一类适用于多星测控调度问题的模型及求解算法

多星测控调度是一个复杂的NP—hard问题,其模型和算法的研究一直是求解的关键和难点。本文从组合优化角度对问题进行描述,建立了多星测控调度问题的数学模型,并利用启发式调度算法予以求解。最后,将算法应用于一个6站10星的调度问题,进行了数值仿真研究。仿真表明,算法能在较短时间内求得任务支持率高且资源使用相对均衡的解,具有较好的寻优能力。     

舰艇编队防空火力分配问题的改进遗传算法

在建立舰艇编队防空火力分配模型的基础上,设计了求解该问题的改进遗传算法。实验结果表明,该算法可以有效求得舰艇编队防空火力分配问题的最优解或近似最优解,是求解舰艇编队防空火力分配问题的一个较好的方案。     

基于拉格朗日松弛算法的终端区飞机排序研究

终端区飞机排序问题是减少航班延误、降低成本的关键技术.考虑机型运行成本和飞机总延误时间,建立一个0~1整数规划模型.因其是一个组合优化问题,多约束相互制约,采用拉格朗日松弛算法将复杂约束转换为线性约束进行求解.仿真结果表明,求得的进近队列延误小、延误成本低、无冲突,且拉格朗日松弛算法计算得到的结果更为可靠,符合实际运行需求,结果优于传统的启发式算法.     

基于离散粒子群优化算法的直升机减速器齿轮故障特征选择

粒子群优化算法自提出以来,由于其容易理解、易于实现,所以发展很快,在很多领域得到了应用。本文针对机械故障特征选择问题,提出基于离散粒子群优化(PSO)算法的特征选择方法,并在直升机减速器齿轮故障诊断中进行了应用。实验结果表明,离散PSO算法可以快速、有效的求得优化特征集,是求解故障特征选择问题的一个较好方法。      

用Hopfield神经网络与模拟退火算法求解UAV航路规划问题

分别用Hopfield神经网络与模拟退火算法求解UAV航路规划问题,并且对所求得结果进行了简单比较,结果表明模拟退火算法比Hopfield神经网络求解UAV航路规划问题效率更高。     

基于体绘制的真三维显示中体素路径优化算法分析

由于基于体素的绘制方法所需处理体素数据很大,而体素激活的随机顺序与体数据存储顺序不一致,因此需要在体素激活前对体素按照立体显示的要求进行路径优化.本文针对该问题描述和分析了体素化过程,并提出一个典型的体素化流程.在此基础上,重点分析了流程中的体素路径优化算法,对其进行分析后进行数学建模并转化为TSP问题,最后提出了一个...     

基于数据挖掘的设备状态知识获取方法研究

数据挖掘是知识发现过程的一个重要步骤,在大数据特征的工程问题中有着广阔的应用前景。通过分析设备的实时状态数据,建立一套基于时间序列的设备知识获取模型以及模型度量,运用相似性预测算法以及聚类分析中的k-means算法对设备实时数据进行挖掘,从而获取设备实时数据所蕴含的知识,为后续通过知识推理进行设备故障预警奠定了基础。最后通过对某数控机床实时采集数据的分析实验,验证了模型和算法获取状态知识的有效性,并提出了改进的方法。     

GPS移动基准站差分定位算法

相对导航定位技术在空中加油任务中起着至关重要的引导作用。针对传统差分定位模式受限于基准站位置固定、覆盖范围有限等问题,研究了一种无固定基准站差分定位方案,实现了短基线高精度动态相对定位。该方案首先基于实时伪距单点定位求得移动站近似坐标,结合载波信息进行站间差分,求得单差模糊度浮点解及更高精度的移动站坐标。之后,再利用双差观测方程,并采用扩展Kalman滤波(Extended Kalman Filtering,EKF)算法获得移动站精确坐标和双差模糊度浮点解。最后,采用LAMBDA算法进行模糊度快速固定,获得最终定位结果。实验结果表明,所采用的无固定基准站差分定位方案使得基线长度均方差小于5cm,达到了较高的动态相对定位精度。     

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

单机场航班等待队列问题的动态排序算法分析

选取非实时战略流量管理的一个分支,即单机场航班等待队列优化问题进行了研究.在对问题进行了明确的数学定义的基础上,建立了经典的0-1整数规划问题模型,提出了专为解决此类问题而设计的动态排序算法,通过对真实数据的分析计算,检验了算法的有效性.     

