先進多學(xué)科設(shè)計中的進化優(yōu)化和博弈策略
定 價:149 元
叢書名:裝備科技譯著出版基金
- 作者:(西)Jacques Périaux,(澳)Felipe Gonzalez,(韓)Dong Seop Chris Lee著;
- 出版時間:2019/5/1
- ISBN:9787118118339
- 出 版 社:國防工業(yè)出版社
- 中圖法分類:V27
- 頁碼:272頁
- 紙張:膠版紙
- 版次:1
- 開本:16K
本書系統(tǒng)介紹了在航空航天和無人機設(shè)計中,用于多目標和多學(xué)科設(shè)計問題的魯棒進化方法的算法和應(yīng)用,描述了基于進化工具在求解博弈策略方法或整套求解方案,以及大量多學(xué)科優(yōu)化應(yīng)用問題里起的作用。
在大型復(fù)雜系統(tǒng)設(shè)計尤其是航空航天等領(lǐng)域,多學(xué)科設(shè)計優(yōu)化方法越來越成為探索分析子系統(tǒng)相互作用、管理并實現(xiàn)復(fù)雜系統(tǒng)整體效能最優(yōu)的設(shè)計方法。以航空航天為代表的工程設(shè)計領(lǐng)域?qū)Χ鄬W(xué)科設(shè)計優(yōu)化方法給予了高度重視,開展了大量多學(xué)科設(shè)計優(yōu)化的理論與方法研究,并在高超聲速飛行器、可重復(fù)使用運載器、翼身融合飛行器( BWB)等飛行器設(shè)計中進行了系列成功應(yīng)用。與基于微積分的方法和窮舉法等傳統(tǒng)優(yōu)化算法相比,進化算法具有高魯棒性和廣泛適用性,能更有效處理傳統(tǒng)優(yōu)化算法所難以解決的復(fù)雜問題。隨著信息技術(shù)的快速發(fā)展尤其是計算能力的快速增長,多學(xué)科設(shè)計優(yōu)化的進化算法在工業(yè)參數(shù)化設(shè)計、網(wǎng)絡(luò)搭建設(shè)計、時序安排、途徑選擇、數(shù)據(jù)挖掘、控制系統(tǒng)、時間序列預(yù)測、人工智能、分子設(shè)計和人工生命系統(tǒng)等眾多領(lǐng)域得到了較為廣泛的使用。此外,現(xiàn)實世界中的大多數(shù)問題都涉及一系列互不可分的目標,并不存在絕對意義上的最優(yōu)解,尤其是針對密不可分的多目標和相關(guān)一系列約束優(yōu)化,需將進化優(yōu)化算法與博弈論相結(jié)合,以提高多學(xué)科設(shè)計優(yōu)化的效率和質(zhì)量。
第1章 引言
1.1 背景
1.2 本書目的
1.3 章節(jié)總結(jié)
參考文獻
第2章 進化方法
2.1 概述
2.2 進化算法基礎(chǔ)
2.3 進化算法
2.4 EAs的優(yōu)勢
2.4.1 使用二進制編碼編譯EAs的一般展示
2.4.2 一種簡單EA的描述
2.5 EAs的機制
2.6 進化策略
2.7 EAs在有約束問題中的應(yīng)用
2.8 本章小結(jié)
參考文獻
第3章 多目標EAs和博弈論
3.1 概論
3.2 多目標問題的定義
3.3 協(xié)作博弈:Pareto最優(yōu)
3.4 競爭博弈:納什平衡
3.4.1 納什平衡的定義
3.4.2 納什博弈和GA的耦合
3.4.3 泛化到Ⅳ個參與者
3.5 分層博弈:Stackelberg
3.5.1 Stackelberg博弈與GAs的耦合
3.6 求解雙數(shù)學(xué)函數(shù)最小值問題的解析解和數(shù)值博弈解的比較
