發(fā)布時間：2017-09-05 15:23

  本文關鍵詞：基于自適應遺傳算法的多目標優(yōu)化研究

  更多相關文章： 多目標優(yōu)化 遺傳算法 氣動優(yōu)化 左右距離差值 自適應調(diào)整

【摘要】：第二代非劣排序遺傳算法(NSGA-II)是求解多目標優(yōu)化問題的經(jīng)典算法之一。為了使所求解集能夠更均勻地收斂于Pareto前沿,本文對算法中擁擠距離的排序比較方式進行了改進,引入種群個體左右距離差值比較的概念,并采用了自適應的交叉、變異算子以及最小距離篩選機制,發(fā)展了一種改進的自適應NSGA-II算法(IANSGA-2)。接著,選用典型的多目標測試函數(shù),對發(fā)展的算法從函數(shù)的收斂性和分布性兩方面進行了考核運算,通過與原有算法的比較分析,展示了算法的可行性。在此基礎上,論文把發(fā)展的算法用于翼型多目標優(yōu)化,給出了典型翼型升力系數(shù)和升阻比雙目標最大的優(yōu)化算例。結果表明,優(yōu)化后的升力系數(shù)與升阻比目標值都能均勻地分布在Pareto前沿,其對應的優(yōu)化翼型與初始參考翼型相比,氣動性能得到了明顯的改善。算例總體上展示出發(fā)展的基于左右差值距離比較的自適應NSGA-2算法,綜合性能優(yōu)于經(jīng)典的NSGA-2算法。
【關鍵詞】：多目標優(yōu)化 遺傳算法 氣動優(yōu)化 左右距離差值 自適應調(diào)整
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要4-5
• ABSTRACT5-12
• 第一章 緒論12-17
• 1.1 研究背景12-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-16
• 1.2.1 遺傳算法的研究進展13-14
• 1.2.2 基于進化算法的多目標優(yōu)化算法14-16
• 1.3 本文主要工作16-17
• 第二章 遺傳算法簡介及應用17-27
• 2.1 引言17
• 2.2 遺傳算法基本流程17-22
• 2.2.1 編碼18-19
• 2.2.2 適應度函數(shù)計算19
• 2.2.3 遺傳操作19-20
• 2.2.4 控制參數(shù)選擇20-21
• 2.2.5 約束條件處理21-22
• 2.3 單目標函數(shù)優(yōu)化算例與分析22-26
• 2.4 本章小結26-27
• 第三章 多目標優(yōu)化遺傳算法27-39
• 3.1 引言27
• 3.2 多目標優(yōu)化問題的數(shù)學描述27-28
• 3.3 非支配排序遺傳算法28-29
• 3.4 自適應算法研究29-31
• 3.4.1 自適應遺傳算子29-30
• 3.4.2 自適應篩選距離30-31
• 3.5 左右差值距離評價方法31-32
• 3.6 函數(shù)優(yōu)化驗證結果與分析32-38
• 3.6.1 經(jīng)典測試函數(shù)32-33
• 3.6.2 算法收斂性能分析33-34
• 3.6.3 Pareto前沿分布分析34-35
• 3.6.4 測試結果35-36
• 3.6.5 測試函數(shù)比較36-38
• 3.7 本章小結38-39
• 第四章 基于改進NSGA-2 算法的二維氣動外形優(yōu)化39-52
• 4.1 引言39
• 4.2 CST翼型參數(shù)化方法39-40
• 4.3 算法基本結構40-42
• 4.4 翼型氣動優(yōu)化設計算例42-51
• 4.4.1 網(wǎng)格生成42
• 4.4.2 設計參數(shù)及約束條件42-43
• 4.4.3 低速小攻角翼型多目標氣動優(yōu)化算例43-47
• 4.4.4 跨音速小攻角翼型多目標氣動優(yōu)化算例47-51
• 4.5 本章小結51-52
• 第五章 總結與展望52-54
• 5.1 工作總結52
• 5.2 后續(xù)研究工作展望52-54
• 參考文獻54-58
• 致謝58-59
• 在學期間的研究成果及發(fā)表的學術論文59

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 閻超;甘文彪;;大型飛機氣動設計中的CFD技術[J];航空制造技術;2010年14期

2 劉瓊蓀;周聲華;;基于自適應懲罰函數(shù)法的混合遺傳算法[J];重慶大學學報(自然科學版);2006年06期

3 李春光,鄭宏,葛修潤,王水林;六面體單元等參逆變換的一種迭代解法[J];巖土力學;2004年07期

，

本文編號：798751