Nghiên cứu xây dựng giải thuật tiến hóa hiệu quả và bền vững ứng dụng trong tối ưu hóa dạng khí động

ĐẠI ẠI HỌC HỌC QUỐ QUỐC C GIA TP HỒ HỒ CHÍ MINH TRƯ NG ĐẠI TRƯỜNG ĐẠ HỌC ỌC C BÁCH KHOA - - TRẦN ẦN N QUANG KHẢI KHẢ KH NGHIÊN CỨU CỨU U XÂY DỰNG DỰNG GIẢII THUẬT GIẢI THU T TIẾN THUẬ TIẾN N HÓA HIỆ HI HIỆU U QUẢ QU VÀ BỀ BỀN N VỮNG VỮNG ỨNG Ứ DỤ DỤNG NG TRONG TỐI ỐI ƯU U HĨA DẠNG DẠNG NG KHÍ ĐỘNG ĐỘ CHUYÊN NGÀNH: KHOA HỌC HỌC C MÁY TÍNH LUẬN LUẬN N VĂ V VĂN ĂN N THẠ THẠC THẠC CS SĨ TP HỒ H CHÍ MINH, tháng 12 năm nă n 2010 CƠNG TRÌNH ĐƯỢC HỒN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học : Tiến sĩ Trần Văn Hoài (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán chấm nhận xét : (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc sĩ bảo vệ Trường Đại học Bách Khoa, ĐHQG Tp HCM ngày tháng năm Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: (Ghi rõ họ, tên, học hàm, học vị Hội đồng chấm bảo vệ luận văn thạc sĩ) Xác nhận Chủ tịch Hội đồng đánh giá LV Bộ môn quản lý chuyên ngành sau luận văn sửa chữa (nếu có) Chủ tịch Hội đồng đánh giá LV Bộ mơn quản lý chuyên ngành TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA ………………………………… CỘNG HOÀ XÃ HỘI CHỦ NGHIÃ VIỆT NAM Độc Lập - Tự Do - Hạnh Phúc -oOo Tp HCM, ngày tháng năm 2010 NHIỆM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Trần Quang Khải … Phái: Nam …… Ngày, tháng, năm sinh: 27 tháng 05 năm 1985 Nơi sinh: Nghệ An Chuyên ngành: Khoa học Máy tính – Khố 2008 MSHV: 00708196 1- TÊN ĐỀ TÀI: NGHIÊN CỨU XÂY DỰNG GIẢI THUẬT TIẾN HOÁ HIỆU QUẢ VÀ BỀN VỮNG ỨNG DỤNG TRONG TỐI ƯU HỐ DẠNG KHÍ ĐỘNG 2- NHIỆM VỤ LUẬN VĂN: 3- NGÀY GIAO NHIỆM VỤ : 4- NGÀY HOÀN THÀNH NHIỆM VỤ : 5- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN (Ghi đầy đủ học hàm, học vị ): Tiến sĩ Trần Văn Hoài Nội dung đề cương Luận văn thạc sĩ Hội Đồng Chuyên Ngành thông qua CÁN BỘ HƯỚNG DẪN (Họ tên chữ ký) CHỦ NHIỆM BỘ MÔN QUẢN LÝ CHUYÊN NGÀNH (Họ tên chữ ký) KHOA QL CHUYÊN NGÀNH (Họ tên chữ ký) i LỜI CẢM ƠN Với tất kính trọng lịng biết ơn, muốn gửi lời cảm ơn sâu sắc đến người thầy tơi, TS Trần Văn Hồi, người trực tiếp hướng dẫn thực đề tài luận văn này, TS Nguyễn Anh Thi (thuộc môn Kỹ thuật Hàng không – khoa Kỹ thuật Giao thông), người hướng dẫn kiến thức lạ thuộc chuyên ngành khác biệt so với ngành Khoa học Máy tính mà tơi theo đuổi Đặc biệt, thầy thông cảm, chia sẻ động viên vượt qua giai đoạn bệnh tật đầy khó khăn để hồn tất luận văn này, sức khoẻ tơi khơng tốt Tình cảm sâu sắc tận tuỵ thầy học trị gương sáng cho tơi noi theo Đồng thời, xin trân trọng cảm ơn thầy, anh chị đồng mơn (khố 2008, 2009) khoa Khoa học Kỹ thuật Máy tính, với anh chị văn phịng khoa phòng đào tạo sau đại học, người mà tơi có may mắn học hỏi nhiều điều suốt chặng đường năm qua Tơi gửi lời cảm ơn đến đại gia đình u q Những người thân ln dành cho tơi quan tâm, u thương chăm sóc vơ điều kiện Nếu khơng có “hậu phương” to lớn đó, có lẽ tơi phải bỏ dở ước mơ trở thành thạc sĩ Khoa học Máy tính Tơi gửi lời cảm ơn đến y, bác sĩ, người thăm khám điều trị cho suốt thời gian mắc bệnh nặng Tp Hồ Chí Minh, tháng 12 năm 2010 Trần Quang Khải ii TĨM TẮT Bài tốn “tối