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。     

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。     

基于能量最优的敏捷遥感卫星在轨任务规划

针对敏捷遥感卫星对多个离散观测点在轨自主任务规划问题,在考虑姿态运动方程耦合性的基础上,将问题分解为空间资源调度问题和连续最优控制问题,进而提出了一种结合伪谱法和遗传算法的混合求解算法。该算法针对基于行商问题(TSP)模型建立的空间资源调度问题模型,选用二维编码结构对观测顺序和相对观测时间进行实数编码,并采用遗传算法求解观测序列和观测时间;针对判断观测时间可行性时涉及的时间最优控制问题、以及姿态转移过程中涉及的最小能量消耗问题,将其归结为连续最优控制问题,并基于Gauss伪谱协态变量映射定理,采用Gauss伪谱法进行求解。通过与基于单纯遗传算法的规划算法进行对比试验,本文所提出的基于伪谱法和遗传算法的混合求解策略针对目标问题,在典型工况下姿态转移过程中能量消耗降低60%。     

数字化城市交通向导仿真的蚁群优化算法

以求解旅行商问题的蚁群算法为基础,充分考虑交通向导最佳路径的具体要求,对算法的选择机制、更新机制以及协调机制作进一步改进,引入自适应的转移策略,并融入节约法,以克服基本蚁群算法计算时间长、易出现停滞等缺陷。以湖北荆门地区车辆选择路径为研究对象,采用蚁群优化算法建立了车辆最佳路径的模型,并对其进行了仿真分析。仿真实验结果表明,优化算法比基本蚁群算法的路径更优,寻路时间更短。     

基于可行域调整的多相材料结构拓扑优化设计

针对多相材料结构柔顺度拓扑优化问题及其存在多个局部优化解的情况,提出一种新的多相材料结构柔顺度拓扑优化问题的求解方法, 并研究其获得多个局部优化解及寻找较好的优化解的能力。基于材料属性有理近似 （RAMP）模型,引入可行域调整技术,构建多相材料结构拓扑优化模型及近似优化模型。提出一种改进的交替主动相算法,该算法将多相材料结构拓扑近似优化模型分解为多个含2个主动相材料体积约束的系列二元相拓扑优化子模型,并利用光滑化对偶算法进行优化求解。与现有方法相比,采用多个不同的优化初始拓扑,提出的方法可找到更优的多相材料结构拓扑, 且为多相材料结构拓扑优化的多样性设计提供了一种有价值的思路与方法。     

遗传算法在微弱GPS信号捕获方法中的应用

 研究了微弱GPS信号的捕获问题，以捕获时较低的虚警概率和较高的检测概率为目标，以累加时的粗捕获(C/A)码周期数和导航数据数，以及捕获门限等参数为决策变量，应用遗传算法(GA)来解决这一多目标优化问题。仿真结果表明，该方法能够有效地解决所提出的问题，所得解能够优化捕获时欲选取的参数，从而提高捕获性能。     

基于遗传算法的复杂多峰函数优化

从传统的搜索、优化方法入手，分析了遗传算法对复杂、多峰函数优化的有效性；简单介绍了遗传算法；并归纳出从优化问题转化到用遗传算法求解的转化思路；最后，通过对一个多峰函数优化的遗传算法求解，验证了此方法在全局优化、鲁棒性等方面的更有效性。     

函数优化问题的多方法协作优化

针对复杂函数优化问题,采用多个优化方法进行多方法协作优化。多方法协作优化可以利用各个参与协作的优化方法之间的协作效应,提高优化性能。将遗传算法、模式搜索法和Powell法进行协作构成多方法协作优化方法。采用典型的全局优化测试函数进行实例计算,实例验证多方法协作优化相对于单独优化的优越性。     

基于改进烟花算法的资源分配

资源分配问题作为一个NP-Hard问题,在云计算、无线电、卫星调度、多无人机协同作业等领域皆有研究需求,是一个共性的数学问题。烟花算法作为一种智能优化算法,具有求解大规模资源分配问题的能力,但也存在求解精度低等问题。为了提高传统烟花算法的计算效率和全局寻优能力,提出一种改进烟花算法,用遗传算法中的变异算子替代高斯变异操作,并增加模拟退火流程。最后在多无人机协同作业任务分配数学模型上进行仿真验证,实验结果表明在收敛速度以及计算精度方面,该算法均优于其余3种烟花算法。     

基于伪谱方法的有限推力变轨策略研究

研究了有限推力条件下的空间飞行器大范围机动变轨问题。将有限推力解的求取过程分为两个步骤,首先采用Lambert方法求取变轨问题的双脉冲最优解,再采用Gauss伪谱方法求取有限推力解,将每个脉冲点扩展为一个推力弧段,通过伪谱方法将最优变轨问题转化为一个参数优化问题,采用非线性规划方法得到该推力弧段的变轨推力大小和方向。将该方法应用于某空间飞行器轨道机动变轨过程研究,取得了满意的结果,从而证明了方法的有效性。