استفاده از الگوریتم بهینه سازی هیبرید ژنتیک و برنامه‌ریزی مربعی ترتیبی برای بهینه‌سازی طراحی یک سامانه‌ پیچیده

هدف این مقاله نشان دادن قابلیت الگوریتم های بهینه سازی هیبرید در پیدا کردن طرح بهینه مناسب در مسائل بهینه سازی سیستم‌های پیچیده است. لذا در این مقاله بهینه سازی طراحی یک هواپیمای بی سرنشین به عنوان یک سامانه پیچیده با استفاده از روش بهینه سازی طراحی چندموضوعی، الگوریتم ژنتیک و الگوریتم بهینه سازی هیبرید ارائه داده شده است. در این تحقیق، الگوریتم بهینه سازی هیبرید از الگوریتم ژنتیک به عنوان بهینه ساز کلی و از روش برنامه‌ریزی مربعی ترتیبی به عنوان بهینه ساز محلی استفاده نموده است. مساله بهینه سازی این تحقیق یک مساله بهینه سازی طراحی چندهدفه است که توابع هدف در نظر گرفته شده در آن کمینه سازی وزن برخاست و نیروی پسآی فاز سیر می باشند. قیود در نظر گرفته شده نیز مربوط به زوایای انحراف سطوح کنترل، پایداری و ویژگی های کیفیت پروازی (ضرائب میرائی، فرکانس های طبیعی و ثابت های زمانی) می باشند. مساله بهینه سازی طراحی مطرح شده با استفاده از الگوریتم بهینه سازی هیبرید و الگوریتم ژنتیک بطور مجزا حل گردیده و نتایج آنها با یکدیگر مقایسه شده است. اگرچه هر دو طرح قابل قبولند اما نتایج نشان می دهند که حل بهینه به دست آمده از الگوریتم هیبرید از نقطه نظر توابع هدف بهتر از حل بهینه به دست آمده از الگوریتم ژنتیک است که این موضوع عملکرد خوب این الگوریتم را برای بهینه سازی طراحی سیستم های پیچیده نشان می دهد.

using genetic hybrid optimization algorithm and sequential quadratic programming for design optimization of a complex system

this paper aims to show the capability of hybrid optimization algorithms in finding the proper optimal plan for optimizing complex systems. so design optimization of an unmanned aerial vehicle has been presented as a complicated system by using multidisciplinary design optimization, genetic algorithm, and hybrid optimization algorithm. this study uses a hybrid optimization algorithm from a genetic algorithm as a global optimizer and from sequential quadratic programming as a local optimizer. the optimization problem of this study is a multi-objective design optimization problem in which the considered objective functions are the minimization of takeoff weight and cruise drag force. the considered constraints are related to the deflection of the control surface, stability, and handling quality specifications (damping coefficients, natural frequencies, and time constants). the proposed design optimization problem has been solved by using a hybrid optimization algorithm and genetic algorithm separately, and their results have been compared to each other. although both optimal designs are acceptable, results show that the optimal design of the hybrid optimization algorithm is better than the optimal design of the genetic algorithm from an objective functions point of view. this issue shows the good performance of a hybrid optimization algorithm for design optimization of complex systems.