小世界算法及其在优化设计中的应用研究

发布时间：2020-03-18 03:44

【摘要】：随着科技和社会的进步,人们对最优化的需求愈来愈广,从而对最优化方法和算法的发展形成了巨大的推动力,而这其中以仿生和拟物为基础发展起来的智能优化算法的发展表现最为迅速,小世界算法就是其中代表之一。其区别于传统优化算法,具有适应性强,求解迅速等优点。本文以小世界算法为载体,针对其处理复杂优化问题所存在的缺陷进行了两轮改进,最终提出一种自适应小世界优化算法用于翼型的优化设计中,具体研究工作如下:首先,对复杂网络的发展过程进行了研究,了解小世界算法形成的理论基础,并对小世界算法的原理、特点和操作过程进行了具体的研究。通过10个典型测试函数对基本小世界算法和基本遗传算法进行优化性能对比计算,以此测试小世界算法的优缺点。其次,针对基本小世界算法的缺点进行改进操作,提出了一种混合编码小世界算法。针对基本算法的编码方式、长连接的操作算子进行了改进,且引入了最优保存策略,经过对计算结果对比分析,验证了改进措施的有效性。之后,对函数测试中混合编码小世界算法暴露的问题继续进行改进,通过引入自适应搜索概率,自适应换位操作设计,自适应短连接操作设计,提出了一种自适应小世界算法。经函数测试说明了算法改进策略的可行性,并将其应用到减速器结构的实际案例优化中,验证了其解决复杂优化问题的能力。最后,本文将自适应小世界算法应用于二维翼型的优化设计中,应用MATLAB编程完成算法优化数据与FLUENT流场分析数据的交换工作。优化过程中,借助了GAMBIT软件中的JOU文件对翼型进行二维网格的批处理生成,同时将每一代的翼型调用FLUENT软件进行批量计算,有效节约了优化时间。经过对RAE2822基准翼型进行优化设计,结果表明,本文所采用的方法对翼型的优化设计可达到高效、快速、有效的优化效果,因而具有一定的工程实用价值。
【图文】：

优化方法,最早,单纯形法,生活中

优化设计在生活中的实际应用优化方法最早出现在数学极值的求解问题中，1947年，单纯形法出现之后，

构造过程,网络模型,规则网络

规则网络 P=0 WS 网络 0<P<1 完全随机网络 P=1图 2-1 WS 网络模型的构造过程相对规则网络来说，WS 网络平均最短路径减小，但也使得网络中的每个 “小世界”存在相对孤立的现象，对于网络结构的研究十分不利。因此，，Newman 和Watts 在 WS 网络的基础上构造了 NW 小世界网络模型[51]。NW 网络模型是在规则网络下，随后按照一定概率 P 对网络中的节点进行随机加边处理，如图 2-2 所示。避免了 WS 模型中节点孤立的问题，同时也保证了网络聚集性，缩短了路径，使得网络中节点之间信息达到了更高效的传递。
【学位授予单位】：南昌航空大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：V224

【参考文献】