先进飞行器总体多目标多学科协同优化方法研究

摘要

针对先进飞行器总体设计中涉及多个学科的耦合以及变量多、变量关系复杂的问题,提出了一种基于自适应Pareto遗传算法的多目标协同优化方法(SAPGA-MOCO).该方法首先在自适应遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器,形成了一种适用于多目标优化设计的自适应Pareto遗传算法(self-adaptive Pareto genetic algorithm,SAPGA);再将SAPGA引入到多学科协同优化方法框架中,构成了基于自适应Pareto遗传算法的多目标协同优化方法(SAPGA-MOCO).SAPGA-MOCO利用协同优化方法的分解、协调机制将复杂系统的优化设计问题分解为一个系统级优化问题和几个学科级优化问题,把SAPGA作为系统级优化器,能够搜索到整个解空间并得到Pareto最优解集.典型数值算例和先进飞行器工程算例测试表明:与Pareto遗传算法和SAPGA相比,SAPGA-MOCO可保证收敛到真正的Pareto最优解集,所求Pareto最优解集具有可靠、均匀和多样等特点.