邓凯文 陈海昕

(清华大学航天航空学院，北京100084)

基于差分进化和RBF响应面的混合优化算法1)

邓凯文 陈海昕2)

(清华大学航天航空学院，北京100084)

针对气动优化等昂贵优化问题，提出了一种基于差分进化和RBF响应面的混合优化算法HSADE，该方法结合了差分进化算法的强全局寻优能力和RBF响应面方法的快速局部搜索能力，能够同时有效地提高算法的局部搜索效率和全局寻优能力.对各子算法中的策略和逻辑进行了多项改进，提出和应用了基于双败淘汰赛的竞赛赛制和参数自适应等改进策略.对HSADE使用多个典型算例进行了测试，并横向对比了NSGA-II，MOPSO和多目标差分进化算法.测试结果表明，在大多数问题中HSADE在以世代距离表征的局部搜索效率和以超体积比表征的全局寻优能力两项指标上都优于其他算法，证实了以上混合策略及算法改进的有效性.将该算法应用于一个翼型优化问题和一个二维超声速喷管膨胀面优化问题，并横向对比未经改良的差分进化算法DE和另一种混合算法NARSGA，结果表明在接近1000次的函数评估下，HSADE能相对其他算法进一步对翼型减阻0.5 count，在喷管优化中HSADE得到的结果也好于其他两种算法，表明该方法具有较强工程应用价值.

差分进化,响应面方法,计算流体力学,多目标优化,优化设计

引言

随着高性能计算技术的快速发展，高精度数值模拟在飞机气动设计中已得到大量应用.尽管基于高精度数值模拟的优化设计已被广……