粒子群优化算法在网络计划资源优化中的应用

对粒子群优化算法在网络计划资源优化中的应用进行了探讨,首先,介绍了粒子群优化算法的基本原理,给出了网络计划中工期固定一资源均衡优化问题的优化目标和数学模型;然后,详细介绍了粒子群优化算法实现网络计划资源优化的算法流程及其编程实现,对典型网络计划进行优化的结果表明粒子群算法可以较好地实现网络计划资源优化。     

基于粒子群算法的导弹飞行控制系统设计

针对反坦克导弹鲁棒飞行控制系统设计问题,提出了一种基于粒子群算法的鲁棒飞行控制律设计方法.在使用μ综合方法设计反坦克导弹控制律时,采用粒子群算法优化鲁棒性能加权函数,解决了加权函数难以选择的问题.仿真结果表明,采用粒子群算法的μ综合方法设计的反坦克导弹飞行控制律具有较强的鲁棒性和更好的指令跟踪能力.     

粒子群算法在求解航空项目资源均衡优化问题中的应用

为了解决航空项目多任务多层级嵌套带来的资源利用率低、需求量集中等问题,将粒子群算法应用于复杂航空项目的资源均衡优化。通过构建资源均衡优化问题的解空间,建立任务开工时间与算法中粒子属性的映射关系。以资源需求均方差为算法的评价函数,在考虑任务逻辑关系而形成的约束条件下,求解项目中非关键节点的实际开始时间,并给出详细资源均衡优化方案。以航空项目中典型机翼装配为算例对算法进行验证,证明所提出的优化方法能够有效削弱资源需求峰值,解决资源需求量集中的问题,达到了项目资源均衡的目的。     

基于粒子群算法的飞机总体参数优化

 现有的飞机总体参数优化方法在效率和适应性上存在不足。考虑到粒子群算法是一种基于群智能方法的演化计算技术,它对不同复杂约束条件下的多目标优化问题较常规方法更具简便性和适用性。因此,提出了使用非数值计算的粒子群算法来改进飞机总体参数优化效率。详细研究了粒子群算法在飞机总体参数优化上的应用方法,并着重于3个方面：①以航程、商载和起降距离为优化目标的粒子群算法构建;②粒子群算法中因子的自适应修正方法;③基于粒子群算法的飞机总体参数优化流程。计算结果与文献结果相比具有较好的一致性和合理性,所提出的方法可有效地应用于飞机总体参数优化。     

冲压发动机导弹爬升段和巡航段轨迹优化

为了研究冲压发动机导弹爬升段和高空巡航段的燃油最优弹道,提高射程,提出了较为通用的一体化优化设计方法。研究了冲压发动机、导弹气动力与弹道之间的耦合特性,建立了导弹动力学模型,将弹道的最优控制问题转化为参数优化问题。为求解该参数优化问题,针对传统粒子群(PSO)算法求解优化问题时存在的早熟收敛的不足,提出了一种算法结构,改善粒子群算法的性能,求其最优解。数值结果表明:改进的算法相对其他几种粒子群算法具备更优秀的性能。所优化弹道相比导弹试验数据,以飞行时间增加3.3%为代价,节约了4.46%燃油。多组高弹道的仿真结果表明,巡航高度应不超过动压边界前提下,高弹道巡航有利于节约燃油,增加导弹射程。     

资源约束项目调度问题的粒子群优化算法求解

介绍了应用粒子群优化算法求解资源约束项目调度问题的实现方法。建立了资源约束项目调度问题的数学模型,提出了确定资源约束项目调度问题解空间的办法。采用不同的策略处理前后约束和资源约束。编制了粒子群优化通用程序并对典型项目实例进行了优化,优化结果验证粒子群优化算法求解资源约束项目调度问题的有效性。     

导弹技术保障资源均衡优化的遗传算法求解

针对导弹技术保障资源均衡优化的需要,建立了优化模型;然后设计了遗传算法和优化程序对模型进行求解,并采用专门的修复算子对交叉和变异过程中产生的非法个体进行处理;最后,对某导弹技术保障流程进行优化,使其资源配置更加合理,同时与Project 2003优化结果对比,验证了优化模型的可行性和有效性。     

PSO-RBF神经网络在舵机系统故障诊断中的应用

文章建立了基于RBF神经网络的故障观测器模型,提出了一种将粒子群优化算法(PSO)与正则化正交最小二乘法(ROLS)相结合的2级RBF学习方法,并将该RBF网络观测器应用于导弹舵机系统的故障诊断.实验结果表明,基于该RBF神经网络的故障观测器能够有效地实现导弹舵机系统的故障检测.     

