1.一种飞行器的多目标气动布局优化方法，其特征在于，包括：构建飞行器的多目标气动布局优化模型，并确定所述多目标气动布局优化模型的优化目标，获取用户设置的多目标粒子群的初始参数；所述优化目标包括低速升力和高速升阻比；所述初始参数包括粒子位置寻优范围、最大迭代步数、数据再利用分析的迭代步数、外部档案、初始迭代次数、初始粒子速度及位置；所述多目标气动布局优化模型的设计约束包括机翼面积；基于所述优化目标计算所述多目标粒子群中当前粒子的各适应度值，并根据所述初始参数对个体最优、所述外部档案、全局最优、所述初始粒子速度及位置进行更新；判断所述初始迭代次数是否小于所述数据再利用分析的迭代步数，若所述初始迭代次数小于所述数据再利用分析的迭代步数，则迭代执行所述适应度值的计算及更新流程，直至所述初始迭代次数不小于所述数据再利用分析的迭代步数，获取相应的迭代中间过程数据及当前迭代次数，计算所述当前粒子的贡献值，并采用决策树算法进行离散分类，以得到所述当前粒子的设计空间，基于所述设计空间对所述初始参数中的所述粒子位置寻优范围进行更新，以得到更新后的所述粒子位置寻优范围；判断所述当前迭代次数是否小于所述最大迭代步数，若所述当前迭代次数小于所述最大迭代步数，则利用更新后的所述粒子位置寻优范围迭代执行所述适应度值的计算及更新流程，若所述当前迭代次数不小于所述最大迭代步数，则输出当前更新后的目标外部档案，利用所述目标外部档案实现对所述飞行器的多目标气动布局优化；其中，所述获取相应的迭代中间过程数据及当前迭代次数，计算所述当前粒子的贡献值，包括：采用数据再利用方法获取相应的迭代中间过程数据，并获取当前迭代次数；通过总变差分析中的混沌多项式方法计算所述当前粒子对所述优化目标的贡献值。
2.根据权利要求1所述的飞行器的多目标气动布局优化方法，其特征在于，所述基于所述优化目标计算所述多目标粒子群中当前粒子的各适应度值，并根据所述初始参数对个体最优、所述外部档案、全局最优、所述初始粒子速度及位置进行更新，包括：基于所述优化目标并按照用户自定义的计算规则对所述多目标粒子群中当前粒子进行计算，以得到各适应度值；根据所述初始参数对个体最优进行更新，以得到更新后的所述个体最优；基于所述当前粒子对所述外部档案进行更新，以得到更新后的所述外部档案；从更新后的所述外部档案中随机选取一组数据作为全局最优；根据所述初始参数对所述当前粒子的所述初始粒子速度及位置进行计算并更新，以得到更新后的粒子速度及位置。
3.根据权利要求2所述的飞行器的多目标气动布局优化方法，其特征在于，所述根据所述初始参数对个体最优进行更新，以得到更新后的所述个体最优，包括：判断当前迭代次数是否大于初始迭代次数，若当前迭代次数不大于初始迭代次数，则将当前粒子作为更新后的个体最优；若当前迭代次数大于初始迭代次数，则确定当前个体最优，判断所述当前粒子的适应度值是否支配所述当前个体最优的适应度值，若所述当前粒子的适应度值支配所述当前个体最优的适应度值，则将所述当前粒子作为更新后的个体最优，若所述当前粒子的适应度值不支配所述当前个体最优的适应度值，则将所述当前个体最优作为更新后的个体最优。
4.根据权利要求2所述的飞行器的多目标气动布局优化方法，其特征在于，所述基于所述当前粒子对所述外部档案进行更新，以得到更新后的所述外部档案，包括：将所述当前粒子与所述外部档案进行对比，并判断所述外部档案中是否存在支配所述当前粒子的数据；若所述外部档案中不存在支配所述当前粒子的数据，则将所述当前粒子作为新数据输入至所述外部档案，并将所述外部档案中被所述当前粒子支配的数据删除，以得到更新后的所述外部档案。