ưu hố dạng khí động” đề tài thu hút nhiều quan tâm ngành Cơ học chất lưu ngày Phương pháp toán toán “tính tốn số lưu chất” (Computational Fluid Dynamics – CFD), máy tính sử dụng để giải phương trình vi phân đạo hàm riêng phi tuyến nhằm phân tích tượng vật lý xảy dòng chất lưu di chuyển theo bề mặt Các phương trình gồm hệ phương trình Euler cho chuyển động khơng nhớt hệ phương trình Navier-Stokes cho chuyển động có nhớt Trong tốn “tối ưu hố dạng khí động”, dịng chất lưu bao gồm chất khí Do số lượng tính tốn lớn nên dù có trợ giúp từ sức mạnh tính tốn siêu-máy-tính, phương pháp tính tốn cần phải kết hợp với giải thuật tối ưu hoá hiệu tính tốn số mong tìm lời giải chất lượng thời gian hợp lý Trọng tâm đề tài xây dựng giải thuật di truyền kết hợp với CFD nhằm mục tiêu tối ưu khí động học quy trình thiết kế cánh máy bay tự động Mục tiêu hiệu bền vững thể cố gắng tạo hình dạng thiết kế tốt cho mặt cắt ngang cánh máy bay mà cụ thể tăng tối đa hệ số lực nâng lực kéo (lift/drag), đồng thời đảm bảo phải cho kết thời gian hợp lý Những giải pháp nhằm cải tiến tính hiệu bền vững giải thuật di truyền tối ưu hóa biên dạng cánh máy bay nghiên cứu áp dụng, tích hợp mạng neural nhân tạo, sử dụng chiến lược di truyền mới, áp dụng tính tốn song song Cơng cụ tính tốn số CFD sử dụng đề tài xây dựng thành chương trình Star3D (bằng ngôn ngữ FORTRAN) chạy hệ thống máy tính Supernode II Khoa Khoa học & Kỹ thuật Máy tính, Đại học Bách Khoa iii Tp Hồ Chí Minh Việc mơ hình hóa hình học cánh máy bay thực Nhiệm vụ khuôn khổ luận văn thực tiếp phần việc lại đề tài, tức xây dựng giải thuật di truyền hiệu bền vững, tích hợp chương trình Star3D để tính trị mục tiêu Cấu trúc luận văn gồm chương sau: − CHƯƠNG 1: MỞ ĐẦU Giới thiệu tổng quan đề tài, nội dung nghiên cứu, phạm vi nghiên cứu, ý nghĩa đề tài − CHƯƠNG 2: TỔNG QUAN Giới thiệu sơ lược CFD, tảng lý thuyết số ứng dụng Đồng thời giới thiệu phương pháp tham số hoá, lược sử kết hợp CFD với phương pháp tối ưu hoá − CHƯƠNG 3: NHỮNG NGHIÊN CỨU LIÊN QUAN Trình bày trạng ứng dụng số tiến GA việc kết hợp với CFD nhằm giải toán tối ưu hố biên dạng cánh máy bay Giới thiệu chương trình Star3D thành phần liên quan − CHƯƠNG 4: HƯỚNG NGHIÊN CỨU CỦA ĐỀ TÀI Trình bày cụ thể hướng nghiên cứu mà đề tài thực − CHƯƠNG 5: THIẾT KẾ VÀ HIỆN THỰC Trình bày kiến trúc sử dụng chương trình số bước thực chương trình − CHƯƠNG 6: KIỂM THỬ VÀ ĐÁNH GIÁ KẾT QUẢ Thiết kế testcases cho việc kiểm thử đánh giá kết đạt − CHƯƠNG 7: KẾT LUẬN − CHƯƠNG 8: HƯỚNG NGHIÊN CỨU TIẾP THEO − CHƯƠNG 9: TÀI LIỆU THAM KHẢO iv MỤC LỤC LỜI CẢM ƠN i TÓM TẮT ii CHƯƠNG MỞ ĐẦU 1.1 BÀI TỐN TỐI ƯU HĨA DẠNG KHÍ ĐỘNG 1.1.1 Giới thiệu toán 1.1.2 Những thách thức toán 1.2 GIỚI THIỆU ĐỀ TÀI .6 1.2.1 Nội dung nghiên cứu 1.2.2 Tính mới, tính thời ý nghĩa khoa học 1.3 PHẠM VI NGHIÊN CỨU CỦA LUẬN VĂN CHƯƠNG TỔNG QUAN 11 2.1 COMPUTATIONAL FLUID DYNAMICS – CFD .11 2.1.1 Sự đời phát triển CFD 11 2.1.2 Nền tảng lý thuyết 14 2.1.3 Một số “CFD tools” .16 2.2 CÁC PHƯƠNG PHÁP THAM SỐ HOÁ BIÊN DẠNG CÁNH 17 2.2.1 Các phương pháp 17 2.2.2 Phương pháp PARSEC 18 2.3 LƯỢC SỬ KẾT HỢP CFD VÀ CÁC PHƯƠNG PHÁP TỐI ƯU HOÁ DẠNG SỐ 20 CHƯƠNG