布谷鳥搜索（CS）算法是一種新型的受自然現(xiàn)象啟發(fā)的元啟發(fā)式智能優(yōu)化算法,其強大的全局搜索能力和收斂速度受到了廣泛關注。多目標布谷鳥搜索（MOCS）算法是一種在單目標布谷鳥算法基礎上發(fā)展的可以直接求解Pareto解集的多目標優(yōu)化算法。針對原始MOCS算法的不足,采用一系列措施以提高算法的收斂精度、收斂速度以及解的均勻性:通過引入非支配排序與擁擠距離來改進解的適應度評估;通過改進隨機游走策略來提高局部搜索能力;通過引入改進的自適應丟棄概率策略來提高算法的收斂速度;加入檔案管理機制,提高解的均勻性。典型的多目標數(shù)值算例結果表明,改進的MOCS算法相較于當前主流的NSGA-Ⅱ算法擁有更快的收斂速度和更高的收斂精度。以RAE2822雙目標升阻比優(yōu)化設計為例,將改進的MOCS算法應用于多目標氣動優(yōu)化中,改進的MOCS算法共獲得64個Pareto解,優(yōu)化后的翼型氣動性能有明顯的提升,設計者可以根據(jù)自己的偏好選取不同的Pareto解。對于氣動優(yōu)化問題,改進的MOCS算法與目前主流的NSGA-Ⅱ相比,收斂速度更快。 

【文章來源】：航空學報. 2019,40(06)北大核心EICSCD

【文章頁數(shù)】：14 頁

【文章目錄】：
1 多目標布谷鳥搜索算法
2 改進的多目標布谷鳥搜索算法
    2.1 算法改進措施
    2.2 算法步驟
    2.3 仿真測試
3 翼型Pareto多目標優(yōu)化設計
    3.1 翼型幾何外形參數(shù)化
    3.2 網(wǎng)格自動生成技術
    3.3 流場數(shù)值計算
    3.4 翼型Pareto多目標優(yōu)化設計
    3.5 3種算法優(yōu)化結果比較
4 結論


【參考文獻】：
期刊論文
[1]基于代理模型的大型民機機翼氣動優(yōu)化設計[J]. 韓忠華,張瑜,許晨舟,王凱,吳猛猛,朱震,宋文萍.  航空學報. 2019(01)
[2]大型民用飛機氣動外形典型綜合設計方法[J]. 黃江濤,高正紅,余婧,鄭傳宇,周鑄.  航空學報. 2019(02)
[3]一種改進的果蠅優(yōu)化算法及其在氣動優(yōu)化設計中的應用[J]. 田旭,李杰.  航空學報. 2017(04)
[4]布谷鳥搜索算法研究綜述[J]. 蘭少峰,劉升.  計算機工程與設計. 2015(04)
[5]整數(shù)規(guī)劃的布谷鳥算法[J]. 吳炅,周健勇.  數(shù)學理論與應用. 2013(03)
[6]CS算法優(yōu)化BP神經(jīng)網(wǎng)絡的短時交通流量預測[J]. 高述濤.  計算機工程與應用. 2013(09)
[7]基于NURBS方法的機翼氣動外形優(yōu)化[J]. 馬曉永,范召林,吳文華,楊黨國.  航空學報. 2011(09)

博士論文
[1]基于代理模型的高效氣動優(yōu)化設計方法及應用[D]. 劉俊.西北工業(yè)大學 2015



本文編號：3456911