多目標優(yōu)化方法研究及其工程應用.pdf

1、對飛行器進行多目標優(yōu)化設計是十分必要的。但是，目前常用多目標優(yōu)化方法自身的不足及其在實際應用中存在的諸多困難，一直阻礙著多目標優(yōu)化方法在航空航天領域中的應用。為此，本文側(cè)重于多目標優(yōu)化方法及其在工程應用中的研究，具體如下： 1、對目前常用的多目標優(yōu)化方法進行了分類和對比研究。研究表明，多目標粒子群優(yōu)化算法(MultipleObjectiveParticleSwarmOptimization，MOPSO)是一種性能相對優(yōu)越的多目標

2、優(yōu)化方法。 2、針對MOPSO算法與PSO算法(ParticleSwarmOptimization)局部搜索能力差的缺點，提出了單純形與多目標粒子群優(yōu)化方法的混合算法(SimplexMethod-MultipleObjectiveParticleSwarmOptimization，SM-MOPSO)以及單純形與單目標粒子群優(yōu)化方法的混合算法(SimplexMethod-ParticleSwarmOptimization，SM-P

3、SO)。經(jīng)經(jīng)典測試函數(shù)驗證，SM-PSO算法以及SM-MOPSO算法不僅繼承了粒子群優(yōu)化算法原有的優(yōu)越性，而且有效克服了粒子群優(yōu)化算法局部搜索能力差的缺點，可以得到高品質(zhì)的非劣解和非劣解集。 3、演化算法在求解大型、復雜的工程優(yōu)化問題時，由于大量耗時的高精度分析計算，導致算法的優(yōu)化效率很低。為此，本文提出適用于求解單目標和多目標優(yōu)化問題的模型管理框架。利用該模型管理框架可以在整個尋優(yōu)區(qū)域內(nèi)建立比較精確的目標及約束的近似模型，不僅

4、能夠得到比較滿意的優(yōu)化結(jié)果，而且避免了大量耗時的高精度分析計算，有效提高了演化算法的效率。例如，利用該模型管理框架進行某載人返回艙氣動布局單目標優(yōu)化設計、某大型無人機機翼結(jié)構(gòu)的多目標優(yōu)化設計時，不僅得到了可以接受的優(yōu)化結(jié)果，而且高精度計算的次數(shù)分別是未采用該技術(shù)時的7.82﹪和3.5﹪。 4、為了進一步提高SM-PSO算法以及SM-MOPSO算法的優(yōu)化效率，本文介紹了如何采用網(wǎng)絡并行計算技術(shù)，在實驗室組建自己的高性能計算平臺-P

5、C機群，并提出了一種適合于粒子群優(yōu)化算法自身特點的遷移策略，和一種在并行環(huán)境下效率較高的混合算法的結(jié)合方式，從而方便、高效地實現(xiàn)了SM-PSO算法與SM-MOPSO算法的網(wǎng)絡并行計算。采用并行SM-MOPSO算法求解××飛機吊掛結(jié)構(gòu)的多目標優(yōu)化設計問題，在一定程度上縮短了優(yōu)化時間。 5、優(yōu)化算法在得到非劣解集后，決策人還必須研究如何從眾多的非劣解(備選方案)中選擇出最終設計方案。為此，本文提出了基于信噪比的多目標決策方法。該決策

6、方法在多目標優(yōu)化設計的研究中引入了穩(wěn)健設計的思想，運用信噪比的概念在非劣解集中選擇最穩(wěn)健的設計作為最終方案?；谛旁氡鹊亩嗄繕藳Q策方法，不僅給決策人提供了相當多的信息使決策人可以方便的確定偏好，而且考慮了設計的穩(wěn)健性，是一個簡單易行，具有工程應用價值的多目標決策方法。采用某輕型飛機齒輪箱多目標優(yōu)化設計為算例，驗證了采用基于信噪比的多目標決策方法的必要性和有效性。 6、提出了一種效率較高的交互式多目標優(yōu)化算法，交互式多目標粒子群優(yōu)

7、化算法(InteractiveMultipleObjectiveParticleSwarmOptimization，簡稱IMOPSO)。IMOPSO算法中采用徑向基神經(jīng)網(wǎng)絡技術(shù)能夠?qū)δ繕碎g的關系進行很好的近似。當?shù)玫侥繕碎g權(quán)衡關系的近似表達式以后，決策人可采用期望水平的方式簡單而準確的表達出偏好信息。IMOPSO算法中，通過合理的參數(shù)設置，可以使粒子種群比較迅速的收斂于決策人滿意的期望水平附近，是一種效率較高的交互式多目標優(yōu)化算法。采用