基于自适应遗传算法的航迹规划研究

对传统遗传算法进行了改进,通过采用交叉概率和变异概率的自适应设计,避免了进化过程中固定的交叉概率和变异概率产生的个体早熟和收敛缓慢的现象。仿真算例结果表明,自适应遗传算法能够有效地提高遗传算法的全局寻优能力,加快算法的收敛速度,有较强的地形和威胁回避能力,可为低空突防飞行器提供满足战术要求的参考航迹。     

基于一种混合算法的巡航导弹参考航迹规划

通过分析A*算法,提出了适合与遗传算法(GA)进行混合的改进方案,针对遗传算法求解巡航导弹参考航迹规划问题,讨论了在初始群体构建和变异操作中引入改进A*算法的混合方法,从而得到参考航迹.仿真结果表明,该方法具有很强的快速规划能力,并能得到较优的结果,适合于大规模复杂环境中的参考航迹规划.     

基于遗传算法的凸多边形区域航迹规划

提出了基于遗传算法的凸多边形区域航迹规划方法,针对飞行器转弯角和边界限制的航迹约束条件,改进了航迹编码方式,采用了基于方向编码的回溯方法生成航迹;同时改进了遗传算法的交叉算子和变异算子。仿真结果表明,该方法能快速有效地完成飞行器航迹规划任务,获得符合适应度要求的优化航迹。     

基于低可探测性的参考航迹规划

根据分层规划思想,确定参考航迹是进行航迹规划时首先要解决的问题。在充分考虑雷达探测的各种环境因素及飞行器RCS方位分布特性的基础上,将雷达对目标发现概率作为参考航迹的一个重要评价指标,基于自适应进化算法,采用新的遗传算子,最终生成综合考虑雷达威胁和飞行距离的参考航迹。结果表明,该航迹规划模型能根据对低可探测性和航程的不...     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

改进遗传模拟退火算法的航迹规划方法研究

建立了基于真实地形数据和火力威胁区的航迹规划空间模型,结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的特点,提出了一种改进遗传模拟退火算法的飞行器航迹规划方法。使用该算法对飞行器的攻击航迹在数字地图下进行了仿真验证,结果表明该方法是一种有效的航迹规划方法。     

训练空域动态规划问题数值模拟仿真算法研究

训练空域的动态规划对于提高空域利用率,提高部队训练效率,缓解军民用空矛盾具有重要意义。本文将空域的动态规划问题进行分阶段处理,通过寻求各个阶段的最优方案来使得总的占用时间最短。针对各个阶段的动态规划问题,在分析问题复杂性的基础上,构建了空域规划模型,提出了遗传-离散粒子群算法,通过融合遗传算法中的交叉与变异思想来改善DPSO算法摆脱局部最优解的能力,提高算法的收敛速度和精度。同时为保证种群的多样性,设计了可保证个体可行性的自适应交叉算子和变异算子。最后利用甘特图来表示整个空域规划过程。将改进后的遗传-粒子群算法用于算例,并与遗传算法比较,结果表明该算法获得的结果更优且收敛速度更快。     

遗传算法在反舰导弹航路规划中的应用

针对具有航路规划功能反舰导弹的飞行特性、导弹使用上的战术需要和遗传算法的特点．提出了一种反舰导弹参考航路编码方法。基于此编码方法．对种群中的个体进行编码，并设计了相应的交叉和变异操作。仿真结果表明，基于此编码方法的遗传算法具有很好的全局寻优能力。     

基于遗传退火算法的电路模拟吸波材料设计

相比传统吸波材料,电路模拟吸波材料可以很好地减小材料厚度、提高吸波性能,其设计通常使用遗传算法进行优化。针对传统遗传算法的诸多不足,对交叉和变异概率进行了改进、引入了模拟退火思想作为子代接受准则并增加了算法终止准则。其中,对交叉和变异概率的改进是最大创新点。改进后的遗传算法只需进化100代即得到最优解,平均反射率为-15.0420,厚度为1.43 mm,均优于传统算法得出的结果。结果表明,改进后的遗传算法具有收敛速率快、不易陷入局部最优解等优点。     

基于新型自适应遗传算法的混合可靠性优化模型

提出一种新型的自适应遗传算法。结合Logistic函数和余弦函数,对交叉、变异算子曲线进行非线性化处理,实现了交叉算子和变异算子的非线性自适应调整。用新算法求解测试函数,结果表明新算法能够提高收敛速度和精确度,有效地跳出局部收敛,避免早熟现象发生。并基于提出的新型自适应遗传算法,研究了截尾随机-模糊-区间变量的混合可靠性模型的优化问题,建立了以混合可靠性指标作为优化约束条件的混合可靠性优化模型。以某型飞机变速箱同步器系统的优化设计为例,验证了该模型在工程应用中的有效性。     

