基于改进多目标布谷鸟搜索算法的翼型气动优化设计

发布时间：2021-10-25 07:16

　　布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法,其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足,采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性:通过引入非支配排序与拥挤距离来改进解的适应度评估;通过改进随机游走策略来提高局部搜索能力;通过引入改进的自适应丢弃概率策略来提高算法的收敛速度;加入档案管理机制,提高解的均匀性。典型的多目标数值算例结果表明,改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例,将改进的MOCS算法应用于多目标气动优化中,改进的MOCS算法共获得64个Pareto解,优化后的翼型气动性能有明显的提升,设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题,改进的MOCS算法与目前主流的NSGA-Ⅱ相比,收敛速度更快。 

【文章来源】：航空学报. 2019,40(06)北大核心EICSCD

【文章页数】：14 页

【文章目录】：
1 多目标布谷鸟搜索算法
2 改进的多目标布谷鸟搜索算法
    2.1 算法改进措施
    2.2 算法步骤
    2.3 仿真测试
3 翼型Pareto多目标优化设计
    3.1 翼型几何外形参数化
    3.2 网格自动生成技术
    3.3 流场数值计算
    3.4 翼型Pareto多目标优化设计
    3.5 3种算法优化结果比较
4 结论


【参考文献】：
期刊论文
[1]基于代理模型的大型民机机翼气动优化设计[J]. 韩忠华,张瑜,许晨舟,王凯,吴猛猛,朱震,宋文萍.  航空学报. 2019(01)
[2]大型民用飞机气动外形典型综合设计方法[J]. 黄江涛,高正红,余婧,郑传宇,周铸.  航空学报. 2019(02)
[3]一种改进的果蝇优化算法及其在气动优化设计中的应用[J]. 田旭,李杰.  航空学报. 2017(04)
[4]布谷鸟搜索算法研究综述[J]. 兰少峰,刘升.  计算机工程与设计. 2015(04)
[5]整数规划的布谷鸟算法[J]. 吴炅,周健勇.  数学理论与应用. 2013(03)
[6]CS算法优化BP神经网络的短时交通流量预测[J]. 高述涛.  计算机工程与应用. 2013(09)
[7]基于NURBS方法的机翼气动外形优化[J]. 马晓永,范召林,吴文华,杨党国.  航空学报. 2011(09)

博士论文
[1]基于代理模型的高效气动优化设计方法及应用[D]. 刘俊.西北工业大学 2015



本文编号：3456911