3.6.1 解析解
3.6.2 納什一GA和Stackleberg-GA數(shù)值解
3.7 混合博弈
3.7.1 HAPMOEA和混合博弈算法
3.8 本章小結(jié)
參考文獻
第4章 進化算法的先進技術(shù)
4.1 概述
4.2 分布式并行EAs
4.3 分層EAs
4.4 異步進化算法
4.5 高級算子
4.5.1 自適應(yīng)協(xié)方差矩陣(CMA)
4.5.2 Pareto錦標賽選擇
4.6 高級博弈
4.6.1 虛擬和真實納什博弈
4.6.2 納什博弈和分級異步并行EAs(NASH-HAPEA)
4.6.3 混合博弈與多目標或單目標進化算法耦合
4.7 變換模型協(xié)助的EAs
4.8 本章小結(jié)
參考文獻
第5章 多學(xué)科設(shè)計優(yōu)化和在航天系統(tǒng)中的穩(wěn)健設(shè)計
5.1 概述
5.2 概念性、初步性和詳細設(shè)計
5.3 多學(xué)科設(shè)計分析(MDA)和優(yōu)化
5.3.1 定義
5.3.2 MD0的需求與挑戰(zhàn)
5.3.3 基于梯度法的MD0應(yīng)用
5.4 MD0方法
5.4.1 多學(xué)科設(shè)計可行性方法(MDF)
5.4.2 單學(xué)科可行性(IDF)
5.4.3 協(xié)作優(yōu)化(C0)
5.4.4 MD0實現(xiàn)的標準和性能
5.5 基于穩(wěn)健性設(shè)計的不確定性
5.5.1 穩(wěn)。淮_定性方法
5.5.2 使用穩(wěn)健設(shè)計的單目標到多目標優(yōu)化
5.5.3 穩(wěn)健多目標/多學(xué)科設(shè)計優(yōu)化
5.6 MDO和穩(wěn)健設(shè)計中傳統(tǒng)優(yōu)化技術(shù)的局限性
5.6.1 使用傳統(tǒng)方法和進化算法的MDO
5.6.2 穩(wěn)健設(shè)計的優(yōu)勢和缺點
5.7 本章小結(jié)
參考文獻
第6章 數(shù)值設(shè)計和優(yōu)化算法的一種體系
6.1 概述
6.2 一種優(yōu)化體系
6.3 優(yōu)化體系的實施
6.4 優(yōu)化方法
6.5 優(yōu)化算法
6.5.1 全局優(yōu)化算法
6.5.2 分析算法的一般問題
6.5.3 單目標設(shè)計優(yōu)化算法
6.5.4 多目標設(shè)計優(yōu)化算法
6.5.5 基于多目標分級進化算法的優(yōu)化算法
6.5.6 多學(xué)科設(shè)計優(yōu)化算法
6.6 穩(wěn)健設(shè)計優(yōu)化
6.7 本章小結(jié)
參考文獻
第7章 單目標模型測試問題
7.1 前言
7.2 使用分層異步并行多目標進化算法(HAPMOEA)和納什進化算法進行機翼重構(gòu)
7.3 主動流動控制鼓包設(shè)計優(yōu)化
7.3.1 吸力側(cè)SCB設(shè)計優(yōu)化
7.3.2 吸力側(cè)和壓力側(cè)SCB設(shè)計優(yōu)化
7.3.3 使用HAPMOEA進行雙SCB設(shè)計
7.3.4 使用混合博弈進行雙SCB設(shè)計
7.4 一般飛行器機翼翼型截面設(shè)計優(yōu)化
7.5 本章小結(jié)
參考文獻
第8章 多目標優(yōu)化模型測試案例
8.1 概述
8.2 Pareto重構(gòu):兩個不同設(shè)計點處的兩個機翼
8.3 多元機翼重構(gòu):二維雙目標飛行器高升力系統(tǒng)設(shè)計與優(yōu)化
