基于遗传算法的多方法协作优化方法

采用遗传算法、模式搜索法和Powell法进行多方法协作构成多方法协作优化方法,进行多方法协作优化方法的结构设计,分析多方法协作优化方法的优化性能。实例证明了多方法协作优化方法相对于遗传算法的优越性。     

基于NSGA-II的改进多目标遗传算法

在已有多目标优化算法(NSGA-II)研究和分析的基础上,为加快收敛速度,提高收敛精度,设计了新的初始筛选机制,改进了交叉算子的系数生成,提出了更为合理的排挤机制。通过典型应用函数的计算测试,结果表明:上述改进不仅具有较高的计算效率,而且能够得到分布更为合理的解,且能保持解的多样性分布。     

机身/推进系统一体化高超声速飞行器冷却性能分析

建立了机身／推进系统一体化高超声速飞行器冷却性能分析模型．分别计算了等高度飞行和等动压飞行条件下的机身／推进系统一体化高超声速飞行器的冷却流量需求,对飞行马赫数、巡航高度和飞行动压对冷却流量的影响进行了分析．得到了满足冷却需求的最大飞行马赫数。结果表明在马赫数6～12的范围内．气动加热部件冷却需要总冷流量的约6％～13％,适当配置燃料喷射方案和提高冷却通道出口冷却剂的温度。再生冷却能够满足机身／推进系统一体化高超声速飞行器的冷却流量需求。     

基于嵌入协作的多方法协作优化方法

提出一种基于嵌入协作的多方法协作优化方法。算法采用嵌入方式组织各个优化方法之间的协作,利用优化方法之间的协作效应提高优化性能。进行遗传算法、模式搜索法和Powell法嵌入协作组成的多方法协作优化方法设计。计算实例表明,基于嵌入协作的多方法协作优化方法取得了优于单个优化方法的全局最优特性。     

基于结构风险最小化的径向基插值

分析了径向基插值代理模型的特点,为了提高代理模型的推广能力,引入了结构风险最小化基本原理;指出基函数满足Mercer条件的径向基插值代理模型,本质上也是一类高维分类超平面;文中推导了径向基插值的VC维度与构成径向基插值函数的常数项的导数关系,为此提出了基于结构风险最小化的径向基插值。最后若干函数测试表明基于结构风险最小化的径向基插值提高了代理模型的推广能力。     

基于串联协作的多方法协作优化方法

为更好地求解复杂优化问题的全局最优解，提出了基于串联协作的多方法协作优化方法。它采用串联方式组织各个优化方法之间的协作。各个优化方法在每次协作中进行若干次优化，每一优化方法在优化过程中及优化结果中包含的优化信息被用于其它优化方法中，以提高整体优化性能。选择了遗传算法、模式搜索法和Powell法等三个直接优化方法进行串联协作组成的多方法协作优化方法的设计，并对其优化特性进行了深入的理论分析。最后，用三个复杂多维函数对算法性能进行了测试。计算实例表明，基于串联协作的多方法协作优化方法取得了优于单个优化方法的全局最优特性。     

基于试验设计和响应面近似的高超声速巡航飞行器多学科设计优化

建立了基于试验设计理论和响应面近似的超燃冲压发动机推进的高超声速巡航飞行器多学科设计优化方法。首先建立外形尺寸、质量估算、气动力性能、气动热性能和推进性能学科的分析模型。模型考虑了学科间的耦合效应，结合弹道方程，形成了飞行器的总体性能模型。然后分别采用D—Optimal设计、Taguchi设计和均匀设计选择设计点，通过多机并行计算完成高超声速巡航飞行器性能分析。根据分析结果，构造响应面近似模型。通过响应面近似模型的优化，完成了高超声速巡航飞行器的多学科设计优化。计算表明，基于试验设计的多学科设计优化方法可以用于高超声速巡航飞行器的优化设计。     

应用改进PSO算法求解待约束优化问题

为解决高维复杂CO问题,可将进化算法中保持物种多样性的思想引入基本PSO算法的方法。针对基本PSO算法在迭代后期粒子活性减弱的问题,引入‘吸引’和‘扩散’两个算子,对基本PSO算法的速度更新公式进行改进和考虑固定惩罚函数无法有效引导粒子向可行解方向搜索的缺点,提出LPFM方法替代固定惩罚函数法,以有效引导粒子进入可行解域,并在迭代后期加强对粒子的约束,使其不至因违背约束所获的收益大于所受的惩罚而收敛到不可行解域。最后对改进的PSO算法进行了试验,试验结果表明改进PSO算法对解决高维复杂CO问题是有效的。     

卫星系统总体方案树合成技术研究

针对卫星数字化设计系统中分系统之间的耦合问题,分析了两种不同的分系统建模方式,研究了相应的系统总体方案合成技术,提出了针对并行和串行结构的建模方式对应的系统方案合成和校验算法,进行了合成方案的可行性分析,将总体方案树中出现的大量可能方案减少到少量的可行方案。研究表明,采用并行与串行结合的分系统建模、分系统版本验证可以降低数字化建模的难度,大量淘汰非可行总体方案,从而极大地减少了系统总体方案分析的工作量,提高卫星总体多学科设计优化能力。     

多方法协作免疫进化算法研究

为提高免疫进化算法的全局寻优能力并降低计算复杂度,提出了多方法协作免疫进化算法。对免疫进化算法进行了改进。考虑抗体个体差异性,将抗体种群划分为精英、普通和劣等子群,对其分别执行高斯变异、均匀变异和消亡更新等差别化操作,增强了算法全局搜索能力。模式搜索法的探测和模式移动策略由单步交替改为贪婪下降,加快了算法收敛速度。将模式搜索法作为局部搜索工具嵌入免疫进化流程,同时采用免疫进化信息指导模式搜索法的初始点和参数设置,实现多方法协作优化。采用经典测试函数和某星载电子设备布局优化问题对算法进行了测试,测试结果表明算法寻优能力和收敛速度优于免疫进化算法,计算复杂度有显著下降。