NHỮNG NGHIÊN CỨU LIÊN QUAN 22 3.1 THỰC TRẠNG NGHIÊN CỨU GẦN ĐÂY .22 v 3.1.1 Hướng nghiên cứu dựa vào Gradient 22 3.1.2 Hướng nghiên cứu 23 3.1.3 Một số nhóm nghiên cứu liên quan 25 3.2 SỰ KẾT HỢP GA – CFD 26 3.3 NHỮNG TIẾN BỘ GẦN ĐÂY CỦA GA TRONG BÀI TOÁN TỐI ƯU HOÁ BIÊN DẠNG CÁNH 28 3.3.1 Giới thiệu chung 28 3.3.2 Các phương pháp cải tiến hiệu suất GA 31 3.3.2.1 Cải tiến hoạt động di truyền 31 3.3.2.2 Sử dụng kỹ thuật đa xử lý .33 3.3.2.3 Xây dựng GA “dạng lai” .34 3.3.2.4 Giảm số lượng đánh giá xác 35 3.3.3 Một số kỹ thuật trọng 36 3.3.3.1 ARGA (Adaptive Range Genetic Algorithm) 36 3.3.3.2 VGA (Vibrational Genetic Algorithm) 39 3.3.3.3 Phương pháp tích hợp ANN vào GA 40 3.3.3.4 GA – ANN Metamodels 44 3.4 CHƯƠNG TRÌNH STAR3D .45 3.4.1 Giới thiệu chương trình 45 3.4.2 Biên dạng sở RAE-2822 47 3.4.3 Ứng dụng GA - Star3D môn KTHK 50 CHƯƠNG HƯỚNG NGHIÊN CỨU CỦA ĐỀ TÀI 51 4.1 TRỌNG TÂM NGHIÊN CỨU 51 4.1.1 Những vấn đề 51 4.1.2 Cải tiến tính hiệu bền vững GA 52 4.2 NGHIÊN CỨU ÁP DỤNG CÁC KỸ THUẬT LAI TẠO MỚI 53 4.2.1 Tổng quan kỹ thuật lai tạo 53 4.2.2 SBX (Simulated Binary Crossover) .55 vi 4.2.3 UNDX (Unimodal Normal Distribution Crossover) 55 4.2.4 PCX (Parent-Centric Recombination) 56 CHƯƠNG THIẾT KẾ VÀ HIỆN THỰC 57 5.1 KIẾN TRÚC TỔNG QUÁT CỦA CHƯƠNG TRÌNH 57 5.2 SONG SONG HĨA CHƯƠNG TRÌNH 59 5.3 TÍCH HỢP ANN 61 5.3.1 Kiến trúc chương trình với ANN 61 5.3.2 Xây dựng huấn luyện ANN 63 5.3.2.1 Thiết kế thực ANN 63 5.3.2.2 Huấn luyện ANN 64 5.4 TÍCH HỢP CÁC GIẢI THUẬT LAI TẠO MỚI 64 5.5 TÍCH HỢP ARGA 65 5.6 CƠ CHẾ KHÁNG LỖI “CRASHED” 66 CHƯƠNG KIỂM THỬ VÀ ĐÁNH GIÁ KẾT QUẢ 68 6.1 CẤU HÌNH THỬ NGHIỆM CHUNG 68 6.2 SO SÁNH VỚI CHƯƠNG TRÌNH CŨ .69 6.2.1 Thiết lập thông số 69 6.2.2 Kết 70 6.2.3 Một số yếu điểm sai sót chương trình gốc .71 6.3 THỬ NGHIỆM VỚI ANN 72 6.3.1 Huấn luyện ANN 72 6.3.2 GA – ANN theo kiến trúc 73 6.3.3 GA – ANN theo kiến trúc 74 6.4 SO SÁNH CÁC GIẢI THUẬT LAI TẠO MỚI 75 6.4.1 Cấu hình thử nghiệm chung 75 6.4.2 Hàm Generalized Rosenbrock .76 6.4.3 Hàm Rastrigin 78 6.5 THỬ NGHIỆM VỚI PCX VÀ ARGA 80 vii 6.5.1 Sử dụng Star3D “nghèo” 80 6.5.2 Sử dụng ANN theo kiến trúc 82 6.6 THỬ NGHIỆM VỚI STAR3D 3000 VÒNG LẶP 83 CHƯƠNG KẾT LUẬN 88 7.1 CÁC KẾT QUẢ ĐẠT ĐƯỢC 88 7.2 NHỮNG VẤN ĐỀ CÒN TỒN ĐỌNG 89 7.3 NHỮNG ĐÓNG GÓP CỦA ĐỀ TÀI 90 CHƯƠNG HƯỚNG NGHIÊN CỨU TIẾP THEO 92 8.1 NHỮNG NGHIÊN CỨU TIẾP THEO CỦA ĐỀ TÀI NÀY .92 8.2 Ý TƯỞNG MỞ RỘNG 92 CHƯƠNG TÀI LIỆU THAM KHẢO 94 86 (a) (b) Hình 6.10 (a) (b): Hình vẽ RAE-2822 cá thể tốt hệ cuối 87 (a) (b) Hình 6.11 (a) (b): Hình vẽ cá thể tốt hệ đầu cuối 88 CHƯƠNG KẾT LUẬN 7.1 CÁC KẾT QUẢ ĐẠT ĐƯỢC Như vậy, đề tài xây dựng chương trình GA bao gồm kỹ thuật số kỹ thuật nâng cao, tích hợp thành cơng chương trình Star3D để tính trị mục tiêu, phù hợp với đặc trưng riêng toán tối ưu hoá biên dạng cánh đơn mục tiêu, đơn thành phần khơng gian 2D Chương trình khắc phục khuyết điểm, sai sót chương trình cũ môn KTHK, đồng thời thực nhiều cải tiến giúp nâng cao hẳn tính hiệu bền vững mục tiêu đặt đề tài Bên cạnh việc thực khối chương trình GA ngôn ngữ hướng đối tượng C++ giúp mã nguồn chương trình chuyên nghiệp hơn, sáng hơn, đồng thời việc