改进EGO算法在跨声速翼型气动优化设计中的应用.pdfVIP

第 43卷 第 11期 上 海 交 通 大 学 学 报 Vo1．43NO．11 2009年 11月 JOURNAL0FSHANGHAIJIA0T0NGUNIVERSITY NOV．2009 文章编号 ：1006—2467(2009)1I-1832—05 改进 EGO算法在跨声速翼型气动优化设计中的应用 王红涛， 竺晓程 ， 杜朝辉 (上海交通大学 机械与动力工程学院，上海 200240) 摘 要：为 了解决复杂工程优化问题计算量大的问题 ，提 出了基于Kriging代理模型的改进 EGO (EfficientGlobalOptimization)算法．采用小生境微种群遗传算法求解 Kriging模型的相关向量 ， 避免 了模式搜索算法求解相关向量时对初始值的敏感性问题．采用小生境微种群遗传算法，结合无 惩罚因子的惩罚函数法对 EI(ExpectedImprovement)函数寻优 ，解决 了惩罚因子难 以选择 的问 题，增强了算法的鲁棒性．采用2个数值算例和 1个工程算例对算法进行测试的结果表 明，改进后 的EGo算法收敛精度更高，比较适合在工程 中应用． 关键词 ：翼型；Kriging模型；改进 EGO算法；全局优化 中图分类号：V211．41 文献标志码：A ApplicationoftheImprovedEGO Algorithm inTransonic AirfoilAerodynamicOptimizationDesign WANG Hong—tao， ZHU Xiao—cheng， DU Zhao—hui (SchoolofMechanicalEngineering，ShanghaiJiaotongUniversity，Shanghai200240，China) Abstract：Inordertodecreasethecomputationalexpensesofcomplicatedengineeringoptimizationprob— lem ，theimprovedEGO (EfficientGlobalOptimization)algorithm basedonKrigingsurrogatemodelwas proposed．Nichingmicrogeneticalgorithm insteadofthepatternsearchalgorithm wasusedtogetthecor— relationvectorofKrigingmode，which eliminatesthedependenceofcorrelation vector starting search points．Nichingmicrogeneticalgorithm coupledpenaltyfuncitonapproachwhichdoesnotrequireanypen— ahvparameterwasintroducedtooptimizetheEI(ExpectedImprovement)function．Thismethodreduces thedifficultyoffindingappropriatepenaltyparametersandincreasestherobustnessofthealgorithm．The improvedEGO algorithm wasdiscussedandappliedin twonumericalandoneengineering example．The testresultsshow thattheimprovedEG0 algorithm ismoreefficientandaccurate．Itcanbeused in the complicatedengineeringoptimizationproblemsconveniently． Keywords：airfoil；Krigingmodel；improvedefficientglobaloptimization(EGo)algorithm；globaloptimi— zat1