全局搜索能力与后期的局部搜索能力。翼型由解析函数线性叠加法表示,目标函数和粒子的适应度由基于二维欧拉方程的流场数值解来提供。     

粒子群优化算法在微型无人机设计中的应用

针对一种翼展为550mm的电动力微型无人机的优化设计问题．对粒子群优化算法进行了改进，弥补了原来算法当最优解在设计变量上下限边界时无法找到最优解的缺陷，然后对电动力无人机的电池容量的优化选取进行了探讨，最后对该机进行了研制和试飞。由试飞结果可知，该机的留空时间为68min，与优化计算结果十分相近，证明了优化计算结果的可行性和高精度。     

一种单亲DNA算法在翼型设计中的应用

随着遗传工程的不断发展,受其启发建立的各类算法已经应用到各个设计领域.其中,基于达尔文的适者生存、优胜劣汰的生物进化机制,由模拟有性生物的繁殖进化过程演变而来的遗传算法,因其具有全局搜索能力、广泛的适用性等特点在气动设计方面应用的已经比较成熟.但是常规遗传算法在实际应用中也暴露出许多不足,主要就是未能准确反映出生物的双向进化以及变异与交叉化关系的不对等.针对遗传算法的这些问题,本文采用了一种单亲DNA算法,模拟单亲生物自然遗传繁衍机理,将其应用到翼型设计中.与遗传算法相比,全局搜索能力更强,收敛速度更快,     

基于全局信息的粒子群算法翼型综合优化设计

 翼型优化往往需要考虑众多的设计目标和约束条件,对此发展了稳健高效的翼型综合优化方法。在粒子群优化算法中用繁殖策略深度挖掘由Kriging代理模型所获取的全局信息,对基准函数优化、翼型几何外形重构与层流翼型优化问题进行了测试,结果表明该算法可大幅度提高优化速度。将改进的Hicks-Henne翼型参数化方法和雷诺平均Navier-Stokes(N-S)方程流场求解器与优化算法相结合,采用可方便确定权重系数的多目标非线性适应值加权方法,分别对多点、多目标和多约束的超临界翼型与低速翼型进行综合优化,计算结果表明该方法可大大提高气动外形优化的工程实用性。     

一种改进粒子群算法及其在飞控系统中的应用

针对标准粒子群优化算法过早地陷人局部最优问题,提出了一种改进的粒子群优化算法,引人基于均匀设计区域选取的变异算子和改进的自适应权重来提高种群多样性和粒子群搜索效率,并应用于某飞行控制系统的优化调参.通过该方法,不但可以降低结果过早陷人局部最优的可能性,而且还提高了飞行控制系统优化调参的效果,仿真实验验证了该设计方法的有...     

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。     

粒子群优化算法在网络计划资源优化中的应用

对粒子群优化算法在网络计划资源优化中的应用进行了探讨,首先,介绍了粒子群优化算法的基本原理,给出了网络计划中工期固定一资源均衡优化问题的优化目标和数学模型;然后,详细介绍了粒子群优化算法实现网络计划资源优化的算法流程及其编程实现,对典型网络计划进行优化的结果表明粒子群算法可以较好地实现网络计划资源优化。     

基于 HyperDesign 平台的粒子群优化算法插件开发及应用

介绍了适用于飞行器总体设计的多学科优化软件HyperDesign,并基于HyperDesign平台用C++开发了粒子群优化算法插件.通过精心设计的数学算例来测试插件的效率,并将其应用于某喷气教练机总体参数优化设计问题中,验证了该插件在飞行器总体设计中的有效性.本文对HyperDesign进行了二次开发,使作者认识到开发优化算法插件的重要性.     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

