Augmented genetic algorithm with neural network and implementation to inverse airfoil

Yapay sinir ağı ile güçlendirilmiş genetik algoritma ve tersten kanat profili dizaynı

Abstract

In this study, an augmented genetic algorithm via artificial neural network has been introduced, and its implementation to the inverse airfoil design problem is demonstrated. Neural network and a real coded genetic algorithm are hybridized in a new way with the purpose of getting a faster algorithm. In this approximation, instead of predicting computational fluid dynamics calculations of a candidate airfoil, neural network is used for predicting candidate itself. This powerful method is tested for an inverse airfoil design problem in transonic flow cases. The computational efficiency of this implemented algorithm is tremendously high, and due to still being genetic algorithm based technique, this new method is also as robust as the pure genetic algorithms.

Özet

Bu çalışmada, yapay sinir ağı ile güçlendirilmiş bir genetik algoritma önerilerek, tersten kanat profili dizaynına uygulaması yapılmıştır. Yapay sinir ağı ve genetik algoritma melez bir yapı içerisinde, yeni bir yaklaşımla birleştirilerek hızlı bir dizayn algoritması elde edilmiştir. Bu yeni yaklaşımda yapay sinir ağı, amaç fonksiyonunun yaklaşık olarak hesaplanması yerine, doğrudan hedef çözümün tahmin edilmesi için kullanılmıştır. Yapay sinir ağı, genetik sürecin her adımında, mevcut popülasyon kullanılarak eğitilmiştir. Yapay sinir ağı tarafından üretilen bir bireyin, her adımda, genetik işlemlerle oluşturulmuş olan yeni popülasyona dahil edilmesiyle dizayn sürecinin hızlandırılması amaçlanmıştır. Saf genetik algoritmalar kadar gürbüz olan bu yeni yöntemin tersten kanat profili dizaynına uygulanması ile dizayn sürecinin çok büyük oranda hızlandığı, işlem sayısının oldukça azaldığı görülmüştür.