提出了一种基于Alpha stable分布的新型变异方法。针对粒子群算法容易陷入局部最优的缺点,通过对比分析确定了一种调整Alpha stable分布的稳态系数动态变异策略,使粒子群算法能够在搜索初始阶段具有更强的种群多样性以及算法探索能力,减少陷入局部最优的可能;在算法末期增强粒子群优化算法的局部搜索能力,提高解的精度。将基于Alpha stable变异的粒子群优化算法(Alpha stable particle swarm optimization, ASPSO)与多种改进型粒子群优化算法以及差分进化算法(differential evolution algorithm, DE)进行了比较,基准测试函数结果表明新建立的ASPSO算法极大地提高了算法的收敛速度和精度。将其应用到RAE2822翼型的单点跨声速减阻优化中,在保持种群规模等参数相同的情形下,ASPSO算法的优化效果和效率都远高于传统PSO算法,最终得到的翼型也比PSO优化的翼型具有更高的升阻比,翼...

多目标的粒子群算法(MOPSO)在各个领域的优化设计中得到了广泛应用及改进,但是目前仍然存在着在进化后期容易陷入局部最优导致收敛精度低、解的多样性差等问题。引入α-stable分布理论,发展建立了一种新的基于α-stable动态变异的多目标粒子群优化算法(ASMOPSO)。通过α-stable分布生成随机数对PSO算法的种群进行变异操作,增加种群的多样性,在算法中动态调整稳定性系数α实现变异范围和幅度的变化,从而使得改进的ASMOPSO算法具有兼顾计算精度和全局寻优的能力。使用ZDT系列无约束函数和带约束的Tanaka及Srinivas函数对改进前后的算法进行了测试,结果显示出了ASMOPSO算法的快速全局寻优性能。将改进后的算法应用到RAE2822跨音速翼型的减阻和力矩绝对值不增大的综合优化中,得到了较好的多目标气动优化结果。