按区域惩罚划分的并行多目标遗传算法

解决多学科设计优化问题的多目标遗传算法通常面临着大计算量的挑战,提出了一种新型的并行化算法来提高其效率.全局个体均匀的分布在各个进程,首先从所有的进程中获取全局范围的Pareto最优解极值,并发送给每个进程,再由这些极值来构造各个进程自己的惩罚函数.通过惩罚函数给个体添加约束来划分各个进程的收敛区域,同时采取优化措施保证每个进程加速收敛并且收敛区域没有重叠和遗漏,这样每个进程只需收敛到特定的一段Pareto最优解,降低了计算量;同时由于进程间交换的数据量小,保证了效率的提高.通过与串行算法(NSGA2)和其他的并行化算法比较,显示了该算法的有效性和先进性.     

"祝融号"火星车立体视觉算法并行设计与实现

针对地外天体的巡视探测任务,环境感知计算量大影响行走效率的问题,提出了立体视觉算法及并行优化设计与硬件协同来提高效率的方案.通过前向模型一次查表、省略冗余计算、三维点云生成与快速滤波等并行优化算法,立体视觉的计算量显著减少.再通过硬件的并行实现,感知效率比"玉兔二号"提升了8倍."祝融号"火星车采用该算法自主避障,完成...     

基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高，收敛效率差等问题，提出一种基于混沌精英适应遗传算法（CEA-GA）的多无人机三维协同曲线航迹规划方法。利用层级规划思想，建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型，将复杂约束规划问题分解为子函数优化求解问题，减小计算量；考虑到遗传算法（GA）求解高维复杂约束优化问题存在的性能局限，采用Tent混沌映射均匀初始化种群，以扩大个体搜索空间，丰富种群多样性，在此基础上，通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力，帮助个体跳出局部最优，并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解，仿真实验结果表明：CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率，且能够为集群规划满足约束条件的协同曲线航迹，从而验证了所提方法的有效性和CEA-GA的优越性。     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。     

基于遗传算法的散乱点云最小包围盒求解

提出一种将遗传算法和O’Rourke算法相融合的最小包围盒求解算法,以O’Rourke算法中的体积函数作为遗传算法的目标函数,采用遗传算子指导解的搜索方向,通过新种群的迭代生成过程缩小搜索区域与体积误差,种群迭代结束后对最优个体解码获得最小包围盒.实验结果表明,该算法可在满足最小包围盒体积精度的同时显著提高算法的运行效率,能够有效处理各种复杂散乱点云数据的最小包围盒快速求解问题.     

基于云模型的自适应并行模拟退火遗传算法

针对遗传算法收敛速度慢,容易"早熟"等缺点,提出了一种改进的遗传算法,即基于云模型的自适应并行模拟退火遗传算法(PCASAGA,Adaptive Parallel Simulated Annealing Genetic Algorithms Based On Cloud Models).PCASAGA使用云模型实现交叉概率和变异概率的自适应调节;结合模拟退火避免遗传算法陷入局部最优;使用多种群优化机制实现算法的并行操作;使用英特尔推出的线程构造模块(TBB,Threading Building Blocks)并行技术,实现算法在多核计算机上的并行执行.理论分析和仿真结果表明:该算法比其他原有的或改进的遗传算法具有更快的收敛速度和更好的寻优结果,并且充分利用了当前计算机的多核资源.      

应用于卫星自主任务调度的改进遗传算法

针对具有侧摆能力的对地观测卫星的自主任务调度问题,对卫星自主任务调度问题和约束条件进行了描述,针对卫星自主任务调度NP-hard的特点,构建了基于目标收益及多约束卫星任务调度模型。设计了一种改进的遗传算法,从遗传操作的各个部分进行算法优化。首先将小区间法应用于初始种群生成,保证了种群的多样性,并且交叉和变异算子均引入自适应概率;同时采用两代竞争技术来避免“早熟”现象,提高算法的效率和鲁棒性。算法还采用最优保留策略用来保存进化中的最优解,使得算法收敛于全局最优。对局部多冲突观测任务应用该改进遗传算法,并针对区域密集目标的观测问题设计了仿真试验,与传统模拟退火算法及免疫蚁群遗传混合算法进行了比较,验证了该算法的有效性和收敛效果。     

求解概率优化问题的微种群免疫优化算法

针对未知随机变量分布环境下的非线性概率优化模型,探讨微种群免疫优化算法。算法设计中,基于危险理论的应答模式,设计隐并行优化结构;经由自适应采样方法辨析优质和劣质个体;通过动态调整个体的危险半径确定危险区域和不同类型子群;利用多种变异策略指导个体展开多方位局部和全局搜索。该算法的计算复杂度依赖于迭代数、变量维数和群体规模,其具有进化种群规模小、可调参数少和结构简单等优点。借助理论测试例子和公交车调度问题,比较性的数值实验显示,此算法在寻优效率、搜索效果等方面均有一定的优势,对复杂概率优化模型有较好潜力。      

基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.      

网络分区中混合消息集传输模式的精确配置

针对分布式综合模块化航空电子网络分区方法,指出其对消息传输模式配置存在不确定性;通过形式化描述将问题转化为包括实时性约束、带宽约束、缓存约束的最优化问题;提出了基于遗传模拟退火的传输模式配置算法,以系统的消息端到端延迟均衡为优化目标.通过给出两个具体算例对算法有效性进行了验证,同时比较了本算法与传统遗传算法的性能.对比结果表明,本算法能够解决传输模式的配置问题,尽管计算时间较传统遗传算法高出18.1%,但所得到的适应度值高出28.7%.本算法为网络分区在实际航电系统中的应用提供了参考.     

