[打印] [封闭] 宣布时候：[2010-01-11 00:00]

最近几年来取得疾速成长的遗传算法，是一类摹拟达尔文自然退化论的仿生随机优化方式。遗传算法着眼于从一组（种群）潜伏解（个别）中寻觅题目的最好解。经由进程在这一组以后潜伏解之间停止必然的遗传操纵，如挑选，杂交和变异，便无望发生更好的解。这一进程频频停止，直至找到一个能够被接管的解。遗传算法较之别的搜刮手艺具备很多优胜性。这些优胜性包含：1）鲁棒性。遗传算法在计较上简略，搜刮有用，且不必对搜刮空间附加限定性假设。2）固有并行性。遗传算法经由进程一组解，而非单个解停止搜刮，是以具备固有的并行性。3）全局性。遗传算法在搜刮进程中利用随机操纵，能够探测更广的搜刮空间，因此最有但愿取得全局最优解。
本学位论文将遗传算法引入离心紧缩机运动叶栅的优化设想，初次对遗传算法在这一范畴内利用停止了深切而体系的成长和研讨。论文的使命及所取得的成果普遍而有明白工程利用代价。首要使命有：
1．基于叶栅优化题目的庞杂性斟酌，初次对现有规范遗传算法停止了改良，以更有用求解这些题目。提出了三个改良型遗传算法，即对偶顺应性遗传算法，标的目的退化遗传算法和几率二值搜刮遗传算法。在对偶顺应性遗传算法中，提出了一个待优化方针函数的对偶函数，将该对偶函数奇妙的连系进规范遗传算法，从而使遗传算法能够自顺应地停止变异运算，进步算法取得全局最优解的才能。在标的目的退化遗传算法中，提出一个新的遗传算子，标的目的退化算子。该算子以个别的祖父代和父代的退化趋向指点子代的个别变异，能够使新解以最大几率在最优地区发生。在几率二值搜刮遗传算法中，提出对个别基因二值位在遗传退化中的表现停止统计记实，以此记实为指点发生多少新颖解补入种群，以改良种群品质。三个新算法与规范遗传停止的数值测验考试和设想实例对照显现了新算法对遗传算法收敛性的改良是非常可观的（参见Fan, Xi, Wang, Inverse Problems in Engineering, 2000）。
2．论文初次体系提出运动叶栅遗传算法设想现实和设想模子（参见Fan, Journal of Power and Energy, Proc. Instn. Mech. Engrs, 1998）。在设想模子中，以改良型遗传算法为根本，摸索了气动叶栅设想中遗传算子的拔取及运算纪律，提出了合适遗传算法操纵的叶栅个别参数化手艺和响应的基因编码方式。与此同时，在设想模子中，还测验考试将遗传算法与野生神经收集停止连系，提出在遗传算法叶栅设想方式中插手一个前馈野生神经收集战略，用于完成对已知叶片外形的活动阐发，从而削减算法中现实CFD阐发法式计较个别顺应值的时候，延长遗传算法退化周期。别的，初次提出直接管用前馈野生神经收集在遗传算法的练习和演变下完成叶栅气动设想使命的方式。所提出的遗传算法设想模子均具备普遍的通用性，能够与任何条理的CFD流场阐发法式连系。能够对气动叶栅停止肆意命题下的主动设想，既能够对叶栅停止传统意思上的正命题设想和抗命题设想，也能够完成叶栅的夹杂命题设想。
3．传统的离心紧缩机叶轮及别的气动元件均为单点设想，即按一个给定工况点设想。如斯设想出的元件在设想工况点四周尚能较好使命，但当现实运转工况偏离设想工况时，元件的机能就会急剧好转。论文将航空机翼中多点设想的思惟初次引入离心紧缩机叶栅的气动设想傍边，欲经由进程以元件的两个或更多个但愿的运转工况点作为给定设想点，设想出在各个设想点之间均能较好使命的折衷（trade-off）最优化叶栅。论文初次提出气动叶栅多点设想题目的数学描写。对叶栅多点设想题目，提出三个有用获得题目Pareto解集的遗传算法方式求解战略，即全局顺应值比赛战略，双枝比赛战略和Pareto占优比赛战略。所提出的遗传算法多点设想方式取得扩压叶栅设想实例的测验考试考证（参见Fan, Xi, Wang, Journal of Power and Energy, Proc. Instn. Mech. Engrs, 2000, Fan, Xi, Wang, Chinese Journal of Mechanical Engineering, 2000）。
4．遗传算法在叶栅外形优化上的胜利利用鼓励作者测验考试用该方式停止叶栅流场的数值阐发。论文研讨和切磋了生物停止体系与守恒定律安排的非生物物理体系的类似性。基于这些类似性，提出了一个求解流场题目的开端的“遗传算法类”CFD方式。该方式以流场的解作为遗传退化个别，以候选解知足守流体守恒性（如品质守恒，能量守恒等）的偏差作为其顺应性的怀抱，经由进程遗传算法对流场停止求解。开端切磋了守恒性偏差的求解方式所得成果使人鼓励，它开端显现，遗传算法具备停止叶栅流场阐发的庞大潜力。