基于iSIGHT平台的三维机翼气动优化设计

基于iSIGHT设计平台,结合CFD软件Fluent对三维机翼进行多目标优化设计,以提高其气动性能．设计过程中采用NCGA(neighborhood cultivation)——邻域培植遗传算法,NSGA-Ⅱ(non-dominated sorting)——非支配解排序遗传算法为优化算法,以N-S方程作为主控方程,对三维机翼优化．经过优化设计后结果表明,机翼的气动性能有了显著改善,该优化方法可推广用于多种翼型和机翼优化．     

带自身最好位置权重的粒子群算法

本文研究了粒子群算法的收敛速度，提出了一种带自身最好位置权重的粒子群算法。利用更多其他粒子的有用信息．即通过个体极值加权来平衡算法搜索效率和精度之间的矛盾，并改变了粒子的行为方式。获得对于高维单峰函数．改进的基于收缩因子的自身最好位置赋权PSO算法在收敛速度方面优于单纯的带收缩因子的PSO算法。为带收缩因子的PSO算法提供了一种新思路．     

超越方程的优化解法

针对粒子群算法局部搜索能力差,后期收敛速度慢等缺点,提出了一种改进的粒子群算法,该算法是在粒子群算法后期加入拟牛顿方法,充分发挥了粒子群算法的全局搜索性和拟牛顿法的局部精细搜索性,从而克服了粒子群算法的不足,把超越方程转化为函数优化的问题,利用该算法求解,数值实验结果表明,算法有较高的收敛速度和求解精度。     

混合变异粒子群优化算法及其应用

为改善粒子群优化算法在解决复杂优化问题时收敛质量不高的不足,提出了一种改进的粒子群优化算法,即混合变异粒子群优化算法(HMPSO).HMPSO算法采用了带有随机因子的惯性权重取值更新策略,降低了标准粒子群优化算法中由于粒子飞行速度过大而错过最优解的概率,从而加速了算法的收敛速度.此外,通过混合变异进化环节的引入,缓解了粒子种群在进化过程中的多样性与收敛性这一矛盾,使得算法的全局探索与局部开发得到有效平衡.利用经典的基准测试函数和平面冗余机械臂逆运动学问题的求解来验证提出算法的有效性,试验结果表明:与其他算法相比,HMPSO算法具有更快的收敛速度、更高的收敛精度、更强的收敛稳定性以及更低的计算成本.     

免疫逃避型粒子群优化算法

针对基本粒子群优化算法容易陷入局部极值的缺陷,提出了一种免疫逃避型粒子群优化算法.其基本思想是将初始粒子群划分为寄生与宿主两个种群以模拟生物寄生行为,对寄生种群的粒子采用精英学习策略,对宿主群的粒子采用探索策略,再引入免疫系统的高频变异对寄生群采用相应的免疫逃避机制,以增强群体逃离局部极值、提高算法的全局寻优能力.采用标准测试函数的实验结果表明,该算法在收敛速度和求解精度方面均有显著改进.     

基于粒子群优化算法的库存不确定性分析

库存不确定性问题是供应链不确定性研究的重点之一.利用粒子群优化算法快速搜寻最优解的优点对库存不确定性问题进行仿真分析,得出了库存不确定性环境下的最优解,这说明了粒子群优化算法能够辅助供应链管理者在不确定性环境下对供应链进行优化设计和决策分析.     

翼型绕流干涉噪声的实验与数值研究

来流湍流干扰噪声在风力机叶片气动总噪声级中占有重要地位．选取圆柱/翼型干涉模型从实验和数值两方面研究此类干涉发声现象．实验中通过对翼型表面非定常载荷的测量,重点研究了圆柱位置和翼型攻角的影响,选取的翼型包括两个NACA系列翼型（NACA0012和NACA0018）和两个风力机翼型（s809和s825）,同时利用PIV（particle image velocimetry）技术对低攻角状态下翼型的前缘流场进行了研究．实验结果表明翼型表面非定常压力与圆柱涡脱落存在一定相关性．与此同时采用非定常Reynolds平均(URANS)方法对圆柱/NACA0012翼型的干涉流场进行了非定常数值模拟,并将得到的翼型表面压力频谱与实验结果进行了对比．     

基于近邻刺激的改进粒子群优化算法

针对粒子群算法在优化复杂问题时收敛速度慢和易早熟的缺点,提出了基于近邻刺激的改进粒子群优化算法(NSPSO),通过增加一维刺激机制,加强了种群中粒子相互间的信息交流,改善了粒子的学习能力和算法的搜索能力.同时,粒子在速度更新时自适应采用两种更新机制,防止了陷入局部最优,也增强了粒子的搜索效率.在8个测试函数上的实验表明,与一些改进的粒子群算法相比较,在6个函数上的收敛精度和收敛速度都优于其他改进算法,且t检验结果证明了NSPSO算法具有明显的优势,并通过混合动力汽车能源控制策略的优化问题,进一步验证了NSPSO的有效性.     

