作者：冯国奇; 崔东亮; 张琦; 代学武复杂产品小样本数据人工神经网络多目标粒子群优化算法
摘要：复杂产品有限元分析(Finite Element Analysis,FEA)费用很高,给多目标优化(Multi-ObjectiveOptimization,MOO)带来很大困难.提出一种人工神经网络(Artificial Neural Network,ANN)辅助的多目标粒子群优化算法(Multi-Objective Particle Swarm Optimization,MOPSO)处理这类计算密集的设计问题:以基于噪声的虚拟样本丰富ANN的训练样本集,通过虚拟样本的控制参数和ANN模型参数的协同优化提高ANN泛化能力;以此ANN为模型支持多目标粒子群算法的进化,并采用基于网格邻域信息的拥挤指标提高Pareto前沿的收敛性、多样性及均匀性.最后,以航空发动机高压涡(High Pressure Turbine Disc,HPTD)多目标优化案例验证该策略的有效性和可用性.试验证明,这种面向成本的MOO方法降低了复杂产品多目标优化的工程应用难度,提高了设计质量.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
