题目：加速多学科遗传算法优化的神经网络预测

人工神经网络和遗传算法都是将生物学原理应用于计算科学的仿生学理论研究成果。由于它们具有极强的解决问题的能力，近年来引起了众多学者的兴趣，正在成为学术界跨学科的热门专题之一。现代飞机设计是一个综合了多种科学技术的系统工程。学科之间相互作用，互相融合，在飞机多学科优化设计过程中，会涉及许多学科的大规模计算和仿真分析，常规的优化方法对此类问题很难予以解决。遗传算法作为一种概率搜索方法，不需提供过多的如导数等信息也能有效的求得全局最优解。因此近年来遗传算法在飞机优化设计中得到了广泛的应用。遗传算法在寻优过程中需要用相当数量的染色体组成种群，进行大量的目标函数值计算，就飞机设计优化分析而言，每个函数值的获取需要进行一次大型仿真计算，其计算量非常巨大，需要花费大量的时间。本文在仔细研究神经网络和遗传算法原理的基础上，针对上述问题，采用遗传算法和神经网络的优化新策略，将神经网络与遗传算法相结合，在遗传算法中加入神经网络预测技术则可为遗传算法缩小搜索空间，在计算中加快收敛速度，节省计算资源，这在实际的工程应有中是有极大的优势。本文选择了三种具有代表性的神经网络参与优化计算加速，BP神经网络、Elman神经网络以及Hopfield神经网络。确定了搜索空间缩小策略，能够将遗传算法多学科优化单个参数的搜索区域缩小一半以上，有效提高计算效率。通过对比加速和未加速两种状态下的优化过程参数改变趋势验证了神经网络预测加速遗传算法多学科优化的可行性，同时说明搜索域确定策略具有较强的可靠性，并讨论了在BRIDGE项目航空应用部分算例中应用神经网络预测结果与优化结果的对比关系，表明神经网络预测具有较高的精度，可有效加速遗传算法优化过程。在此基础上，针对各神经网络的计算性能进行了进一步的研究，通过对计算结果的预测误差和计算时间进行比较分析，阐述了各神经网络的优缺点，为使用者提出选择不同情况下选择神经网络的部分依据。