chỉnh sửa khối chương trình GA C++ hay Star3D FORTRAN tiến hành gần độc lập nhờ tính tách biệt rõ ràng chúng chương trình Một số tiến việc áp dụng GA lĩnh vực được thực thành cơng, mơ hình đại diện sử dụng ANN, phương pháp thích nghi miền trị sử dụng kỹ thuật ARGA, ứng dụng xử lý song song Đó là cải tiến có hàm lượng khoa học cao, Thế giới áp dụng thành cơng cịn nhiều tiềm cải tiến, thực tế tiếp tục nghiên cứu cải tiến, hồn thiện Đặc biệt, việc xây dựng thành cơng mạng neural nhân tạo nhằm thay cho Star3D ứng dụng xử lý song song môi trường tính tốn lưới giúp giảm nhiều lần thời gian tính tốn trị mục tiêu, góp phần nâng cao rõ rệt hiệu mặt thời gian hệ thống 89 Ngoài tiến chưa áp dụng toán dạng kỹ thuật lai tạo phức tạp, đặc biệt kỹ thuật PCX, ứng dụng thành cơng đề tài Mặc dù cịn số điểm chưa hoàn thiện việc áp dụng tiến đóng góp đáng kể vào mục tiêu xây dựng giải thuật tiến hoá hiệu bền vững 7.2 NHỮNG VẤN ĐỀ CÒN TỒN ĐỌNG Ngồi kết đạt trình bày trên, đề tài số khuyết điểm, vấn đề thách thức chưa giải (chỉ tính riêng vấn đề nằm khn khổ chuyên ngành KHMT): • Chưa thực kiểm chứng đầy đủ cải tiến tiêu biểu GA thời gian gần đây, giải thuật đột biến VGA, Mijn, hay giải thuật lai tạo đa điểm, BLX, • Các thơng số kiểm thử cịn mang tính chủ quan, ước lượng, kích thước quần thể, tỷ lệ tái sinh, tỷ lệ đột biến, biên độ đột biến, hay thông số PCX, ARGA, ANN, Tuy nhiên để chọn thông số tốt cho tốn khơng đơn giản, cần thực nhiều thử nghiệm, chí khiến ta rơi vào toán tối ưu hoá mới, để thực điều khó khăn đặc trưng toán đề tài tốn nhiều thời gian • Chất lượng huấn luyện ANN cần cải thiện số mẫu huấn luyện ít, đồng thời chưa thực kiểm thử với mơ hình ANN khác RBFN hay giải thuật học khác • Chưa thực đầy đủ thử nghiệm với mức độ xác cao Star3D, vấn đề thời gian Vì mà đa số thử nghiệm phải thực với công cụ Star3D “nghèo”, tức mơ hình với độ xác thấp, Star3D thực thi 3000 vịng lặp chưa đạt đến độ xác cao Các thử nghiệm dừng lại mức đánh giá hiệu 90 GA (với cải tiến nêu) nhằm so sánh thời gian thực thi, mức độ tiêu tốn tài nguyên, tốc độ hội tụ, khả thoát khỏi điểm tối ưu cục bộ, đặc trưng toán tối ưu hoá biên dạng cánh, nghĩa đa số thử nghiệm mức số học chưa thực với mức vật lý hình học • Tập quần thể thử nghiệm có kích thước cịn q nhỏ, điều kiện phần cứng hạn chế 7.3 NHỮNG ĐÓNG GÓP CỦA ĐỀ TÀI Việc đề tài xây dựng thành cơng chương trình GA giúp thành viên nghiên cứu thuộc chuyên ngành khác, cụ thể mơn KTHK, có cơng cụ tối ưu hố dạng số chun nghiệp tương đối hồn chỉnh để áp dụng cho toán thuộc chuyên ngành họ Nhờ thành viên nghiên cứu n tâm thực cơng việc nghiên cứu chun sâu mà khơng phải bận tâm vấn đề chuyên sâu thuộc lĩnh vực KHMT, thiếu sót kỹ lập trình chuyên nghiệp Người thực đề tài cố gắng sử dụng nhiều kỹ thuật tiêu biểu khác việc cải tiến GA, bao gồm kỹ thuật kết hợp với tiến GA lĩnh vực tối ưu hoá dạng khí động lẫn phát kiến GA nói chung, xây dựng chúng thành modules (các phương thức hướng đối tượng) độc lập, giúp người sử dụng linh động chuyển đổi, kết hợp hay bỏ bớt tuỳ theo yêu cầu cụ thể Việc tích hợp thành cơng Star3D vào chương trình GA kết hợp hai ngơn ngữ C++ (mang