<!-- /* Style Definitions */ p.MsoNormal, li.MsoNormal, div.MsoNormal {mso-style-parent:""; margin:0cm; margin-bottom:.0001pt; mso-pagination:widow-orphan; font-size:14.0pt; mso-bidi-font-size:10.0pt; font-family:Arial; mso-fareast-font-family:"Times New Roman"; mso-bidi-font-family:"Times New Roman"; mso-fareast-language:EN-US;} p.MsoBodyTextIndent2, li.MsoBodyTextIndent2, div.MsoBodyTextIndent2 {margin-top:0cm; margin-right:0cm; margin-bottom:6.0pt; margin-left:14.15pt; line-height:200%; mso-pagination:widow-orphan; font-size:14.0pt; mso-bidi-font-size:10.0pt; font-family:Arial; mso-fareast-font-family:"Times New Roman"; mso-bidi-font-family:"Times New Roman"; mso-fareast-language:EN-US;} @page Section1 {size:612.0pt 792.0pt; margin:70.85pt 70.85pt 70.85pt 70.85pt; mso-header-margin:35.4pt; mso-footer-margin:35.4pt; mso-paper-source:0;} div.Section1 {page:Section1;} -->

Bu çalışma titreşimli genetik algoritma yöntemini, dinamik ağ ve bir Euler akış çözücüsü ile birleştirerek üç boyutlu kanat modellerinin (Onera M6 kanadı) optimizasyonuna uygulamaktadır. Genetik prosesler sonucunda elde edilen üç boyutlu modeller için yeniden ağ yapısı (mesh) oluşturulmasında dinamik ağ yöntemi kullanılmıştır. Bunun için yazılan bilgisayar programıyla, sıfırdan ağ oluşturulmasına göre, yapı bozulmadan daha hızlı bir şekilde yeni ağ yapıları elde edilmiştir. Genetik Algoritmanın önemli özelliklerinden birisi bir noktadan yola çıkarak en iyiyi aramaması, aksine geniş bir topluluk içinden en iyilerini seçmesidir. Ancak Genetik Algoritmanın zayıf noktalarından biri, özellikle üç boyutlu geometriler için, işlemci zamanının çok fazla olmasıdır. Bu zamanın büyük bir bölümü de akış alanını çözen program tarafından kullanılmaktadır. Başlangıç modelinin profil şekli ve daha sonra sivrilik oranı değiştirilerek başlangıç popülasyonu elde edilmiştir. Her bir popülasyonda 14 farklı profil şekli ve sivrilik oranına sahip Onera M6 kanadı bulunmaktadır. İşlemci zamanından tasarruf sağlamak için program, önceki çözümleri başlangıç çözümü olarak kullanmaktadır. Taşıma ile sürükleme kuvvetlerinden yola çıkılarak uygunluk değerleri hesaplanmaktadır. Genetik algoritma bireyleri bu uygunluk değerlerine göre değerlendirmektedir. Uygunluk değeri yüksek olan bireyin seçilme şansı ve özelliklerinin sonraki nesillere aktarılma ihtimali yükselmektedir. Uygunluk fonksiyonu seçilirken, kanat modelleri belirli bir dizayn - taşıma kuvvetinden fazla uzaklaşmadan sürükleme kuvvetlerini minimize edecek şekilde olmasına dikkat edilmiştir. Elde edilen sonuçlar incelendiğinde optimizasyon işleminin beklentilere uygun şekilde sürükleme kuvvetini yaklaşık yüzde 25 oranında azalttığı gözlemlenmektedir.

 

Anahtar Kelimeler: Sezgisel algoritmalar, dinamik ağ, optimizasyon, ağ modifikasyonu.