الگوریتمی مبتنی‌ بر قدرت تعمیم‌دهی شبکه‌های عصبی برای همگرایی سریع الگوریتم ژنتیک در طراحی بهینه‌ی آیرودینامیکی

در این نوشتار یک الگوریتم بهینه‌سازی ترکیبی، متشکل از الگوریتم ژنتیک و شبکه‌های عصبی در طراحی بهینه‌ی اشکال آیرودینامیکی برمبنای مدل‌سازی عددی جریان ارائه شده است. در این روش به‌همراه جست‌وجوی حالت بهینه با الگوریتم ژنتیک برازندگی تعدادی از کروموزوم‌های تولیدشده در نسل‌های گذشته به یک شبکه‌ی عصبی تعلیم داده می‌شود. سپس با یک راهکار مناسب از علم شبکه‌ی عصبی مزبور و قدرت تعمیم‌دهی آن برای شناسایی کروموزوم‌های برتر در فضاهای طراحی ناشناخته (تعلیم نگرفته توسط شبکه عصبی) و بازتولید الگوریتم ژنتیک استفاده می‌شود. به این ترتیب با کاهش تعداد ارزیابی‌ها توسط کد C‌F‌D، که بخش عمده‌ی زمان محاسباتی کل فرایند بهینه‌سازی را تشکیل می‌دهد، زمان رایانه‌یی مورد نیاز به‌میزان چشمگیری کاهش می‌یابد. روش ارائه شده در نوشتار حاضر برای طراحی بهینه‌ی مقطع آیرودینامیکی در شرایط جریان حدود صوت مورد استفاده قرار گرفته است. ارزیابی حالت‌های منتخب با حل عددی معادلات اویلر تراکم‌پذیر بر روی شبکه محاسباتی بی‌سازمان صورت گرفته و از شیوه‌ی جابه‌جایی خودکار شبکه‌ی محاسباتی به‌جای تولید مجدد آن استفاده شده است. همچنین برای پارامتری‌کردن شکل مقطع آیرودینامیکی، از روش P‌A‌R‌S‌E‌C با ۹ پارامتر هندسی استفاده شده است. نتایج به دست آمده حاکی از آن است که استفاده از روش ترکیبی حاضر منجر به کاهش زمان رایانه‌یی در حدود ۵۰٪ در مقایسه با الگوریتم ژنتیک متداول در طراحی مقطع آیرودینامیکی می‌شود.