tính cấu trúc hướng đối tượng cao) FORTRAN (có khả tính tốn số mạnh) góp phần vào việc kết hợp lợi điểm hai ngơn ngữ Tồn chương trình xây dựng dựa hai khối chương trình độc lập như trình bày luận văn này, giúp thành viên nghiên cứu mơn KTHK tiếp tục thực cải tiến Star3D cách thoải mái mà không cần sửa đổi nhiều GA, ngoại trừ số thơng số người dùng định nghĩa 91 Kỹ thuật lai tạo coi bền vững nay, PCX, tích hợp vào chương trình chứng minh thực nghiệm góp phần nâng cao tính bền vững tốn tối ưu hố biên dạng cánh thực thi mơ hình CFD “nghèo” Mặc dù chưa thành công thực thi mơ hình CFD độ xác cao vấn đề thiếu thốn tài nguyên phần cứng, PCX lại thêm lần chứng minh cho ưu tú nó, tốn cụ thể thuộc chun ngành khác với ngành KHMT áp dụng công nghiệp, không đơn hàm kiểm chứng kinh điển chuyên ngành KHMT Theo thơng tin mà nhóm nghiên cứu có nay, lần PCX ứng dụng thành cơng tốn tối ưu hố dạng khí động Ngồi ra, việc xây dựng thành cơng chế kháng lỗi “crashed” giúp đối phó với rủi ro không mong muốn sở hạ tầng cho việc nghiên cứu nước ta nhiều bất cập (cụ thể chất lượng máy tính chất lượng nguồn điện) Những rủi ro khách quan lại ảnh hưởng tới ổn định chương trình vốn hoạt động thời gian dài, gây khó khăn lãng phí thời gian trình nghiên cứu, thử nghiệm 92 CHƯƠNG HƯỚNG NGHIÊN CỨU TIẾP THEO 8.1 NHỮNG NGHIÊN CỨU TIẾP THEO CỦA ĐỀ TÀI NÀY Mặc dù đề tài luận văn đến kết thúc, phần dự án nghiên cứu NAFOSTED tài trợ giới thiệu chương Mở đầu, nên công việc nghiên cứu cho “đề tài lớn” tiếp diễn với mục tiêu công bố kết tạp chí chuyên ngành Phương hướng nghiên cứu khắc phục khuyết điểm, thiếu sót trình bày chương Đặc biệt tiến hành thử nghiệm nhằm tìm thơng số tốt cho mục tiêu tăng tính hiệu bền vững toán tối ưu hoá dạng khí động Ngồi ra, việc kết hợp kỹ thuật nói lại nghiên cứu nhằm nâng cao tính hiệu bền vững chương trình 8.2 Ý TƯỞNG MỞ RỘNG Ngồi hướng nghiên cứu tiếp tục đào sâu vào toán tối ưu hố biên dạng cánh khơng gian 2D, kết đề tài mở rộng hướng nghiên cứu sau: Áp dụng chương trình GA xây dựng cho toán tối ưu hoá dạng khí động khơng gian 3D Áp dụng vào toán tối ưu hoá biên dạng cánh đa mục tiêu, đa thành phần, hay tổng quát tốn tối ưu hố dạng khí động đa mục tiêu, đa thành phần 93 Tổng quát áp dụng vào toán tối ưu hoá khác ngành Cơ lưu chất, chương trình tích hợp thành cơng cơng cụ CFD Star3D, tích hợp công cụ CFD khác, phải thay đổi thơng số di truyền cho phù hợp với tốn Hiện toán với chất lỏng ý nhiều Khơng áp dụng tối ưu hoá CFD, việc đề tài xây dựng thành cơng chương trình C++ tích hợp FORTRAN mở khả mở rộng hướng nghiên cứu ngành khoa học khác vốn dùng FORTRAN ngơn ngữ xây dựng chương trình phổ biến Lấy ví dụ ngành xây dựng, người ta thường mơ hình hố kết cấu vật liệu bê tơng sử dụng FORTRAN để tính độ bền vật liệu, ta hồn tồn áp dụng phương pháp tối ưu hố tương tự tốn khí động học Ứng dụng chương trình GA xây dựng vào toán tối ưu tổ hợp mạch logic (Combinational Logic Optimization) khoa KHMT (dự án EDA, TS Trần Văn Hoài làm chủ nhiệm đề tài) 94 CHƯƠNG TÀI LIỆU THAM KHẢO Tiếng Việt [1] Nguyễn Anh Thi Thuyết minh đề cương nghiên cứu “Nghiên cứu xây dựng giải thuật tiến hóa hiệu bền vững