1、對(duì)飛行器進(jìn)行多目標(biāo)優(yōu)化設(shè)計(jì)是十分必要的。但是，目前常用多目標(biāo)優(yōu)化方法自身的不足及其在實(shí)際應(yīng)用中存在的諸多困難，一直阻礙著多目標(biāo)優(yōu)化方法在航空航天領(lǐng)域中的應(yīng)用。為此，本文側(cè)重于多目標(biāo)優(yōu)化方法及其在工程應(yīng)用中的研究，具體如下： 1、對(duì)目前常用的多目標(biāo)優(yōu)化方法進(jìn)行了分類和對(duì)比研究。研究表明，多目標(biāo)粒子群優(yōu)化算法(MultipleObjectiveParticleSwarmOptimization，MOPSO)是一種性能相對(duì)優(yōu)越的多目標(biāo)

2、優(yōu)化方法。 2、針對(duì)MOPSO算法與PSO算法(ParticleSwarmOptimization)局部搜索能力差的缺點(diǎn)，提出了單純形與多目標(biāo)粒子群優(yōu)化方法的混合算法(SimplexMethod-MultipleObjectiveParticleSwarmOptimization，SM-MOPSO)以及單純形與單目標(biāo)粒子群優(yōu)化方法的混合算法(SimplexMethod-ParticleSwarmOptimization，SM-P

3、SO)。經(jīng)經(jīng)典測(cè)試函數(shù)驗(yàn)證，SM-PSO算法以及SM-MOPSO算法不僅繼承了粒子群優(yōu)化算法原有的優(yōu)越性，而且有效克服了粒子群優(yōu)化算法局部搜索能力差的缺點(diǎn)，可以得到高品質(zhì)的非劣解和非劣解集。 3、演化算法在求解大型、復(fù)雜的工程優(yōu)化問題時(shí)，由于大量耗時(shí)的高精度分析計(jì)算，導(dǎo)致算法的優(yōu)化效率很低。為此，本文提出適用于求解單目標(biāo)和多目標(biāo)優(yōu)化問題的模型管理框架。利用該模型管理框架可以在整個(gè)尋優(yōu)區(qū)域內(nèi)建立比較精確的目標(biāo)及約束的近似模型，不僅

4、能夠得到比較滿意的優(yōu)化結(jié)果，而且避免了大量耗時(shí)的高精度分析計(jì)算，有效提高了演化算法的效率。例如，利用該模型管理框架進(jìn)行某載人返回艙氣動(dòng)布局單目標(biāo)優(yōu)化設(shè)計(jì)、某大型無人機(jī)機(jī)翼結(jié)構(gòu)的多目標(biāo)優(yōu)化設(shè)計(jì)時(shí)，不僅得到了可以接受的優(yōu)化結(jié)果，而且高精度計(jì)算的次數(shù)分別是未采用該技術(shù)時(shí)的7.82﹪和3.5﹪。 4、為了進(jìn)一步提高SM-PSO算法以及SM-MOPSO算法的優(yōu)化效率，本文介紹了如何采用網(wǎng)絡(luò)并行計(jì)算技術(shù)，在實(shí)驗(yàn)室組建自己的高性能計(jì)算平臺(tái)-P

5、C機(jī)群，并提出了一種適合于粒子群優(yōu)化算法自身特點(diǎn)的遷移策略，和一種在并行環(huán)境下效率較高的混合算法的結(jié)合方式，從而方便、高效地實(shí)現(xiàn)了SM-PSO算法與SM-MOPSO算法的網(wǎng)絡(luò)并行計(jì)算。采用并行SM-MOPSO算法求解××飛機(jī)吊掛結(jié)構(gòu)的多目標(biāo)優(yōu)化設(shè)計(jì)問題，在一定程度上縮短了優(yōu)化時(shí)間。 5、優(yōu)化算法在得到非劣解集后，決策人還必須研究如何從眾多的非劣解(備選方案)中選擇出最終設(shè)計(jì)方案。為此，本文提出了基于信噪比的多目標(biāo)決策方法。該決策

6、方法在多目標(biāo)優(yōu)化設(shè)計(jì)的研究中引入了穩(wěn)健設(shè)計(jì)的思想，運(yùn)用信噪比的概念在非劣解集中選擇最穩(wěn)健的設(shè)計(jì)作為最終方案?；谛旁氡鹊亩嗄繕?biāo)決策方法，不僅給決策人提供了相當(dāng)多的信息使決策人可以方便的確定偏好，而且考慮了設(shè)計(jì)的穩(wěn)健性，是一個(gè)簡(jiǎn)單易行，具有工程應(yīng)用價(jià)值的多目標(biāo)決策方法。采用某輕型飛機(jī)齒輪箱多目標(biāo)優(yōu)化設(shè)計(jì)為算例，驗(yàn)證了采用基于信噪比的多目標(biāo)決策方法的必要性和有效性。 6、提出了一種效率較高的交互式多目標(biāo)優(yōu)化算法，交互式多目標(biāo)粒子群優(yōu)

7、化算法(InteractiveMultipleObjectiveParticleSwarmOptimization，簡(jiǎn)稱IMOPSO)。IMOPSO算法中采用徑向基神經(jīng)網(wǎng)絡(luò)技術(shù)能夠?qū)δ繕?biāo)間的關(guān)系進(jìn)行很好的近似。當(dāng)?shù)玫侥繕?biāo)間權(quán)衡關(guān)系的近似表達(dá)式以后，決策人可采用期望水平的方式簡(jiǎn)單而準(zhǔn)確的表達(dá)出偏好信息。IMOPSO算法中，通過合理的參數(shù)設(shè)置，可以使粒子種群比較迅速的收斂于決策人滿意的期望水平附近，是一種效率較高的交互式多目標(biāo)優(yōu)化算法。采用