叶年辉，龙腾,2，武宇飞，唐亦帆，史人赫

1. 北京理工大学 宇航学院，北京 100081

2. 北京理工大学 飞行器动力学与控制教育部重点实验室，北京 100081

3. 清华大学 航天航空学院，北京 100084

进化算法通过模拟某些自然界的现象或过程，如变异、繁殖、遗传重组、优胜劣汰等操作，充分探索设计空间，快速高效地求解优化问题。与传统的优化算法(如牛顿法、共轭梯度法等)相比，进化算法无需利用目标函数的梯度信息，运用范围更广泛，但在进化过程中需要消耗大量的计算资源。在几种典型的进化算法中，相比于粒子群优化(Particle Swarm Optimization，PSO)算法、遗传算法(Genetic Algorithm，GA)，差分进化(Differential Evolution，DE)算法在鲁棒性、算法控制参数规模等方面具有显著优势[1-2]。此外，为提升差分进化算法的约束处理能力，国内外学者提出了众多约束差分进化算法，主要包括：约束差分进化算法((μ+λ)-Constrained Differential Evolution，(μ+λ)-CDE)[3]、基于ε等级比较机制的差分进化算法[4]、种群协同差分进化算法[5]等。

日益广泛应用的高精度分析模型(计算流体力学、结构有限元、计算电磁学等)不断增加飞行器设计优化问题的计算复杂性，导致差分进化算法难以高效地求解现代飞行器设计优化问题。以全电推卫星平台设计优化问题为例，结构有限元、轨道转移动力学等模型的使用，提高了设计可信度与设计质量，但单次仿真计算成本大大增加，导致设计优化过程计算十分耗时[6]。为了提高计算效率，代理模型(Surrogate或Metamodel)广泛应用于工程设计优化。文献[7-8]从近似精度、鲁棒性、时效性与软件实现难度几……