NSGA-Ⅱ算法的改进及其在多段翼型缝道参数优化中的应用 An Improvement to NSGA-Ⅱ algorithm and its application in optimization design of multi-element airfoil.pdfVIP

第32卷第2期 空气动力学学报 V01．32。No．2 2014年04月 ACTAAERoDYNAMICASINICA Apr．，2014 文章编号：0258—1825(2014)02一0252一06 NSGA—II算法的改进及其在多段翼型 缝道参数优化中的应用 倪昂修，张宇飞，陈海昕 (清华大学航天航空学院，北京 100084) 摘要：提出了NSGA-II算法的一个改进方法，对加入新种群的父代种群个体进行精英筛选，从而增加了新种群中 新个体的数目，以实现更好的全局寻优。选取一个有理论解的优化问题，对算法全局寻优能力的改进进行了验证。 随后使用改进后的NSGA—II算法作为核心算法搭建了集群并行优化平台，对多段翼型的缝道参数进行优化设计， 获得了较为满意的结果。优化验证算例显示，该集群并行优化平台具有较高的效率和可行性。 关键词：遗传算法；NSGA—II；并行优化；多段翼型；缝道参数 中图分类号：V211．3 文献标识码：A doi：10．7638／kqdlxXb一2013．0095 U 引 再 法，置信域方法和伴随方法。局部算法收敛速度较 增升装置对于飞机着陆性能具有较大影响。在 快，但容易收敛到局部最优解，不易获得全局最优解。 着陆状态下，增升装置优化的主要目标是提高最大升 在目标函数较为复杂的情况下(增升装置气动设计就 力系数。三维增升装置设计需要以多段翼型作为基 是一例)，设计目标往往具有多个局部最优值，此时使 础，因此多段翼型的设计也具有较为重要的参考意 用局部方法就显得不太合适。尤其是在初始设计阶 义。本文为了发展集群优化平台，采用多段翼型的缝 段，更需要避免过早地收敛到局部最优解。而全局优 道参数优化作为背景问题，开展NSGA—II遗传算法化算法在寻找全局最优解方面更有优势。全局方法有 的研究。对于增升装置设计而言，由于存在较为严重 很多种，较常见的例如响应面方法[21和启发式方法。 的激波／附面层干扰、尾迹／附面层干扰和不同部件的 遗传算法是一种全局优化算法，是20世纪70年 尾迹融合的现象，流动现象十分复杂。并且由于设计 代由斯坦福大学Holland教授口]所提出的一种启发 点接近失速状态，加之多段翼型几何复杂，更提高了 式算法。这是一种将设计参数进行编码，模仿自然界 CFD分析的难度。由于流动现象的复杂性，给传统 中的基因对编码进行选择、交叉、变异等操作，从而模 的“试错法”进行增升装置设计带来了较大的难度口]。 拟自然界中对基因的优胜劣汰，最终得到表现较优的 使用计算机优化算法作为统筹，逐步改进设计方案， 设计参数。相比于局部算法，遗传算法有更好的全局 并进行大量的构型验证，可以给增升装置的气动设计 寻优的能力。另外，遗传算法是一种基于群体的启发 提供较大帮助。 式算法，它自然地拥有较好的并行计算潜力。本文使 优化算法主要分为局部算法和全局算法两大类。 局部方法的常见过程是：选取一定的初始设计点，通 应用较为广泛的遗传算法有M()GA—II[53等等。 过计算目标函数相对于几何参数的局部导数，或者建 在气动设计中，学者们使用不同的优化算法对多 立局部的代理模型，以确定设计参数的改变方向，随 后对几何参数进行小范围变动，反复迭代直到收敛。 O卜02 *收稿日期：2013一09—24；修订日期：2014 基金项目：国家自然科学基金项目11372160 作者简介：倪昂修(1989)，男，硕士研究生，研究方向：优化算