散点状分布危险天气区域下的航班改航路径规划

针对沿航线散点状分布的危险天气区域影响下的航班改航问题,提出了基于多目标遗传算法(MOGA)的航班改航路径规划方法。首先建立了基于网格的改航环境模型,并给出散点状分布危险天气区域的描述方法。然后以改航航段的航段距离、平均偏离距离和转弯点个数为目标,应用带精英保留策略的非支配排序遗传算法(NSGA-II)对改航路径规划进行研究,提出了适用于改航路径规划的编码方法,同时引入了删除算子。最后,以昆明—广州航线为例,研究了散点状分布危险天气区域下的改航路径规划,并与基于多边形的改航路径规划算法作了比较。仿真结果表明：采用本文方法运行一次即可得到多条安全、可行的改航路径,且无需先验知识,为决策者选择改航路径提供了充足的依据。     

基于混合遗传算法的航班串优化模型研究

分析了飞机排班调度中航班串的编制优化问题，并针对该问题建立优化模型，模型主要考虑了航班串编制时关于航站衔接的要求及过站时间的限制。同时，为求解所建立的模型，构造了一种基于精英选择策略的自适应遗传算法．通过使用实际航班数据对模型进行仿真研究，证明了模型及算法的可行性、     

A strategic flight conflict avoidance approach based on a memetic algorithm

Conflict avoidance （CA） plays a crucial role in guaranteeing the airspace safety. The cur- rent approaches, mostly focusing on a short-term situation which eliminates conflicts via local adjust- ment, cannot provide a global solution. Recently, long-term conflict avoidance approaches, which are proposed to provide solutions via strategically planning traffic flow from a global view, have attracted more attentions. With consideration of the situation in China, there are thousands of flights per day and the air route network is large and complex, which makes the long-term problem to be a large-scale combinatorial optimization problem with complex constraints. To minimize the risk of premature convergence being faced by current approaches and obtain higher quality solutions, in this work, we present an effective strategic framework based on a memetic algorithm （MA）, which can markedly improve search capability via a combination of population-based global search and local improve- ments made by individuals. In addition, a specially designed local search operator and an adaptive local search frequency strategy are proposed to improve the solution quality. Furthermore, a fast genetic algorithm （GA） is presented as the global optimization method. Empirical studies using real traffic data of the Chinese air route network and daily flight plans show that our approach outper- formed the existing approaches including the GA .based approach and the cooperative coevolution based approach as well as some well-known memetic algorithm based approaches.     

小型无人机气动参数辨识的新型HGAPSO算法

针对小型无人机(UAVs)研制中操稳特性和飞行控制律设计评估对气动参数辨识的需求,提出了一种混合遗传粒子群优化算法(HGAPSO)。该算法以粒子群优化算法(PSO)为主体,在粒子优化路径中,引入遗传算法(GA)的交叉变异操作,增强粒子群跳出局部最优的能力;同时采用Kent映射改进粒子种群的初始化,使初始种群在可行解空间内分布更加均匀,增强全局优化能力。基于仿真结果,依据辨识准度及辨识成功率,对比了HGAPSO、常规PSO和GA优化算法气动参数辨识的结果,然后用蒙特卡洛仿真测试随机观测噪声的影响,结果表明该算法兼备PSO算法高的搜索效率和GA算法的全局优化能力,对随机观测噪声不敏感。最后,通过设计小型UAV试飞示例进行综合应用评价,结果表明:HGAPSO算法基于真实试飞数据进行气动参数辨识取得了满意结果,具有良好的实用性。     

改进型蚁群算法的全局路径规划仿真研究

针对传统蚁群算法收敛较慢的问题,提出了一种在复杂环境下全局路径规划的改进型蚁群算法。利用链接图法建立了路径规划的空间模型;借鉴狼群分配原则对信息素进行更新;在缩小搜索区域,提高搜索效率的过程中,引入了启发式概率公式和启发函数;通过参数自适应调整策略,进一步对最优解进行了优化。将基于Dijkstra算法的初始路径规划和改进后蚁群算法的规划结果进行了仿真对比,结果表明,改进后蚁群算法的全局优化性能较好,具有一定的有效性和可行性。