8.4 無人作戰(zhàn)飛機外形:概念設(shè)計優(yōu)化
8.5 無人駕駛飛行器任務(wù)路徑規(guī)劃系統(tǒng)(混合博弈/NSGA-Ⅱ)
8.5.1 測試算例1:起點至目標點至起點的軌跡優(yōu)化
8.5.2 測試算例2:起點至目標點至終點的軌跡優(yōu)化
8.6 無人駕駛飛行器外形:詳細設(shè)計優(yōu)化
8.6.1 基于混合博弈的無人作戰(zhàn)飛機多目標設(shè)計優(yōu)化
8.7 中高度長航時無人駕駛飛行器的氣動一結(jié)構(gòu)優(yōu)化
8.8 無人駕駛飛行器的氣動.電磁優(yōu)化
8.9 本章小結(jié)
參考文獻
第9章 穩(wěn)健多目標與多學(xué)科模型優(yōu)化測試案例
9.1 概述
9.2 主動流動控制的穩(wěn)健設(shè)計優(yōu)化
9.2.1 45%弦長處邊界層轉(zhuǎn)捩SCB外形設(shè)計優(yōu)化
9.2.2 不確定性邊界層轉(zhuǎn)捩的穩(wěn)健SCB外形設(shè)計優(yōu)化
9.3 通用飛行器機翼多目標穩(wěn)健優(yōu)化
9.4 通用飛行器機翼氣動一結(jié)構(gòu)穩(wěn)健優(yōu)化
9.5 無人駕駛飛行器氣動一電磁穩(wěn)健設(shè)計優(yōu)化
9.5.1 基于HAPMOEA軟件的無人駕駛戰(zhàn)斗機多學(xué)科穩(wěn)健設(shè)計優(yōu)化
9.5.2 基于混合博弈的無人駕駛戰(zhàn)斗機多學(xué)科穩(wěn)健設(shè)計優(yōu)化
9.6 無人駕駛戰(zhàn)斗機氣動一電磁一結(jié)構(gòu)多學(xué)科穩(wěn)健設(shè)計優(yōu)化
9.7 本章小結(jié)
9.8 附錄
參考文獻
第10章 變形技術(shù)在機翼穩(wěn)健設(shè)計優(yōu)化中的應(yīng)用
10.1 概述
10.2 變形機翼/翼形設(shè)計機制:前緣和后緣變形
10.2.1 變形機翼/翼形的參數(shù)化:前緣和后緣變形
10.2.2 基準設(shè)計
10.3 巡航飛行條件下變形機翼/翼形設(shè)計優(yōu)化
10.3.1 后緣變形設(shè)計優(yōu)化
10.3.2 前緣與后緣變形的穩(wěn)健設(shè)計優(yōu)化
10.4 基于多目標遺傳算法和混合博弈的多目標遺傳算法
進行起飛與著陸條件下變形機翼/翼形設(shè)計優(yōu)化
10.5 結(jié)論與展望
10.6 本章小結(jié)
參考文獻
附錄:兩個可實際動手操作的優(yōu)化問題案例
A.1 概述
A.2 基于層次異構(gòu)并行進化算法和納什進化算法的BI-NACA重構(gòu)一
A.2.1 簡介
A.2.2 測試案例定義
A.2.3 優(yōu)化
A.2.4 求解反問題所需的軟件和計算設(shè)備
A.2.5 設(shè)計優(yōu)化流程的詳細步驟
A.2.6 基于層次異構(gòu)并行優(yōu)化算法與納什進化算法軟件獲取結(jié)果的分析與綜合
A.2.7 結(jié)論
A.3 無人駕駛飛行器設(shè)計:多目標優(yōu)化
A.3.1 簡介
A.3.2 測試案例定義
A.3.3 優(yōu)化
A.3.4 求解優(yōu)化問題所需軟件和計算機需求
A.3.5 設(shè)計優(yōu)化流程的詳細步驟
A.3.6 基于層次異構(gòu)并行多目標進化算法獲取結(jié)果的分析與綜合
A.3.7 結(jié)論