基于最小成本的飞机着陆规划算法

在以往着陆规划中，较少考虑公司的成本。利用航班的成本函数，建立了满足着陆间隔、着陆时间段等约束的着陆规划模型，提出了一种使用局部搜索和线性规划的启发式算法。实例验算表明，所给模型及算法可以在合理的时间内求解大规模规划问题，有效地降低公司成本。     

基于Memetic算法的飞机着陆调度优化

以减少等待时间为目标，建立了一种多跑道机场飞机着陆调度模型，并采用Memetic算法对飞机着陆次序和时间进行了仿真优化，最后以浦东国际机场终端区内的实际数据为原型，验证了算法在解决飞机着陆调度优化问题中的可行性和高效性，从而为管制部门运行决策和跑道容量评估提供科学的建议。     

基于遗传算法的起降航班动态排序模型的研究

讨论了空中交通流量管理中终端区航班的排序规划问题。目的是在终端区空中交通繁忙的情况下有效地为到达航班安排合理的着陆次序，并在不违反飞机间隔要求的情况下给出各飞机经过优化的着陆时间，提高机场跑道的利用率。引入离场起飞的航班问题，建立了航班排序的动态模型和基于遗传算法的终端区动态排序算法。并对一个算例采用冬文方法进行验证计算，结果表明，所提出的方法计算效率高，实用可行。     

基于启发式蚁群算法的协同多目标攻击空战决策研究

协同多目标攻击空战决策是现代战机在超视距条件下进行协同空战的关键技术之一。它是寻求一个优化分配方案,将目标分配给各友机,力求使攻击效果最优。本文在对协同多目标攻击战术进行深入分析的基础上,提出了一种用于空战决策的启发式蚁群算法,该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验表明所提出的启发式蚁群算法对最优解的搜索效率明显优于基本蚁群算法,是一种求解协同多目标攻击空战决策问题的有效算法。     

信号特征选择的一种优化算法

简单介绍了基于扩张理论和粗集理论的优化算法、“贪心算法”和启发式搜索算法等典型特征选择的优化算法,并比较它们的性能,在此基础上选择启发式搜索算法用于信号特征的选择。最后用MATLAB编程验证了启发式搜索算法特征选择的有效性。     

启发式算法在大飞机设计中的应用综述

主要介绍了神经网络系统、遗传算法、粒子群算法、模拟退火算法、支持向量机几种启发式优化算法(Heuristic Optimization Algorithm,HOA)在大飞机设计领域的发展和应用现状,对比分析了算法在航空工程设计上的优缺点,展望了启发式算法的发展方向,为大飞机设计提供了宝贵的理论和经验。     

基于自适应连续蚁群算法的卫星星座设计(英文)

蚁群算法是一种解决多变量问题的新型启发式仿生算法。本文分析了卫星对地面的覆盖条件,提出用——/(n 1)重覆盖率来评价星座的覆盖性能,建立了以覆盖性能为目标函数的卫星星座参数优化模型。采用蚁群算法对卫星星座参数进行优化,为星座优化问题提供了一种新方法。在连续蚁群算法的基础上对算法进行改进,提出蚂蚁种群数量的自适应准则,有效的提高了搜索范围与收敛速度。通过仿真表明,与其他方法相比,蚁群算法在星座参数优化有着明显的效率。     

基于改进免疫粒子群算法的动态航班着陆调度

为改进机场终端区空中交通流量管理,对动态航班着陆次序进行适当调整,使机场和空域的可用容量达到最有效利用,减少航班延误造成的经济损失,提出一种新颖的动态免疫粒子群优化算法(DIPSO),重点针对待着陆航班的动态变化,结合滑动时间窗,多方面考虑现实约束,在确保航班延误成本最小的同时,兼顾航班着陆的公平性和管制员的工作负荷。仿真结果表明,在处理动态航班着陆问题上与先来先服务相比有效降低了延误成本。     