ứng dụng tối ưu hóa dạng khí động” Đại học Bách Khoa – ĐHQG Tp Hồ Chí Minh, 2009 [2] Châu Văn Tạo, Nguyễn Nhật Khanh “Cơ Học Chất Lưu” Nhà xuất ĐHQG Tp Hồ Chí Minh, Giáo trình Cơ Học, trang 225-242, 2007 Tiếng Anh [3] M Y M Ahmed and N Qin “Surrogate-Based Aerodynamic Design Optimization: Use of Surrogates in Aerodynamic Design Optimization”, Paper: ASAT-13-AE-14, 13th International Conference on, AEROSPACE SCIENCES & AVIATION TECHNOLOGY, ASAT- 13, May 26 – 28, 2009 [4] Tuncer Cebeci, Jian P Shao, Fassi Kafyeke, Eric Laurendeau “Computational Fluid Dynamics for Engineers: From Panel to NavierStokes” Springer, 2005, ISBN 3540244514 [5] P.H Cook, M.A McDonald, M.C.P Firmin “Aerofoil RAE 2822 Pressure Distributions, and Boundary Layer and Wake Measurements” Experimental Data Base for Computer Program Assessment, AGARD Report AR 138, 1979 95 [6] De Falco I., Cioppa, A D., Balio, R D., and Tarantino, E “Breeder Genetic Algorithms for Airfoil Design Optimization” IEEE Int.Conf on Evolutionary Computing, Nagoya, Japan, 1996 [7] De Falco I., Cioppa A D., Lazzetta A & Tarantino “Mijn Mutation Operator for Airfoil Design Optimization” Soft Computing in Engineering Design and Manufacturing, Springer Verlag, 1998, p.211220 [8] Kalyanmoy Deb, Dhiraj Joshi, Ashish Anand “Real-Coded Evolutionary Algorithms with Parent-Centric Recombination” Evolutionary Computation, 2002 CEC '02 Proceedings of the 2002 Congress [9] Manuel J Garcia, Pierre Boulanger & Santiago Giraldo “CFD Based Wing Shape Optimization Through Gradient-Based Method” International Conference on Engineering Optimization, Rio de Janeiro, Brazil, 01-05 June 2008 [10] K.C Giannakoglou “Acceleration of Genetic Algorithms using Artificial Neural Networks – Theoretical Background” Lecture Series 2000-07 “Genetic Algorithms for Optimisation in Aeronautics and Turbomachinery”, von Karman Institute for Fluid Dynamics, 2000 [11] K.C Giannakoglou “Acceleration of Genetic Algorithms using Artificial Neural Networks – Application of The Method” Lecture Series 2000-07 “Genetic Algorithms for Optimisation in Aeronautics and Turbomachinery”, von Karman Institute for Fluid Dynamics, 2000 [12] K.C Giannakoglou, Assisted, M.K Karakasis “On the Use of Metamodel- Multi-Objective Evolutionary Algorithm” Journal Engineering Optimization, vol.38, No 8, Dec 2006, pp.941-957 of 96 [13] K.C Giannakoglou, D.I Papadimitriou, I.C Kampolis “Aerodynamic Shape Design Using Evolutionary Algorithms and New Gradient-assisted Metamodels” Comput Methods Appl Mech Eng., vol 195, pp 63126329, Sep 2006 [14] K.C Giannakoglou, P.I.K Liakopoulos, I.C Kampolis “Grid Enabled, Hierarchical Distributed Metamodel-assisted Evolutionary Algorithms for Aerodynamic Shape Optimization” Future Generation Computer Systems, v.24 n.7, p.701-708, July, 2008 [15] Abdurrahman Hacioglu “Using Genetic Algorithm in Aerodynamic Design and Optimization” Ph.D Thesis, Technical University of Istanbul, 2003 [16] Abdurrahman Hacioglu & Y Volkan Pehlivanoglu “Inverse Design Of 2-D Airfoil Via Vibrational Genetic Algorithm” Journal of Aeronautics and Space Technologies, July 2006 Volume