基于多岛遗传-模拟退火算法的气动外形优化

针对超声速翼型滑翔机的气动外形优化问题,提出了一种多岛遗传算法与模拟退火算法相结合的混合优化算法。首先,通过多岛遗传算法产生一个随机的初始种群,找到全局最优点附近区域的一个次优解;然后,将此次优解作为模拟退火算法的初值启动退火进程,缩小设计空间的范围,找到全局最优解。优化结果表明,所提混合算法可以有效地解决飞行器外形优化问题;在数量巨大的设计空间中,滑翔机的最优气动外形能够以较低的计算资源代价快速得到;双弧形翼型的气动特性较六边形翼型更有优势,叉形尾翼的静稳定性和控制效率高于十字形;优化后的外形极大地增加了滑翔机的滑翔距离。     

多机场协同决策进离场航班排序模型及算法研究

多机场终端区内的航线网络错综复杂,来往同一方向的航班会共用一个交接点,航班的起飞降落不仅要考虑各方向航空器的运行间隔和各受限单元容量的限制,还需着重考虑交接点的间隔限制.基于终端区多机场多元受限情况,建立了终端区多机场协同决策进离场航班排序模型,并设计了递归遗传算法.首先以各机场为单位采用遗传算法进行航班排序,得出各机场延误时间最小的排队序列,之后将各机场航班在交接点处进行聚类并排序,再将各交接点的排队序列反推回各机场,运用递归算法不断优化各机场的航班序列,在保证安全运行的基础上,最终得出各机场的航班排队序列.仿真结果表明,该算法优化效果显著,各机场的总延误时间减少了48.2％,可有效缓解多机场航班延误.     

基于能量管理的横向机动弹道优化设计

为实现小射程能量的有效利用,增强导弹的突防能力和禁飞区规避能力,提出了一种基于能量管理的横向机动弹道设计与优化方法.该方法通过初始离面角使弹道一级偏离传统射面,后面级再修正射面以命中目标.在建立能量管理方程、初始离面角及横向转弯角的解析计算模型的基础上,迭代解析计算机动角的初值;采用遗传算法对机动角及弹道程序进行优化,得到了最优解.仿真结果表明,该方法在满足导弹能量管理的条件下实现了导弹的横向机动,可有效提高弹道导弹的突防能力,优化算法简单可行,收敛效果好.     

原位自生TiB2/Al复合材料车削参数多目标优化方法

原位自生TiB2/Al复合材料具有密度小、比强度高、高耐磨等特点,在航空航天领域具有广泛的应用前景.主要针对TiB2/Al复合材料车削参数对表面粗糙度的影响进行探索性研究.首先,以车削速度、进给速度、车削深度为对象,基于单因素试验研究了车削参数控制域.进一步在控制域内设计正交试验,并基于试验结果研究了表面粗糙度与车削参数的映射关系,推导了材料去除率模型.最后,以表面粗糙度和材料去除率为优化目标,提出并研究了基于GA-Pareto的车削参数多目标优化方法,并通过试验验证了该方法的可行性和有效性.     

Pareto最优解的充分及必要条件

对多目标优化问题不需目标函数的凸性和二次可微性的假设，在约束区域具有严格点凸性的条件下，证明了Ｋｕｈｎ－Ｔｕｃｋｅｒ条件是严格局部Ｐａｒｅｔｏ最优解的必要的充分条件，并以若干例子说明其适用性。     

应用遗传算法的气动优化设计

首先对简单遗传算法进行改进,并对改进前、后算法的计算效率进行了比较;然后以跨音速翼型为例,应用改进的遗传算法进行气动优化设计。经过优化的翼型气动特性垢改善,表明了遗传算法在优化设计中的有效性。在优化设计的过程中,翼型用解析函数的线性叠加表示,目标函数和个体和适应值由欧方程的流场解来提供。     

设计敏度在气动弹性遗传优化中的应用

利用遗传算法和遗传/敏度混合优化算法对某复合材料机翼进行气动弹性优化设计研究,并提出在使用这两种算法时根据设计敏度信息计算设计变量的重要性指标、从而确定主要和次要设计变量、进而调整设计变量变化域的方法,以提高算法的寻优效率.研究表明:设计变量变化域的定义直接影响遗传算法和遗传/敏度混合优化算法的寻优效率,特别是单独使用遗传算法时影响程度更大;定义时应该在确保设计空间包含足够的优秀可行解的前提下,尽可能地缩减搜索空间.所提出的基于设计敏度调整设计变量变化域的方法在实际应用中能取得较好的效果:该方法既能明显提高遗传算法和遗传/敏度混合优化算法的搜索效率,又能显著增强两种算法辨识可行域的能力.      

遗传算法在电子战干扰规划中的应用

电子对抗干扰资源任务规划问题对于充分发挥干扰机作战效能,取得最佳干扰效益有重要作用.结合现代电子战特点,利用搜索论推导出了干扰机压制概率的计算公式,建立了干扰任务分配模型,并阐述了传统匈牙利方法在这一问题处理上的局限性.结合智能优化算法,提出了基于遗传算法的干扰资源优化分配模型.解决了优化分配模型所需的符号编码方式,并给出了相关的选择、交叉、变异等遗传算子的具体设计.利用该模型,解决了2个实例.结果表明,该模型在干扰资源任务配置问题上具有很强的实用性,遗传算法可以有效地辅助指挥员解决干扰资源部署决策这一复杂而困难的问题.     

基于遗传算法的最优Lambert双脉冲转移

研究了初始位置和转移时间不固定的Lambert双脉冲轨道转移的数值解,用三 维图和截面图直观显示了初始位置、转移时间和速度增量的关系,并说明了其在实际工程任 务中的应用价值.基于数值解,提出了Lambert双脉冲轨道转移的优化问题.目标是找到最 优初始位置和转移时间,使燃料和时间的加权和最小.给出了遗传算法求解该优化问题的设 计步骤.该算法应用于2个算例:①平面圆轨道的燃料最优转移,并将遗传算法和Hohmann 转移的结果进行了比较;②椭圆轨道、初始位置有约束的燃料和时间最优转移.结果说明 了遗传算法寻找最优转移解是准确有效的.      

基于云模型的全局最优化算法

基于云模型在定性概念与其定量数值表示之间转换过程中的优良特性,结合遗传算法的基本思想,提出一种自适应高精度快速随机搜索算法,并将之运用到函数寻优中.在定性知识的指导下该算法能够自适应控制搜索空间的范围,较好地避免了传统遗传算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题.算法易于实现,不存在遗传算法中的编码问题.试验结果表明该算法具有精度高、收敛速度快等优点.在众多优化问题上有广泛的应用前景.