基于梯度下降法的翼伞系统最优分段航迹规划

传统最优控制航迹规划一般以逆风精确着陆、控制能量小为优化目标，但传统最优控制的操纵过程一般是一条连续变化的曲线，工程上不易实施；与之相比，传统分段航迹规划操纵简单，工程上容易实施，能实现逆风精确着陆的目标，但控制能耗大。为了兼顾逆风精确着陆、能耗低和控制操作简单等目标，提出了一种基于梯度下降法的翼伞最优分段航迹规划方法。该方法将控制变量参数化，将逆风精确着陆、控制能耗小、能实现避障等多目标优化问题转化为加权单目标优化问题，并通过梯度下降法求解得到分段常值最优归航航迹。所提算法与基于伪谱法的最优控制规划航迹和基于遗传算法的分段规划航迹进行了对比，算法仿真结果表明本文提出的最优分段航迹规划法既可以实现着陆精度高、控制能量小、逆风着陆和避障的优化目标，同时规划的航迹又由分段常值实现控制，工程上容易实施，兼顾了最优控制航迹规划和分段航迹规划的优点。     

车间切割下料与分架集成优化方法

针对传统制造企业存在的切割下料与分架集成问题,通过分析制造企业架子数量、生产工艺等生产现场约束,提出了一种先求解下料问题,再调用分架算法完成子材落架的启发式算法。采用启发式策略对下料方案的切割顺序优化和单块子材落架的顺序优化,解决了制造车间下料与分架集成问题。通过实例验证了方法的实用性和有效性,满足实际生产约束和生产需求,实现了企业的智能化生产。     

蚁群算法的改进设计及在航迹规划中的应用

将蚁群算法与人工势场算法相结合，提出了一种新的寻优算法。在算法的设计过程中，首先引入人工势场法进行蚁群算法初始信息素的分配，避免了在迭代初始阶段，信息素太少与启发信息不成比例而使得蚂蚁集中在启发信息最强的路径上，从而陷入局部最优的问题。其次，通过引入势场引导函数改进蚁群算法的状态转移函数，避免了在三维空间中蚂蚁搜索容易忽视节点周围障碍物因素，从而陷入盲目选择导致搜索时间过长的问题。将优化算法应用于无人机三维航迹规划问题的求解，并通过仿真验证了有效性。     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

Hyper Heuristic Approach for Design and Optimization of Satellite Launch Vehicle

Satellite launch vehicle lies at the cross-road of multiple challenging technologies and its design and optimization present a typical example of multidisciplinary design and optimization(MDO) process.The complexity of problem demands highly effi-cient and effective algorithm that can optimize the design.Hyper heuristic approach(HHA) based on meta-heuristics is applied to the optimization of air launched satellite launch vehicle(ASLV).A non-learning random function(NLRF) is proposed to con-trol low-level meta-heuristics(LLMHs) that increases certainty of global solution,an essential ingredient required in product conceptual design phase of aerospace systems.Comprehensive empirical study is performed to evaluate the performance advan-tages of proposed approach over popular non-gradient based optimization methods.Design of ASLV encompasses aerodynamics,propulsion,structure,stages layout,mass distribution,and trajectory modules connected by multidisciplinary feasible design approach.This approach formulates explicit system-level goals and then forwards the design optimization process entirely over to optimizer.This distinctive approach for launch vehicle system design relieves engineers from tedious,iterative task and en-ables them to improve their component level models.Mass is an impetus on vehicle performance and cost,and so it is considered as the core of vehicle design process.Therefore,gross launch mass is to be minimized in HHA.     

一种求解武器--目标分配问题的新方法

提出了一种求解武器-目标分配问题的新方法.阐明了将武器-目标分配问题作为组合优化问题,采用遗传算法进行求解,并针对问题特点,给出了基于系统信息的启发式操作方法及适合的操作算子.仿真结果表明,此方法可以明显提高问题求解的速度及精度.     

