杨梅花，夏露，张欣，米百刚

(西北工业大学 航空学院，西安 710072)

基于粒子群和人工蜂群混合算法的气动优化设计

杨梅花，夏露，张欣，米百刚

(西北工业大学 航空学院，西安 710072)

现代启发式智能算法存在全局与局部搜索能力的平衡问题，针对此问题，采用双种群进化策略和信息交流机制，提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO，并分别进行函数测试和翼型的气动优化设计验证。结果表明：MABCPSO新型混合优化算法具有更好的寻优能力，相比粒子群算法和人工蜂群算法，该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。

粒子群算法；人工蜂群算法；混合算法；气动优化设计

0 引 言

随着计算机技术和计算流体力学的快速发展，采用数值优化方法进行飞行器的气动设计，可以大幅提高优化设计的效率并节约设计成本。然而，传统的基于目标函数梯度信息的算法都属于局部优化方法，难以满足实际工程对全局最优解的需要。现代启发式智能算法虽然具有比传统方法更好的全局性，但其求得的全局最优与局部最优之间却多存在严重的冲突[1]。因此，探索发展具有良好的全局/局部搜索平衡能力的优化算法十分必要。

目前，被广泛应用的、具有代表性的启发式智能算法主要包括粒子群算法(Particle Swarm Optimization，简称PSO)和人工蜂群算法(Artificial Bee Colony，简称ABC)。粒子群算法是J.Kennedy和R.Eberhart[2]于1995年提出的进化算法，该算法作为一种基于群体智能的新型演化计算技术，具有简单易实现、设置参数少、优化能力强等优点；……