Number (7-14) [17] Abdurrahman Hacioglu “Augmented Genetic Algorithm with Neural Network and Implementation to the Inverse Airfoil Design” 10th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference 30 August - September 2004, Albany, New York [18] Antony Jamseson and John C Vassberg “Computational Fluid Dynamics for Aerodynamic Design: Its Current and Future Impact” 39th AIAA Aerospace Sciences Meeting & Exhibit, – 11 January, 2001 / Reno, NV, AIAA Paper 2001-0538 [19] F Johnson, E Tinoco and J Yu “Thirty Years of Development and Application of CFD at Boeing Commercial Airplanes, Seattle” 16th AIAA Computational Fluid Dynamics Conference, 2005, AIAA Paper 2003-3439 97 [20] A.J Keane and P.B Nair “Computational Approaches for Aerospace Design – The Persuit of Excellence” John Wiley & Son, 2005 [21] M.S Khurana “Application of an Hybrid Optimization Approach in the Design of Long Endurance Airfoils” 26th Congress of International Council of the Aeronautical Sciences, 8th AIAA Aviation Technology, Integration, and Operations (ATIO) Conference 14 - 19 September 2008, Anchorage, Alaska, USA, Paper ICAS 2008-2.8.2 [22] Ilan Kroo “Innovation in Aeronautics” 42nd AIAA Aerospace Sciences Meeting, – January 2004 / Reno, NV, AIAA Paper 2004-0001 [23] Rainald Löhner “Applied Computational Fluid Dynamics Techniques: An Introduction Based on Finite Element Methods” 2nd Edition John Wiley & Sons, 2008, ISBN-13: 978-0-470-51907-3 [24] B Mohammadi and O Pironneau “Applied Shape Optimization for Fluids” Clarendon Press Oxford, 2001 [25] Akira Oyama, Shigeru Obayashi, Kazuhiro Nakahashi, & Takashi Nakamura “Aerodynamic Optimization of Transonic Wing Design Based on Evolutionary Algorithm” Third International Conference on Nonlinear Problems in Aviation and Aerospace Methods and Software, DAYTONA BEACH, FLORIDA, May 2000 [26] M.Y Pehlivanoglu “Representation Method Effects On Vibrational Genetic Algorithm in 2-D Airfoil Design” Journal of Aeronautics and Space Technologies, July 2009 Volume Number (7-13) [27] S Peigin & B Epstein “Robust optimization of 2d airfoils driven by full navier-stokes computations, Computers and Fluids” Computers & Fluids, Volume 33, Issue 9, November 2004, Pages 1175-1200 98 [28] D Quagliarella, A Vicini “Airfoil And Wing Design Through Hybrid Optimization Strategies”, Paper 98-2729 At The AIAA 16th Applied Aerodynamics Conference, Albuquerque, New Mexico, June 1998 [29] M.M Raghuwanshi, O.G Kakde “Survey on Multi-objective Evolutionary and Real-coded Genetic Algorithms” Proceedings of the 8th Asia Pacific Symposium on Intelligent and Evolutionary Systems, 150161, 2004 [30] M.M Rai & N.K Madavan “Aerodynamic Design Using Neural Networks” AIAA Jour., vol 38 (2000) pp 173-182 [31] M.M Rai and N.K Madavan “Hybrid Neural Network and Support Vector Machine method for optimization” US Patent Publication, Publication No US 6961719 B1 published on 01-Nov-2005 [32] S Rogers et al “Computation of Viscous Flow for a Boeing 777 Aircraft in Landing Configuration” 18th AIAA Applied Aerodynamics Conference, 14 – 17 August 2000 / Denver, Colorado, AIAA 2000-4221 [33] Shigeru