在多目標優(yōu)化中,Pareto解集是一個分段連續(xù)的k維流形,這一規(guī)律被傳統(tǒng)進化算法所忽略。本文提出了一種基于流形結構重建的多目標優(yōu)化算法,首先利用流形結構重建方法完成解集分布從目標空間到設計空間的映射,建立解集的概率分布,并在目標空間中擴展流形結構,從而借助解集在目標空間的推進來指導優(yōu)化算法的快速演化。數(shù)值算例表明本文算法對于具有不同特征的Pareto前沿具有很好的適應性,能夠極大提高算法的收斂效率。多目標氣動優(yōu)化算例驗證,本文算法相比于常規(guī)多目標進化算法能夠減少約80%的計算量,極大程度縮短了氣動設計的周期。

【文章頁數(shù)】：10 頁

【文章目錄】：
1 算法介紹
    1.1 流形結構重建算法
    1.2 目標空間Pareto前沿擴展
    1.3 基于流形結構重建的多目標優(yōu)化流程
2 解析函數(shù)測試算例
3 氣動優(yōu)化算例
4 結論



本文編號：3751633