解成批生产车间作业排序问题的一种模拟退火算法

成批生产车间的作业排序（JobShopScheduling）问题是生产管理与组合优化领域研究的重要课题。模拟退火算法对于这类问题具有较强的寻优能力。本文针对成批生产车间的作业排序的作业排序问题设计了一种模拟退火算法的实现形式，通过大量的算例分析表明，该算法具有良好地收敛特性与运算效率。     

航空母舰舰载机弹药保障作业调度优化算法

针对航空母舰舰载机弹药保障作业高动态、多阶段特性，将柔性流水车间调度方法和群体智能优化理论相结合，提出一种面向舰载机弹药保障作业的调度优化算法。提出将复杂的弹药保障作业调度问题抽象规约为一类考虑工件交货期的柔性流水车间调度问题，引入启发式规则，构建兼顾高效性和可靠性实战要求的弹药保障作业调度数学模型ATSCA。结合弹药保障作业问题特征，设计提出一种基于双层整数编码的贪婪局部搜索遗传算法（GLSGA-DC），改进操作算子和局部搜索算法设计，以最小化弹药保障完成时间为目标对保障模型进行求解。多组仿真结果表明，相比于同类算法，GLSGA-DC算法在Benchmark基准算例和实际弹药转运实例实验中均取得优秀的效果，在求解均值（AVG）、相对偏差（RD）等指标方面均明显占优，验证了ATSCA模型和求解算法在实际弹药保障任务中的有效性和鲁棒性。     

一种启发式混合遗传算法及其在车间作业排序问题中的应用

针对一般车间作业排序问题（n/m/G/Cmax）建立了一种启发式混合遗传算法,将调度规则SPT与MWKR引入遗传搜索过程,并应用邻域搜索法作局部辅助搜索,以提高解的性能。通过与目前一些常用算法的比较表明,该算法具有良好的求解性能与运算效率。     

迅猛发展的进化计算技术

迅猛发展的进化计算技术进化计算（ｅｖｏｌｕｔｉｏｎａｒｙｃｏｍｐｕｔａｔｉｏｎ），是一种模拟生物遗传、进化的随机寻优技术。实现这种模拟进化（ｓｉｍｕｌａｔｅｄｅｖｏｌｕｔｉｏｎ）的方法有三种：遗传算法（ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍｓ），进化策略（...     

机场刚性道面无破损试验(NDT)评定中的因次分析

根据因次分析（ｄｉｍｅｎｓｉｏｎａｌ ａｎａｌｙｓｉｓ）法则介绍了一种相容的，理论上严密的刚性道面无破损评定法以及板和基础双层体系（ｔｗｏ－ｌａｇｅｒ ｓｌａｂ－ｏｎ－ｇｒａｄｅｐａｕｅｍｅｎｔ ｓｙｓｔｅｍ）的闭型回归计算（ｃｌｏｓｅｄ－ｆｏｒｍ ｂａｃｋｃａｌｃｕｌａｔｉｏｎ）：推导并评价了荷载与支承的四种基本组合的方程式。为了能在个人计算机上完成这种算法，编制了一个简短的计算机程序（ＩＬＬＩ     

求解含调整时间排序问题的混合遗传算法

利用仿真工具将启发式方法与遗传算法相结合,提出了一种求解Job Shop排序问题的混合算法框架,利用启发式规则引导遗传搜索过程,以提高遗传算法的求解效率。在求解过程中,遗传算法仅对每台机器的第1道工序搜索寻优,通过仿真过程安排后续工序,在仿真过程中,利用启发式规则确定工件的加工优先级。在以上框架基础上,针对含调整时间的作业排序问题建立了一种混合算法GA-SPTS,通过与已有算法的比较表明,该算法对这类问题具有很好的求解性能。     

逐段优化式调度算法

对柔性制造系统中的作业排序问题做了探讨，并根据作业排序的阶段性提出一种新的作业排序算法。通过一个实例，比较了其与传统算法的差异。     

求解机务维护排序问题的混合遗传算法

利用仿真工具将启发式方法与遗传算法相结合,引入一种求解车间作业排序的混合算法框架。在以上框架的基础上,针对含调整时间的机务维护问题建立了一种混合算法GA-SPTS,通过与已有算法的比较表明,该算法对这类问题有很好的求解性能。     