基于混合多目标粒子群算法的飞行器气动布局设计

 为了提高多目标优化算法求解非劣解集的效率,在多目标粒子群算法的基本框架中引入了Pareto过滤算子、小生境技术和模拟退火算法,建立了全新的混合多目标粒子群算法。该算法具有运算收敛快,所得非劣解集分布均匀、广泛的特点。将其应用于求解以升阻比和效用体积最大化为目标的再入式高超声速飞行器气动布局多目标优化设计模型,将计算结果与原始多目标粒子群算法的计算结果进行对比,体现出本文提出的混合多目标粒子群算法能够更加有效地求解复杂多目标优化设计问题的非劣解集,从而为多目标决策提供有力的支持。     

粒子群优化方法及其实现

介绍了一种新颖的全局优化搜索新方法-粒子群优化方法,讨论了其中的参数设置问题,给出了一个用VB实现的程序,详细给出了该实现的数据结构和程序框架,该程序以二维视图形象地表现粒子群的寻优过程,并辅以学习曲线,有利于进一步的研究。     

高性能无人机翼型的杂交优化设计

 发展了用于高性能无人机翼型设计的杂交优化设计方法。针对“类全球鹰”翼型的算例表明,该方法能满足低速时高升力（C_L）和跨声速巡航时高气动效率（C_L/C_D）两方面要求。优化翼型较初始翼型,其低速时的设计升力系数提高了19.80%,跨声速巡航时的设计升阻比提高了37.45%,并且在较大的速度区间内优化翼型都具有良好的综合性能。杂交优化设计方法可为高空长航时无人机的设计提供参考。     

混和遗传算法及其在亚音速翼型优化中的应用

为了降低遗传算法中适应度值的计算量,提出了一个新的混合算法,引入了聚类分析和下山单纯形局部寻优两个算子,聚类分析评估种群在欧氏测度上的分布特点后,给出合理的局部寻优空间,有效利用了下山单纯形算法的局部收敛特性,实现了算法的融合。在以升阻比最大为目标的RAE2822亚音速翼型单点设计中,分别采用传统GA算法和新算法进行优化设计,结果表明,新算法有效加快了计算效率,增强了算法对设计空间的挖掘能力。     

基于N-S方程的旋翼翼型优化设计方法

将N—S方程流场分析程序和序列二次规划结合起来，提出了一种工程实用的直升机旋翼翼型设计方法，以提高旋翼翼型在悬停、前飞和机动等多个设计点及在多种约束条件下的气动性能。由N—S方程计算得到的升力、阻力等气动参数构成目标函数，应用数值优化程序对其进行最优化。计算实例表明：本方法设计质量高，所需机时少，易于实施，有较大的工程应用价值。     

基于粒子群算法的飞机总体参数优化

 现有的飞机总体参数优化方法在效率和适应性上存在不足。考虑到粒子群算法是一种基于群智能方法的演化计算技术,它对不同复杂约束条件下的多目标优化问题较常规方法更具简便性和适用性。因此,提出了使用非数值计算的粒子群算法来改进飞机总体参数优化效率。详细研究了粒子群算法在飞机总体参数优化上的应用方法,并着重于3个方面：①以航程、商载和起降距离为优化目标的粒子群算法构建;②粒子群算法中因子的自适应修正方法;③基于粒子群算法的飞机总体参数优化流程。计算结果与文献结果相比具有较好的一致性和合理性,所提出的方法可有效地应用于飞机总体参数优化。     

一种工程实用的跨音速翼型多点优化设计方法

将N-S方程流场分析程序和SQP（序列二次规划）结合起来，发展了一种工程实用的跨音速翼型优化设计方法，用以提高翼型在多个设计点、多种约束条件下的气动性能。由N-S方程计算得到的升力、阻力等气动参数构成目标函数，用数值优化程序对其进行最优化。超临界翼型的设计实例表明，该方法设计质量高，所需机时少，易于实施，有较大的工程应用价值。     

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%。     

粒子群算法在装配序列规划中的应用方法研究

将粒子群优化算法引入到装配序列规划中,详细讨论了粒子群算法在装配规划中的数学表示,给出了适应度函数评价方法,并实现了装配干涉矩阵的构建,以发动机化油器装配为例,分析了粒子群算法在装配序列规划中的具体应用.