定性定量结合的并行智能优化仿真方法的研究与应用

本课题针对复杂系统多循环迭代优化仿真设计过程的特点和需求，开展适用于复杂系统的定性与定量结合的并行智能优化仿真的方法和应用技术研究。在常规应用的定量优化方法基础上，将定性定量结合的方法、人工智能技术以及多核并行计算综合集成地应用于复杂系统优化仿真过程中，并对优化方法和优化理论进行进一步的研究和发展。对定性定量结合的智能优化仿真方法，基于多核的并行混合智能优化算法以及在典型复杂系统（如飞行器）总体设计中的应用验证展开研究。通过实现复杂系统优化方法的集成创新，突破传统优化仿真方法和手段在对于信息不完备、不精确的复杂系统中的应用限制，提高传统优化方法在多核架构计算机上的高效应用。从而更加有效地针对复杂系统的设计指标（如功能、性能、行为等）进行仿真、分析与评估，更好地解决复杂系统多约束、多目标、多变量等的综合优化问题。

本课题针对复杂系统多循环迭代优化仿真设计过程的特点和需求，开展适用于复杂系统的定性与定量结合的并行智能优化仿真的方法和应用技术研究。将定性定量结合的方法、人工智能技术以及多核并行计算综合集成地应用于复杂系统优化仿真过程中，通过开展基于QSIM的定性仿真方法研究，基于COMMONKADS及CLIPS的知识库构建方法以及云模型特性研究，形成定性定量结合的优化仿真流程，确定定性知识与定量智能优化算法的集成方法。并以此为指导思想，开展了多种改进的智能优化算法和应用研究。提出并实现了3种改进的定性知识和定量优化过程相结合的智能优化算法，对上述算法进行了基准函数测试和与同类算法的对比，结果表明上述改进算法具有先进性。将改进的智能优化算法在典型复杂系统（如飞行器）设计及智能决策问题中进行了应用研究，较好地解决了基于定性知识的飞行器快速优化外形设计以及多目标协同分配问题，通过应用背景进一步验证了本项目研究成果的有效性和实用性。通过实现复杂系统优化方法的集成创新，改善优化仿真方法和手段在复杂系统中的应用限制，改进优化方法在多核架构计算机上的高效应用，从而更加有效地针对复杂系统的设计指标进行仿真、分析与评估，更好地解决复杂系统的优化设计问题。