遗传算法在气动优化问题中的适应性分析

由于在理论上可找到全局最优解、不需计算灵敏度、对设计空间无特殊要求等这些优点,遗传算法(GA)在气动优化问题中得到了大量的应用.然而,实际应用中算法的理论收敛条件很难满足,面临着严重的计算效率问题.在具体应用中,气动问题本身的特点对算法参数选取和进程设计提出了适应性的要求.本文在分析算法优化机制的基础上,针对气动优化自身特点,以典型气动优化问题为例,对优化参数的设置进行了分析讨论.分析总结了翼型优化问题中参数化模型设计变量维数增加对翼型优化问题的影响,给出了初步定量的参数取值规律.结果表明参数化模型应当选择足够大的变量维数来描述设计空间,在变量维数确定之后选取合理种群规模和截止代数,以保证优化结果的收敛性.所得定性和部分定量的结果可以为优化算法在气动优化中的应用提供依据.     

求解平面翼型亚,跨声速绕流的一个新方法

本文提出了求解平面翼型亚、跨声速绕流的一个新方法。引入流函数和Ｖｏｎ Ｍｉｓｅｓ变换后，亚、跨声速绕机翼无旋流动的基本方程组被化为以流线纵坐标ｙ为未知量的单个二阶偏微分方程－流线控制方程。并通过变换将物理平面上的无限域变为计算平面上有限的矩形域，而后在计算平面采用有限差分线松弛迭代法求解。作为算例，计算了对称翼型ＮＡＣＡ００１２－３４和非对称翼型ＮＡＣＡ４４１２的亚、跨声速有攻角绕流，所得数值结果     

一种启发式混合遗传算法及其在车间作业排序问题中的应用

针对一般车间作业排序问题（n/m/G/Cmax）建立了一种启发式混合遗传算法,将调度规则SPT与MWKR引入遗传搜索过程,并应用邻域搜索法作局部辅助搜索,以提高解的性能。通过与目前一些常用算法的比较表明,该算法具有良好的求解性能与运算效率。     

联合交互式多模型概率数据关联算法

通过对交互式多模型（IMM）算法和概率数据关联（PDA）算法的研究,指出Bar-Shalom和Blom等提出的IMMPDA算法结构和理论上存在的问题。根据全局最优的思想,设计了一个最优波门,从而得到全局最优的量测集合,保证了系统的理论完整性和结构合理性。推导完成了新的联合IMMPDA算法--C-IMMP-DA算法。大量仿真计算验证了C-IMMPDA算法在减少计算量的同时,总体性能上较之原IMMPDA算法有大幅度提高。     

模糊神经网络的侧滑角校正

叙述了一种利用模糊神经网络模型来校正侧滑角的方法。侧滑角的校正基于以下七个输入变量：动静压之比、动压、迎角、滚转速率、偏航速率、飞机重心处侧向过载、基准侧滑角。在模糊神经网络模型的结构辨识中，采用了前向搜寻算法。样本数据的一部分用于训练模糊神经网络，另一部分用于测试和评价所得模型的性能；参数辨识中，采用了反向传播学习算法（即BP算法）。某型飞机的六自由度仿真软件仿真验证表明，用这种方法校正后的侧滑角具有较高的精确度。     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。     

E-mail的安全问题与保护措施

全面分析了E -mail的安全问题 ,并提出了应该采用的有效方法 ,以保护E -mail系统能安全运行。     

基于遗传算法的多机器人系统集中协调式路径规划

根据多机器人系统无碰撞运动的需要,对其工作空间进行了分解,确定了机器人运行路线上的各个可能路径点,从而得到了规划空间的多路径点链接图描述。基于这种对规划空间的链接图建模描述,开发了一种混合遗传算法用于寻找多个机器人的无碰撞协调运动路线。仿真结果表明,这种方法可有效地解决复杂规划空间下的多机器人路径规划问题。     

一种自适应随机优化算法

提出了一种新的基于群体搜索的随机优化算法。该算法的基本思想是：１） 像遗传算法那样,采用二进制串来表示问题的尝试解;２） 解串中每个二进制位的取值,由一可改变的概率分布控制;３）根据群体中最佳解串与最差解串编码结构上的差异,对相关的概率分布进行修改。文中给出的模拟实例,显示了新算法在求解函数全局优化问题中的有效性     

应用遗传算法研究典型冲件级进模排样设计

利用VB语言面向对象，智能化轻松设计界面的特点，建立典型冲件的级进模排样专家系统。实现了用遗传算法进行辅助排样设计决策分析，确定最优排样方案的设计路线。