多植保无人机协同路径规划

为实现多植保无人机（UAVs）协同作业，并提高作业效率，提出了一种基于改进粒子群优化（PSO）的多植保无人机协同路径规划算法。根据作业区域的形状面积和植保UAV的作业参数划分各架UAV作业区域，采用栅格法生成各区域全覆盖作业航线。以各架植保UAV各架次植保作业距离为算法寻优变量，在确保各架UAV补给时间满足间隔分布约束条件下，综合考虑补给总次数、返航补给总时间、总耗时和最小补给时间间隔4项因素，并构成目标函数，通过采用改进PSO算法，实现了对各UAV返航顺序和返航点位置的寻优。仿真分析结果表明，相较于最大作业距离规划和最小返航距离规划，本文提出的规划算法表现出了较优的性能和较好的作业区域适应性，证实了其有效性和实用性。     

基于改进AFSA的桨扇发动机加速控制计划优化

为了提升桨扇发动机的过渡态性能，提出了一种可以满足发动机性能参数约束和寻优结果正确性要求的桨扇发动机加 减速控制计划优化方法。引入自适应调整策略和半可行域对人工鱼群算法（AFSA）进行改进，经过数值验证，改进后的算法较原 始算法具有更快的收敛速度和更高的寻优精度。将推力与目标推力间的差值作为寻优目标，采用改进后的人工鱼群算法和序列 二次规划算法（SQP）对桨扇发动机的加速过程进行优化，得到了满足约束前提下的桨扇发动机时间最短的加速控制计划，结果表 明：与采用传统的基于梯度的序列二次规划算法相比，采用改进的人工鱼群算法进行离线分段寻优所得到的控制计划总加速时间 缩短了21.8%（0.58 s），证明了改进人工鱼群算法具有更强的全局寻优能力，更适用于桨扇发动机加速控制计划的优化。     

基于蚁群算法的TSP的仿真与研究

对于旅行商问题的研究始于19世纪,从20世纪中叶开始随着计算机技术的发展而不断发展。蚁群算法是一种新型的优化算法,于20世纪90年代提出,最早成功应用于解决旅行商问题。研究表明,蚁群算法有着极强的鲁棒性发现较好解的能力。通过编程实现了用蚁群算法解决旅行商问题,通过仿真实验研究了各参数对算法的影响。     

Sequential ensemble optimization based on general surrogate model prediction variance and its application on engine acceleration schedule design

The Efficient Global Optimization (EGO) algorithm has been widely used in the numerical design optimization of engineering systems. However, the need for an uncertainty estimator limits the selection of a surrogate model. In this paper, a Sequential Ensemble Optimization (SEO) algorithm based on the ensemble model is proposed. In the proposed algorithm, there is no limitation on the selection of an individual surrogate model. Specifically, the SEO is built based on the EGO by extending the EGO algorithm so that it can be used in combination with the ensemble model. Also, a new uncertainty estimator for any surrogate model named the General Uncertainty Estimator (GUE) is proposed. The performance of the proposed SEO algorithm is verified by the simulations using ten well-known mathematical functions with varying dimensions. The results show that the proposed SEO algorithm performs better than the traditional EGO algorithm in terms of both the final optimization results and the convergence rate. Further, the proposed algorithm is applied to the global optimization control for turbo-fan engine acceleration schedule design.     

多坐标系下目标跟踪的联合滤波

针对雷达目标观测和处理在不同的坐标系下完成，本文提出了联合滤波算法来跟踪机动目标。该算法以卡尔曼滤波器为基础，直角坐标系下和极坐标系下的算法相联合，不仅克服了两种坐标系下滤波算法的不足，而且对机动目标有很好的跟踪效果。仿真实验结果表明了该算法的有效性。     

空间多分辨率模糊目标跟踪

提出了一种新的模糊目标跟踪算法--CPDA算法。这个算法在空间多分辨率框架下应用概率数据互联算法,在粗分辨率上实现模糊目标跟踪。在不同虚警密度的模糊目标环境下,利用仿真实验分析了CPDA算法的跟踪性能,同时将其与单分辨率上的联合概率数据互联方法进行了性能比较。仿真结果表明,CPDA算法的跟踪性能在达到与单分辨率上JPDA算法同样性能的条件下,能够以较小的计算量跟踪模糊目标。     

基于核的K近邻法

将核学习方法的思想应用于K近邻法中,提出了一种核K近邻算法,算法的主要思想是:首先将原空间中待分类的样本经过一个非线性映射,映射到一个高维的核空间中,突出各类样本之间的特征差异,然后在这个核空间中进行K近邻分类.为了验证算法的有效性,分别利用人工和实际数据进行K近邻分类和核K近邻分类,实验结果显示对于一些特殊的类分布数据,核K近邻分类比K近邻分类具有更好的分类效果.     