基于投影寻踪的高光谱图像异常检测并行算法

投影寻踪方法能有效提取数据中的非高斯结构凸显异常信息,但在求解最优投影方向时存在计算量大、运行时间长的问题,为提高处理效率,提出一种机群环境下的并行算法.选用偏度和峰度组合作为投影指标,将所有像素光谱作为特定投影方向集依次搜索,求解最优投影方向.在并行计算各候选方向投影指标时,分割图像数据分布存储于各机群结点,数据子块朝候选方向并行投影后,将指标计算式变形分解,使各结点在指标计算过程中所需数据均为本地数据,解决数据局部性问题,并采用一种"轮流作主"的机制提高算法负载均衡程度.利用实用型模块化高光谱仪数据在机群系统上进行测试,达到了较好的加速效果,表明该并行算法具有良好的并行性能.     

一类解决变应力加速寿命试验参数估计的方法

变应力加速寿命试验的极大似然函数是高维非线性复杂目标函数,其待估参数多,采用梯度下降优化方法进行参数估计容易陷入局部极值,而采用全局优化方法又存在寻优效率低的问题.为了解决复杂多维目标函数优化的瓶颈问题,设计了一种基于实数编码遗传算法和Powell法的遗传加速方法.利用适应度函数获得两种优化方法的最佳切换点,最大程度发挥遗传算法和Powell算法的优点,既提高了多维非线性目标函数寻优效率又保证了参数估计的全局最优.液压泵加速寿命试验实例分析结果表明,遗传加速方法可以在寻优前期利用遗传算法保证待估参数的全局最优估计,在寻优后期快速逼近最优值,使寻优成功率达到85%.     

网络计算环境下任务调度问题研究

利用网上空闲处理机组成机群并行计算环境是快速增长的研究领域,任务调度是其中最关键性的问题之一.在基于消息传递机制的网络并行计算环境下,针对一类大粒度计算任务并行时协同同步工作问题,发展了一种新的静态调度模型,提出了调度算法,它映射一类特殊的并行程序任务到由网络上若干空闲处理机组成的机群中.研究表明该算法能减少此类并行程序的完成时间.      

基于模块化的缠绕机设计方法

缠绕机具有生产效率高、产品质量稳定等特点,是碳纤维复合材料成型的关键工艺装备。针对产品小批量、定制化的生产需求,提出了针对缠绕机结构和控制系统的模块化设计方法（MDM）,拓展缠绕机的功能多样性。将缠绕机的结构部件进行功能分解和关联强度分析,采用组遗传算法（GGA）将部件聚类为标准化的模块,根据产品需求,以产品性能最好和成本最低为目标建立模块配置模型,基于快速分类的非支配遗传算法（NSGA-Ⅱ）求解多目标优化模型完成机械结构模块化配置。提出基于现场总线的分布式网络控制器结构,将控制器的接口标准化和网络化,根据机械结构的模块化配置实现控制器的快速重构。基于模型组件对象（COM）技术将软件模块设计为COM组件,采用k近邻（kNN）方法进行控制模式分类,并进行COM组件的重构,控制软件动态解析控制模式并管理COM组件的状态转移关系,从而实现软件的快速重构。对结构、控制器和软件模块化方法的研究能够实现缠绕机的快速重构,拓展缠绕机的功能。      

资源受限嵌入式机电控制系统功耗感知调度

针对嵌入式机电控制系统的能耗受限问题,提出了一种基于功耗感知和反馈调度的能耗管理方法.研究了嵌入式机电控制系统的静态功耗调度模型,提出了一种基于控制代价和系统能耗的联合优化指标,并给出了其优化解.针对在动态调度模型下运算开销大,难以在线实现的问题,采用智能计算方法逼近优化结果.对比了4种智能计算方法的逼近精度和调度开销,采用小波神经网络逼近优化结果.仿真的结果表明:该方法在保证了控制性能的同时,降低了调度开销和系统能耗.      

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。      

一种基于消息转发的类异步并行进程迁移算法

针对并行机群系统的进程迁移问题,提出了一种新的基于消息转发的类异步并行迁移算法, 该算法使用消息驱赶、消息转发、缓存优先匹配等多种机制,避免了一般类异步迁移算法集 中式管理,非迁移进程参与协调工作较多的缺点,通过算法描述和实验结果表明,该算法具 有迁移效率高、易于管理和控制、健壮性好等优点.     

基于模糊优化算法的惯性元件误差补偿方法

阐述基于模糊优化算法的导航系统惯性元件误差补偿方法.该方法的基本思想是将遗传算法与模糊逻辑推理相结合,保留遗传算法的强全局搜索能力,把隶属函数作为遗传的个体通过选择、交叉及变异等遗传操作使模糊规则得到进化,实现模糊规则的在线优化,进而根据优化了的模糊规则,再对遗传操作及参数在线进行调整,从而进一步优化模糊规则,使得模糊控制系统具有良好的"自进化"能力.仿真结果表明,该模糊优化算法对导航系统惯性元件的误差补偿是可行的,而且是有效的,具有一定的实用价值.