5.根据权利要求2所述的飞行器的多目标气动布局优化方法，其特征在于，所述根据所述初始参数对所述当前粒子的所述初始粒子速度及位置进行计算并更新，以得到更新后的粒子速度及位置，包括：将所述初始参数输入预设速度计算公式中进行计算及更新，以得到更新后的粒子速度；所述预设速度计算公式为： ；其中，i为种群中粒子的序号， 为第i个粒子在t+1次迭代时的速度， 为第i个粒子在t次迭代时的速度， 为第i个粒子在第t次迭代时的个体最优位置， 为第i个粒子在第t次迭代时的位置， 为第t次迭代时的所有粒子的全局最优位置， 为惯性权重， 和 均为初始化学习因子， 和 均为随机参数；将更新后的粒子速度代入预设位置计算公式中进行计算及更新，以得到更新后的粒子位置；所述预设位置计算公式为： ；其中， 为第i个粒子在第t+1次迭代时的位置， 为第i个粒子在第t+1次迭代时的速度。
6.根据权利要求1至5任一项所述的飞行器的多目标气动布局优化方法，其特征在于，所述通过总变差分析中的混沌多项式方法计算所述当前粒子对所述优化目标的贡献值之后，还包括：判断贡献值是否小于预设阈值；若所述贡献值小于预设阈值，则将当前粒子设置为对优化目标不敏感设计变量，并将对优化目标不敏感设计变量配置为用户自定义的固定数值；若所述贡献值不小于预设阈值，则将所述当前粒子设置为对优化目标敏感变量。
7.一种飞行器的多目标气动布局优化装置，其特征在于，包括：参数获取模块，用于构建飞行器的多目标气动布局优化模型，并确定所述多目标气动布局优化模型的优化目标，获取用户设置的多目标粒子群的初始参数；所述优化目标包括低速升力和高速升阻比；所述初始参数包括粒子位置寻优范围、最大迭代步数、数据再利用分析的迭代步数、外部档案、初始迭代次数、初始粒子速度及位置；所述多目标气动布局优化模型的设计约束包括机翼面积；计算及更新模块，用于基于所述优化目标计算所述多目标粒子群中当前粒子的各适应度值，并根据所述初始参数对个体最优、所述外部档案、全局最优、所述初始粒子速度及位置进行更新；离散分类模块，用于判断所述初始迭代次数是否小于所述数据再利用分析的迭代步数，若所述初始迭代次数小于所述数据再利用分析的迭代步数，则迭代执行所述适应度值的计算及更新流程，直至所述初始迭代次数不小于所述数据再利用分析的迭代步数，获取相应的迭代中间过程数据及当前迭代次数，计算所述当前粒子的贡献值，并采用决策树算法进行离散分类，以得到所述当前粒子的设计空间，基于所述设计空间对所述初始参数中的所述粒子位置寻优范围进行更新，以得到更新后的所述粒子位置寻优范围；气动布局优化模块，用于判断所述当前迭代次数是否小于所述最大迭代步数，若所述当前迭代次数小于所述最大迭代步数，则利用更新后的所述粒子位置寻优范围迭代执行所述适应度值的计算及更新流程，若所述当前迭代次数不小于所述最大迭代步数，则输出当前更新后的目标外部档案，利用所述目标外部档案实现对所述飞行器的多目标气动布局优化；其中，所述获取相应的迭代中间过程数据及当前迭代次数，计算所述当前粒子的贡献值，包括：采用数据再利用方法获取相应的迭代中间过程数据，并获取当前迭代次数；通过总变差分析中的混沌多项式方法计算所述当前粒子对所述优化目标的贡献值。
8.一种电子设备，其特征在于，包括：存储器，用于保存计算机程序；处理器，用于执行所述计算机程序，以实现如权利要求1至6任一项所述的飞行器的多目标气动布局优化方法。
9.一种计算机可读存储介质，其特征在于，用于保存计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的飞行器的多目标气动布局优化方法。
