基于多目标遗传算法的再入飞行器气动布局优化

本文采用多目标遗传算法来确定再入飞行器气动布局优化问题的Pareto最优解集，并和传统的多目标优化方法（加权和方法、约束法）进行比较。通过计算表明，多目标遗传算法能够在一次运行中搜索到优化问题的近似Pareto最优解集，这为飞行器设计得进行目标折衷决策提供了充分的依据。     

基于遗传算法的翼型多目标气动优化设计

采用遗传算法实现了单/多目标情况下NACA0012翼型的气动优化设计。绕翼型的外部无粘流场解采用基于非结构网格的显式时间推进Jameson有限体积方法。遗传算法采用二进制编码,通过外部调用流场解算器对种群适应度函数进行评估。为提高计算效率,使用了动弹网格技术以及使得优化程序可以从任一进化代继续计算的中间进化结果存储技术。优化参数为翼型气动型面,分别以给定来流条件下的升力系数、阻力系数作为优化目标进行了单目标优化设计,并以此为基础,结合博弈论中的Nash博弈,实现了升力系数和阻力系数的多目标优化设计,得到了优化结果。分析表明,该方法具有较高的计算效率,能够给出更优的翼型气动性能,具有一定的实际工程应用前景。     

基于多目标遗传算法的大型客机总体参数优化

在大型客机总体参数设计的基础上,提出总体参数优化的问题。建立多目标优化的数学模型,采用多目标遗传算法对大型客机的总体参数进行优化设计。考虑只对一个目标函数进行优化的单目标优化问题,设计程序进行单目标优化的计算。比较单目标优化和多目标优化的结果,分析两种优化方法的差异。算例表明,采用单目标优化在提升优化目标性能的同时会牺牲其他目标函数的总体性能,而多目标优化能兼顾各个目标函数的需求,并使整体达到最优。     

基于多目标遗传算法的航空发动机PID控制器参数优化

提出了1种基于多目标遗传算法以及多属性决策的PID参数设计方法,综合考虑了系统超调量、稳定时间和ITAE指标,采用改进非支配解排序的多目标遗传算法（NSGAII）求出了Paret0最优解;用这些Pareto最优解构成决策矩阵,使用客观赋权的信息熵法对最优解的属性进行了权值计算,然后采用逼近理想解的排序方法（TOPSIS）进行了多属性决策（MADM）研究,对Pareto最优解给出了排序;计算了某型航空发动机PID控制的数值算例,结果表明所提出的联合方法通用性好,所设计的PID性能优异,适合工程实际应用。     

基于多目标遗传算法的多级轴流压气机优化设计

建立了一种多级轴流压气机的多目标优化设计方法。采用流线曲率法计算压气机气动性能，结合多目标遗传算法来进行性能参数优化。针对一台两级轴流压气机，选定优化设计的目标是最大的总压比和最高的总绝热效率。将转子尾缘的稠度和相对气流角以及静子尾缘的稠度和气流角作为设计变量。通过优化设计得到一组在两个目标上均优于初始设计的Pareto最优解，对典型的Pareto最优解和初始设计进行分析、比较，证明了该优化设计方法的有效性。     

基于遗传算法的航空发动机多目标优化PID控制

提出采用多目标遗传算法,对航空发动机PID控制器参数进行优化设计.使用先进多目标遗传算法NSGA-Ⅱ对航空发动机PID控制器进行参数整定.针对某型航空发动机在飞行包线内的飞行状态进行控制器参数的优化选取,仿真结果表明,与传统手动试凑调节PID控制器参数进行比较,转速阶跃响应过程的性能指标得到了很好的优化,获得了令人满意的优化效果.      

基于改进型遗传算法的多传感器—多目标定位信息融合

针对用遗传算法解决多传感器-多目标定位收敛速度的问题,提出了采用拉格朗日松驰技术改进遗传算法的方法,并给出几种典型情况下算法的实验结果。实验结果表明,改进的遗传算法收敛速度比改进前提高了5—6倍。     

基于多目标遗传算法的航空发动机总体性能优化设计

采用一种基于Pareto最优解的多目标遗传算法—NSGAⅡ算法,以双轴混合排气式涡轮风扇发动机为算例,集成发动机性能模型、流路尺寸模型和质量模型,以单位推力、耗油率等为目标函数进行了多目标优化设计。计算结果表明:NSGAⅡ算法具有较好的稳健性和鲁棒性;基于NSGAⅡ算法的发动机总体性能优化方法能够获得目标空间内分布均匀的Pareto最优解集,有效克服了发动机总体性能方案设计时人工经验依赖较重的缺点,可为决策者进行目标权衡提供充分依据。      