Obayashi, Akira Oyama & Kazuhiro Nakahashi “Real-Coded Adaptive Range Genetic Algorithm And Its Application to Aerodynamic Design” Journal of Applied Soft Computing, 2000, vol.1, p.179-187 [34] Shigeru Obayashi, Akira Oyama and Meng-Sing Liou “Transonic AxialFlow Blade Shape Optimization Using Evolutionary Algorithm and Three-Demensional Navier-Stokes Solver” AIAA Paper 2002-5642, 9th AIAA/ISSMO Symposium on Multidisciplinary Analysis and Optimization, Atlanta, GA, 2002 [35] Shigeru Obayashi “Airfoil Shape Parameterization for Evolutionary Computation” von Karman Institute for Fluid Dynamics Lecture Series, 2000-07, 2000 99 [36] Stuart J Russell and Peter Novig “Artificial Intelligence: A Modern Approach” 2nd Edition Prentice Hall, 2003, ISBN 0-13-080302-2 [37] A Shahrokhi, A Jahangirian “An Efficient Aerodynamic Optimization Method using a Genetic Algorithm and a Surrogate Model” 16th Australasian Fluid Mechanics Conference Crown Plaza, Gold Coast, Australia 2-7 December 2007 [38] H Sobieczky “Parametric Airfoils and Wings” Recent Development of Aerodynamic Design Methodologies – Inverse Design and Optimization -, Friedr Vieweg & Sohn Verlagsgesellschaft mbH, Braunschweig/Wiesbaden, Germany, 1999, pp.72-74 [39] Tse D C M., Chan Y Y L “Application of Micro Genetic Algorithms and Neural Networks for Airfoil Design Optimization” RTO-AVT Symposium on Aerodynamic Design and Optimization of Flight Vehicles in a Concurrent Multi-disciplinary Environment, Canada, 1999 [40] Erguven Vantandas “Hybridizing Genetic Algorithm with Artificial Neural Network in the Aerodynamic Optimization of the Forward Swept Wing” 51st AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics, and Materials Conference 18th April 2010, Orlando, Florida [41] Zingg, D.W., Nemec, M., and Pulliam, T.H “A Comparative Evaluation of Genetic and Gradient-based Algorithms Applied to Aerodynamic Optimization” REMN - 17/2008, pp 103-126 LÝ LỊCH TRÍCH NGANG Họ tên: Trần Quang Khải – Giới tính: Nam Ngày tháng năm sinh: 27 tháng 05 năm 1985 Nơi sinh: Nghệ An Địa liên lạc: Tổ 10, KV 4, P.Trần Quang Diệu, Tp Quy Nhơn, tỉnh Bình Định Email: khai.quang.tran@gmail.com Q TRÌNH ĐÀO TẠO Thời gian Trường đào tạo Chuyên ngành Trình độ đào tạo 2003 – 2007 Đại học Khoa học Tự nhiên, Đại học Quốc gia Tp Hồ Chí Minh Cơng nghệ Phần mềm Cử nhân 2008 – Khoa học Máy tính Thạc sĩ Đại học Bách Khoa, Đại học Quốc gia Tp Hồ Chí Minh Q TRÌNH CƠNG TÁC Thời gian 2007 Đơn vị công tác Công ty phần mềm Gameloft, Tp Hồ Chí Minh 2008 – 2009 Cơng ty phần mềm Tanner VN, Tp Hồ Chí Minh Vị trí cơng tác Lập trình viên Lập trình viên ... THIỆU ĐỀ TÀI Ở nước ta, nghiên cứu vấn đề tối ưu hóa dạng khí động cịn ỏi ứng dụng chưa có Do đề tài này, ? ?Nghiên cứu xây dựng giải thuật tiến hóa hiệu bền vững ứng dụng tối ưu hóa dạng khí động? ??,... 1- TÊN ĐỀ TÀI: NGHIÊN CỨU XÂY DỰNG GIẢI THUẬT TIẾN HOÁ HIỆU QUẢ VÀ BỀN VỮNG ỨNG DỤNG TRONG TỐI ƯU HOÁ DẠNG KHÍ ĐỘNG ... dụng thành cơng vào tính tốn tối ưu hóa dạng khí động Những nghiên cứu gần tập trung vào việc nâng cao tính bền vững, hiệu giải thuật nhằm đưa vào ứng dụng thực tiễn Hiện nghiên cứu thường xoay