一种多寿命件机会更换策略启发式搜索算法

针对多寿命件机会更换问题缺乏快速有效求解算法的难题，提出了一种启发式搜索算法。以全生命周期寿命件总成本最低为优化目标，建立了多寿命件机会更换问题优化模型，将问题解空间表达为树结构；为了提高搜索算法的效率，提出了子节点生成方法和单层节点数量控制方法；在此基础上，提出了启发式搜索算法；最后，采用数值实验和应用案例对提出算法进行了评估和验证。结果表明:算法的消耗时间、求解效果与子节点生成系数α、单层节点最大数量β存在关系；当选取合适的α和β时，算法能够在较短时间内取得较好的效果；算法能够适用于设备总寿命为200000时间单位、包含100个寿命件的较大规模的多寿命件机会更换问题。      

基于改进启发式蚁群算法的无人机自主航迹规划

无人机自主航迹规划是未来无人机作战使用的关键技术难题。针对传统航迹规划方法存在的求解效率不高、实时性较差、容易陷入局部最优等缺点,提出一种基于改进启发式蚁群算法的无人机航迹规划。算法前期使用Dijkstra 算法进行初始化航迹,引入启发式信息,提高搜索效率;采用Logistic 混沌映射初始化信息素,增加解的多样性,提高算法收敛速度;算法中、后期采用多航迹选择策略和模拟退火机制,提高全局搜索能力,避免因收敛速度过快,陷入局部最优解。对该算法进行仿真分析,结果表明：在存在威胁和障碍的复杂环境中,本文的改进蚁群算法与标准蚁群算法相比,能够有效规划出一条从起点到终点的航迹,并且寻优精度更高,收敛速度更快,具有一定应用价值。     

资源受限条件下的离港航班停机位分配优化模型

停机位作为机场的重要资源,优化停机位分配策略,实现更优的航班运行效率和旅客满意度已成为研究的重中之重。针对研究牵引车、管制员等资源受限条件下的停机位分配问题,首先以航空器延误时间最少、靠桥数最大为目标,并将靠桥数最大转化为不靠桥数最小,建立停机位分配优化模型,采用启发式算法进行求解;其次搭建场面仿真模型以验证算法的可靠性;最后通过北京大兴国际机场进行实例验证。结果表明：相较于机场实际运行情况,本文所建立的停机位分配优化模型使航空器延误降低25.5%、靠桥率提升8.8%,本文所提出的停机位分配策略可以在资源受限条件下实现场面延误和靠桥率的优化。     

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。     

微动目标跟踪成像一体化的雷达资源优化调度算法

相控阵雷达可以同时担负搜索、跟踪、识别与成像等多种雷达任务。为了提高雷达对战场环境的感知能力并减轻雷达资源分配的冲突,提出一种微动目标跟踪成像一体化的雷达资源优化调度算法。该算法建立了包含微动目标成像任务的雷达优化调度模型并利用启发式算法求解,利用跟踪脉冲与调度剩余的空闲时间资源,动态地构造感知矩阵并采用正交匹配追踪（OMP）算法对微动目标进行特征提取并成像。仿真结果表明：该算法可以实现稀疏孔径条件下的微动目标成像,并具有良好的鲁棒性,同时进一步提高了雷达系统的资源利用率。     

多基地多无人机协同侦察问题研究

 充分考虑侦察目标的侦察分辨率要求和侦察时间窗约束，以及位于不同基地的无人机(UAV)的侦察性能和可用数目，首次建立了更加贴近军事应用实际的多基地多UAV协同侦察问题(M-MUCRP)的数学模型，并提出了解决该模型的多基地多UAV协同侦察进化算法(M-MUCREA)。M-MUCREA的染色体数据结构有效地表达了问题的解，有利于交叉、变异等进化操作；充分利用与目标侦察分辨率要求以及目标位置和时间窗约束相关的启发信息，构造初始种群,避免进化过程收敛太慢；基于Pareto最优概念的选择算子确保解在多个目标上的有效优化；精英策略避免了丢失进化过程中产生的非劣解，加快算法收敛；变异和交叉算子在保证有效解的前提下，实现了解的多样性，避免了算法陷入局部最优。仿真实验验证了算法能够有效解决M-MUCRP。