遗传算法在雷达吸波涂层多目标优化设计中的应用

本文利用遗传算法实现了雷达吸波涂层的多目标优化设计.首先对目标函数进行合理设计,同时基于Pareto最优概念,采用非劣分层遗传算法(NSGA)进行多目标优化.对具体实例的优化结果表明,该方法利用共享函数和小生境技术,可以使优化结果均匀的收敛于Pareto域附近.同传统优化方法相比,该方法物理意义明确,对决策者来说更具科学性、针对性和实用价值.     

多目标优化方法库的开发与应用

多目标优化方法库是一个专门针对多目标问题的优化软件。本文介绍了用面向对象方法对方法库进行开发的过程,着重说明了该软件以优化模型为中心的主体框架和以优化算法为核心的模块化结构,以及库中采用的各种多目标优化算法特别是非劣分层遗传算法。最后通过算例说明了方法库的使用方法,证明了其良好的操作性和库中算法优良的性能。     

求解TSP问题的遗传算法

无人侦察机的巡航问题,如果不考虑其它约束条件,实际上是一个 TSP 问题。目前还没有求解 TSP 问题的比较有效的实时算法,我们首先利用改良圈算法求得一个较好的初始种群,再应用遗传算法就可以实时地求得一个较满意的解。     

基于遗传算法的协作优化方法研究

多学科设计优化技术是国内外迅速发展的一门学科,而协作优化方法是多学科设计优化技术中最常用的一种有效的分布式并行优化方法.然而,标准的协作优化方法很难收敛到系统的最优解,而且对初始点的选择非常敏感,不同的初始点可能收敛到不同的解.遗传算法是一种成熟的智能寻优算法,具有很强的全局搜索能力.本文正是为提高协作优化的可靠性和鲁棒性,将遗传算法引入协作优化框架,并且对传统遗传算法进行相应的改进以适用于协作优化框架.算例证明本文提出的基于遗传算法的协作优化方法行之有效,消除了标准协作优化可能收敛不到系统最优解及对初始点敏感的缺陷.     

基于遗传算法的机载武器调度优化

针对航母机载武器弹药调度存在的过程复杂、不确定性强、涉及因素多等特点,建立了现阶段机载武器弹药调度模型。通过设计编码方案,选择适应度函数,设定交叉、变异操作建立了基于遗传算法的调度优化模型,并通过 Matlab软件进行了仿真验证。结果表明,该优化过程可在一定程度上缩短调度总时间,提高调度效率。     

基于混合遗传算法的航班串优化模型研究

分析了飞机排班调度中航班串的编制优化问题,并针对该问题建立优化模型,模型主要考虑了航班串编制时关于航站衔接的要求及过站时间的限制。同时,为求解所建立的模型,构造了一种基于精英选择策略的自适应遗传算法．通过使用实际航班数据对模型进行仿真研究,证明了模型及算法的可行性、     

遗传算法在航班覆盖问题中的应用研究

为了解决航标串生成中的航班覆盖问题,首先采用深度优先搜索算法生成最初航班串。然后在传统遗传算法中引入了启发式算子,将该算法应用在航班覆盖问题上,提高了算法效率,对实例的应用也得到了较好的效果。     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

隐身性能约束的多目标气动外形优化设计

从飞机外形设计的总体、气动和隐身设计要求出发,根据多目标优化的基本概念,将Pareto方法与遗传优化搜索相结合,并采用了群体排序、基于共享机制的小生境技术和Pareto解集过滤器等技术使解集具有良好分布特性,在此基础上建立了一套可满足飞行器外形气动/隐身一体化综合优化设计优化模型和优化方法。文中针对飞行器外形优化设计要求,提出了复杂外形参数化和设计变量的选取原则。并根据某飞行器设计要求,进行了在以隐身特性为约束条件下,以亚声速和超声速气动特性为设计目标的飞行器外形综合优化设计,取得了良好的优化设计结果。     

基于遗传算法的起落架布局设计技术

起落架布局是飞机概念设计阶段十分重要的一环。本文基于遗传算法原理进行起落架布局设计,利用设计中的限制条件和设计经验,确定起落架布局参数的设计空间,通过遗传算法的并行计算,依据目标函数快速高效地确定起落架布局设计的最优方案。