基于分布式粒子群算法的翼型优化设计

采用求解N-S方程作为优化算法中的CFD分析方法,基于标准粒子群优化算法(PSO),将其与遗传算法中的选择机制相结合,形成了一种改进的基于自然选择的粒子群算法(SELPSO),以提高算法的求解精度和改善算法的全局收敛性。为改善串行粒子群算法效率低,耗机时等缺点,文中将分布式计算引入到优化设计过程中,实现了基于分布式粒子群算法的翼型设计优化系统,设计实践表明,文中发展的优化算法对优化设计系统质量和效率都有着大幅度的提高,在工程中具有很好的实用价值。     

一种基于生物趋化的改进粒子群算法

针对标准粒子群算法进行多极点函数优化时易导致早熟收敛及陷入局部最优的问题,把生物趋化原理引入到粒子群优化算法中,改变传统粒子群优化算法只存在吸引操作而没有排斥操作的单向性,提出一种保持种群多样性的改进算法,并对其关键参数的选择进行了研究。仿真实验结果表明,与传统粒子群优化算法相比,基于生物趋化的粒子群算法对于处理复杂的多峰函数或优化问题,可显著提高算法的全局寻优性能。     

一种弹用涡喷发动机风车起动数值仿真方法

对弹用涡喷发动机风车起动过程进行仿真求解:点火前风车过程用径向基函数神经网络(RBFN)建模,引入相关先验知识对网络输入变量加以变换,以满足小样本情况下网络建模;依据试验数据运用滑动最小二乘法(MLS)获得压气机特性;对于点火加速过程的动态模型,采用改进的粒子群优化(PSO)算法求解.解决了N-R(Newton-Raphson)法受初值影响不易收敛的问题.计算结果与试验数据吻合较好,可作为发动机起动过程性能分析和优化的理论依据.      

计算机辅助企业人力资源管理与开发系统

人力资源是企业获得成功的重要砝码.针对企业人力资源管理中体现数据含义的需要,设计出计算机辅助企业人力资源管理与开发系统.该系统为用户提供数据、图形等统计指标显示,通过分析为用户提供解决方案,网络技术还可以实现系统的远程操作.该系统不仅为企业的人力资源管理与开发提供便利,还体现了计算机技术为企业的人力资源带来的更深层的管理决策意义.     

基于测试数据的雷达导引头技术状态评估

雷达导引头是导弹的关键部件,决定着导弹的综合作战能力。文章针对雷达导引头技术状态评估进行研究。首先,基于测试数据对雷达导引头的关键参数进行归一化处理,并引入时间修正的方法,依据装备退化规律得到装备的近期技术状态。然后,使用三角模糊数理论计算参数隶属度和可信度水平,在此基础上使用ER算法对雷达导引头特征参数的测试数据进行评估。实验使用某单位所贮存雷达导引头测试数据进行验证,表明该算法能够实现雷达导引头技术状态的实时评估,并得出评估结果的可信度。最后,基于技术状态评估结果进行雷达导引头检测规划,为合理控制雷达导引头的检测次数提供支持。     

基于PSO参数优化的CDM控制应用

分析了CDM方法的发展过程和基本设计思路,提出了基于CDM方法控制需要解决的三个问题,即系统稳定指数的优化选择、结构解耦分式约束条件设计、控制器的参数选择策略,同时给出了采用粒子群(PSO)优化算法的解决思路,并以此对直接力/气动力导弹复合控制进行了设计。仿真结果表明,即使在大攻角下控制器仍具有很强的鲁棒性。     

基于PSO算法的航空发动机起动燃油控制

针对航空发动机起动过程燃油流量优化控制的实时性要求, 提出一种新的航空发动机起动燃油控制方法——基于粒子群优化（PSO）算法的非线性预测控制.该方法在建立最小二乘支持向量机（LS-SVM）预测模型的基础上, 运用PSO算法实现其滚动优化功能.经实例验证, 燃油流量经过PSO算法优化控制后, 高低压转子转速的超调量减小, 并且其稳定的时间比没有经过优化控制的要快上56 s.由仿真结果可知, 该方法可以用于航空发动机起动过程燃油控制, 当给定的约束条件足够精确时, 能以较高的精度计算出最佳供油规律.      

基于免疫粒子群算法的滑油屑末支持向量机预测模型设计

将人工免疫理论的克隆选择算法中的抗体克隆、变异和抑制策略引入粒子群优化算法中,提出了一种基于克隆选择的免疫粒子群优化算法,克服了基本粒子群算法易于陷入局部最优解的缺点.针对支持向量机预测模型的参数选择影响其预测精度的问题,引入免疫粒子群优化算法设计了参数自适应优化的航空发动机滑油屑末支持向量机预测模型.仿真结果表明:与传统的交叉验证试算法相比,基于免疫粒子群优化的预测模型实现了参数的自动择优,并且提高了预测精度.