一种加入创新粒子的粒子群

粒子群算法是一种基于群体智能的随机并行算法,它在很多优化问题中都得到了比较好的应用。本文针对粒子群容易陷入局部最优解,提出了一种加入创新粒子的粒子群,实验模拟结果表明加入创新粒子的粒子群有更好的结果和收敛速度。     

多重纳什均衡解的粒子群优化算法

提出了一种求解双矩阵对策多重纳什均衡解的粒子群优化算法。该算法通过随机初始点以及迭代粒子的归一化,保证粒子群始终保持在对策的可行策略空间内,避免了在随机搜索中产生无效的粒子,提高了粒子群优化算法求解纳什均衡解的计算性能。最后给出了几个数值例子,说明了粒子群优化算法的高效性。     

求解旅行商问题的一种改进粒子群算法

本文研究了求解旅行商问题的粒子群算法。针对标准粒子群算法在求解旅行商问题过程中容易出现早熟和停滞现象的缺点,提出了一种改进的粒子群算法。首先,在初始种群的选取过程中,利用改进的贪婪策略直接获得具有较高性能的初始种群以提高算法的搜索效率。其次,通过引入次优吸引子,使粒子在搜索过程中可以更加充分地利用群体的信息来提高自身的性能,有效抑制收敛过程中的停滞现象,提高算法的搜索能力。最后为了验证所提出的方法的有效性和可行性,对TSPLIB标准库中的多个实例进行了测试,并给出了数值结果。     

Structural Damage Identification Using an Adaptive Multi-stage Optimization Method Based on a Modified Particle Swarm Algorithm

An adaptive multi-stage optimization method utilizing a modified particle swarm optimization (MPSO) is proposed here to identify the multiple damage cases of structural systems. First the structural damage problem is defined as a standard optimization problem. An efficient objective function considering the first few natural frequencies of a structure, before and after damage, is utilized for optimization. A modified particle swarm optimization (MPSO) dealing with real values of damage variables is introduced to solve the optimization problem. In order to assess the performance of the proposed method, some illustrative examples with and without considering the measurement noise are tested. Numerical results demonstrate the high accuracy of the method proposed for determining the site and severity of multiple damage cases in the structural systems.     

基于改进的粒子群算法求解供应链网络均衡问题

传统的供应链求解方法为投影法,针对其要对投影进行计算,十分复杂的缺点,提出用改进的粒子群算法求解供应链均衡问题,利用动态异步调整学习因子来有效的提高了算法搜索能力与精度。本文介绍了供应链网络均衡问题转变为无约束优化问题的方法,然后用改进的粒子群优化算法进行求解。通过四个数值算例,将实验结果与标准粒子群算法、蜂群算法、学习因子同步变化的粒子群算法进行比较,验证了改进的粒子群优化算法在解决供应链网络均衡问题中的有效性与优越性,为供应链网络求解提供了一种新的方法。     

基于粒子群算法的模糊层次分析法改进及其应用研究

提出了基于粒子群算法(Particle Swarm Optimization)的模糊层次分析法(Fuzzy Analytic Hierarchy Process)模型,简称PSO-FAHP,将模糊判断矩阵一致性的检验、修正及各元素权重值的计算过程转化成非线性带约束系统优化问题,并利用粒子群算法实现了该问题的求解。构建了制造企业供应商选择评价指标体系,最后将该模型应用于制造企业供应商选择评价,结果表明,此模型能有效帮助企业选择较佳的供应商,对供应链构建有一定的指导意义。     

合作博弈的粒子群算法求解

随着局中人人数的增加,利用传统的“占优”方法和“估值”方法进行合作博弈求解无论从逻辑上还是计算上都变得非常困难。针对此问题,将合作博弈的求解看作是局中人遵照有效性和个体理性提出分配方案,并按照一定规则不断迭代调整直至所有方案趋向一致的过程。依据该思路,对合作博弈粒子群算法模型进行构建,确定适应度函数,设置速度公式中的参数。通过算例分析,利用粒子群算法收敛快、精度高、容易实现的特点,可以迅速得到合作博弈的唯一分配值,这为求解合作博弈提供了新的方法和工具。     

径向基函数参数化翼型的气动力降阶模型优化

基于小扰动和弱非线性假设,提出了一种基于气动力降阶模型和径向基函数参数化的翼型优化方法.其主要方法是用径向基函数参数化翼型扰动;通过CFD辨识参数扰动对翼型气动力影响的降阶模型核函数;基于叠加法建立了参数变化对翼型气动力影响的降阶模型;最后基于该气动力降阶模型计算并优化翼型升阻特性.NACA0012翼型优化的结果表明基于气动力降阶模型的优化方法是可行的,可以极大地提高翼型优化速度.     

基于混沌粒子群算法的Tikhonov正则化参数选取

Tikhonov正则化方法是求解不适定问题最为有效的方法之一,而正则化参数的最优选取是其关键.本文将混沌粒子群优化算法与Tikhonov正则化方法相结合,基于Morozov偏差原理设计粒子群的适应度函数,利用混沌粒子群优化算法的优点,为正则化参数的选取提供了一条有效的途径.数值实验结果表明,本文方法能有效地处理不适定问题,是一种实用有效的方法.     

基于混沌粒子群优化算法的灰色GM(1,1)模型在地下水埋深预测中的应用

将混沌优化算法与粒子群优化算法相结合,形成新的混沌粒子群优化算法.利用混沌运动的遍历性,避免陷入局部最优.同时,粒子群算法能加快混沌优化算法的收敛速度,使搜索效率得到提高.用混沌粒子群优化算法优化灰色GM(1,1)模型中的参数,通过横向和纵向比较,优化效果良好,模型预测精度得到了提高.运用该模型对三江平原地下水埋深进行动态预测,预测结果可为有关决策部门提供参考.