基于分布式粒子群算法的翼型優化設計

李 靜，高正紅，黃江濤，趙 軻

(西北工業大學翼型葉柵空氣動力國防科技重點實驗室，陜西西安 710072)

0 前言

隨著計算機技術和CFD技術的高速發展，用數值方法結合CFD求解器進行氣動優化設計越來越受到人們的重視，而穩定性、全局性和高效性又是優秀的優化設計方法必須具備的。自1995年Eberhart和Kennedy提出標準粒子群算法以來，它便以其高效的搜索效率以及簡捷的程序模式等優點，在神經網絡訓練、參數辨識以及任務調度等領域得到了一定的應用［1－3］。然而標準粒子群算法本質上是一種隨機算法，即使采用相同參數還有可能陷入局部最優點，而且大量的CFD計算降低了這一設計方法的設計效率，增長了設計周期。

本文一方面將自然選擇機理與粒子群優化算法相結合，形成一種基于自然選擇的粒子群優化算法(SELPSO)，以改善群體的多樣性及算法的全局收斂性和求解精度。另一方面，本文將分布式計算引入到改進的粒子群算法中，形成了基于分布式粒子群算法的優化設計系統，提高了粒子群算法的優化設計效率，縮短了設計周期。將上述系統用于跨音速翼型減阻設計，取得了顯著的效果。

1 基于自然選擇的粒子群算法及性能測試

標準粒子群優化算法是模擬鳥群飛行覓食行為，在每個粒子發現的最優解和整個粒子群發現的最優解的引導下迭代搜索到全局最優解。首先隨機初始化粒子種群位置和初速度，然后計算出每個粒子的適應值，每個粒子記住自身所找的個體最優粒子pbest以及迄今為止找到的全局最優粒子gbest，用粒子當前速度、pbest和gbest的位置來更新粒子速度，從而在下一個時刻粒子能飛行到新的位置進行搜尋?！?br>