| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 注释表 | 第10-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·研究背景 | 第12-14页 |
| ·最优化方法 | 第14-15页 |
| ·基于代理模型的优化算法 | 第15-16页 |
| ·本文主要工作 | 第16-17页 |
| 第二章 遗传算法简介及应用 | 第17-30页 |
| ·引言 | 第17页 |
| ·基本遗传算法 | 第17-21页 |
| ·编码策略 | 第18-19页 |
| ·适应度函数 | 第19页 |
| ·遗传算子 | 第19-21页 |
| ·运行参数 | 第21页 |
| ·自适应遗传算法初探 | 第21-25页 |
| ·生存压力控制函数 | 第22-23页 |
| ·多点交叉、交叉率和变异率控制函数 | 第23-24页 |
| ·自适应研究 | 第24-25页 |
| ·基于 OpenMP 技术的遗传算法并行化 | 第25-27页 |
| ·函数优化结果与分析 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 Kriging 代理模型简介 | 第30-35页 |
| ·引言 | 第30页 |
| ·拉丁超立方采样(LHS)方法 | 第30-31页 |
| ·Kriging 代理模型的基本理论 | 第31-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 EGO 算法的研究 | 第35-44页 |
| ·引言 | 第35-36页 |
| ·EGO 算法的基本理论 | 第36-38页 |
| ·EI 最优更新策略 | 第36-37页 |
| ·经典 EGO 算法的基本流程 | 第37-38页 |
| ·并行 EGO 全局优化算法的研究 | 第38-41页 |
| ·研究背景 | 第38-39页 |
| ·多点最优更新策略 | 第39-40页 |
| ·基于多点最优更新策略的并行 EGO 算法 | 第40-41页 |
| ·函数优化验证结果与分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于 EGO 算法的二维气动外形优化 | 第44-55页 |
| ·引言 | 第44页 |
| ·CST 参数化方法 | 第44-45页 |
| ·基于 Windows API 函数库的自动化工作平台设计 | 第45-46页 |
| ·翼型气动优化算例与分析 | 第46-53页 |
| ·跨音速翼型气动优化算例 | 第46-50页 |
| ·流动偏转器的优化算例 | 第50-53页 |
| ·本章小结 | 第53-55页 |
| 第六章 总结与展望 | 第55-57页 |
| ·工作总结 | 第55页 |
| ·后续研究工作展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 在学期间的研究成果和发表的学术论文 | 第61页 |