部分模糊度固定方法在GNSS/INS紧组合中的应用研究

针对动态环境下GNSS/INS导航定位模糊度固定难的问题,提出了一种基于部分模糊度固定的GNSS/INS紧组合导航定位算法,通过选择模糊度的最优子集进行固定,并利用实测车载实验进行了算法验证.实验结果表明:在开阔环境下,基于部分模糊度固定的GNSS/INS紧组合与基于全模糊度固定的GNSS/INS紧组合算法的定位精度相当,均为厘米级,但是使用部分模糊度固定算法可以有效地提升模糊度固定率;在城市环境下,基于部分模糊度固定的算法明显优于基于全模糊度固定的算法,前者东向精度提升了8％、北向精度提升了31％、天向精度提升了60％,且模糊度固定率提升了21.8％.     

斜爆轰波并行数值模拟的化学加速算法性能研究

考虑基元反应条件下的爆轰波精细结构的数值模拟计算量巨大,发展高精度和高效率的计算方法十分必要。本文以Ma马赫数为7的H2/O2/N2预混气来流形成的斜爆轰波为数值模拟对象,研究了一种基于并行计算架构的用于加速化学反应计算的建表算法的计算性能,考察了不同建表策略和不同并行分区数量对算法性能的影响。研究结果显示,本文采用的建表算法能够很好地再现斜爆轰结构,其计算精度不受建表策略和并行计算分区数量的影响；而算法的计算效率则取决于不同分区对应的数据表之间操作的同步性,其中,数据表中节点数据的取回率和数据表设定的尺寸上限都会影响数据表操作的同步性。本文采用的TP和PLP两种建表策略的计算结果表明,TP策略数据表中节点取回率高于PLP策略,故计算效率更高；而计算分区数量越少,则分区对应的数据表尺寸上限越大,数据表的同步性就越好,计算效率也越高。上述研究为发展适于气相斜爆轰波数值模拟的高保真和高效率的计算方法提供了有益参考。     

混合遗传算法在航天器最优交会中的应用

推导了航天器双冲量交会时的优化模型,以此为基础构造了最优交会的燃料-时间混合优化指标,并针对基本遗传算法局部搜索能力不强的问题,提出一种将最速下降法与遗传算法相结合的混合遗传算法,其中下降搜索的优化方向利用每一代中最劣个体所包含的优化信息获得。数值计算表明,该混合算法可加速算法的收敛,具有良好的优化性能和函数适应能力。最后,对共面圆轨道双冲量交会情况进行了仿真计算,仿真结果表明混合遗传算法的设计是成功的。     

有人-无人机协同空战机动决策研究

目前，有关无人机空战的研究主要考虑无人机的完全自主决策机动算法，关于有人机有限监督决策下的空战机动决策的研究鲜有报道，更缺乏对有人—无人机协同作战的研究。为实现无人机协同空战过程中的自主机动，设计一种基于路径规划技术的有人—无人机协同空战机动决策模型。首先，引入动态栅格环境，自适应调整栅格规模和分辨率，以弥补静态栅格环境规划空间越大规划效率越低的缺陷；然后，将A star 算法规划路径作为参考路径，提出ACO-A star 混合路径规划算法，以提升ACO 算法的寻优效能；最后，基于均值聚类算法设计有人—无人机协同空战机动决策算法。进行空战对抗仿真模拟，结果表明：所提出的算法具有更好的决策正确性，可有效提升空战胜率。     

基于优势关系粗糙集的属性约简算法

针对目前对不同信息系统下优势粗集的处理几乎都是将其划为单值完备信息系统来处理这种现象,以及基于区别矩阵和基于正域的属性约简算法是不等价的这个问题,提出了一种基于单值完备信息系统的快速属性约简算法。首先,提出了对象集约简;其次,使用基数排序思想计算;再次,结合了区别矩阵和正域约简2种算法,在大量提高算法时间复杂度的同时提高了算法的可信度;最后,采用实验验证了约简算法的实用性。