基于混合遗传算法的多箱型集装箱装载问题分析

航空多箱型集装箱装载是实现快速、高效、安全航空货物运输的重要环节。针对现实约束条件下多种货物和箱型的集装箱多箱装载优化问题,搭建数学优化模型,提出一种求解货物装载布局方案的混合遗传算法,以达到充分利用集装箱装载空间的目的。采用三段式编码确定货物装载顺序、货物放置状态及集装箱编号,随机产生初始种群;在常规选择操作中加入最佳个体保护策略,并将重心、不重叠、承重约束考虑到适应度函数中,以此来评价解的优劣;加入模拟退火算子,用其突跳性避免遗传陷入局部最优的情况,进一步提高优化效果。通过算例对比表明,所提算法在满足多种约束条件下仍能保持较高的体积利用率,能够很好地解决强弱异构货物的装载;采用具体货物数据进一步验证算法的可行性与适用性,4种航空集装箱的平均体积利用率高于82%,表明所提算法能够有效解决规则和不规则多箱型集装箱的货物装载问题,具有较好的工程应用价值。      

基于混合优化算法的RLV覆盖区求解

针对可重复使用运载器覆盖区求解的参数优化问题,文章提出了基于混合优化算法的求解方案,结合全局和局部优化算法的优点,设计了遗传算法与模式搜索法相结合的优化算法.根据再入动力学建立覆盖区求解模型,基于极大值原理推导最优滚转角控制律,并对滚转角约束进行了讨论;对待优化参数的响应面进行分析,利用遗传算法初步获得初始猜测值,然后用模式搜索法进行快速精确搜索.仿真结果表明,所提出的优化算法可以快速搜索出最优参数,在满足过程约束和控制约束下获得准确的再入覆盖区.     

运输机群货物装载方案生成方法

采用自动算法来生成运输机群货物装载方案可极大地提高航空运输的效率.通过对传统的二维装箱算法进行综合和改进,结合空运货物人工装载时使用的金字塔装载法,发展了一种新型的运输机群货物装载方案生成方法.首先由不同的机群装载顺序产生多个货物装载初步方案,在此基础上对各架飞机舱内货物进行排列和重心位置的调整,从而生成不同的待选装载预案.通过对这些预案进行分析与比较,最终得到符合特定优化指标的最佳运输方案.算例表明,提出的新方法可以替代现有的人工规划货物装载方法,对提高空运任务的货物装载及运输效率都具有一定的实际参考价值.     

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。     

海洋一号卫星观测任务规划算法设计及系统应用

针对海洋一号卫星观测任务规划需求,提出并实现了基于遗传策略的任务规划框架,解决了卫星实际使用中成像任务受卫星其他业务影响的多类型约束成像规划问题。基于海洋一号卫星实际规划业务要求,对任务规划约束和优化目标建立数学模型,提出了由预处理、窗口约束处理和组合约束处理与优化组成的三阶段规划框架。设计了多约束任务规划优化目标函数,并利用交叉、变异和种群选择等遗传机制对优化问题进行了求解。基于海洋一号卫星实际观测需求数据,对提出的算法进行了有效性和性能验证,结果表明本算法能够给出满足多类型约束的观测规划方案,并在观测时间、观测覆盖率等方面较其他策略有显著提升。研究结果表明通过优化目标函数的设计遗传算法能够实现复杂约束条件的成像规划求解,算法框架可为与海洋卫星具有相似业务特点的对地观测规划系统设计提供借鉴。     

高超声速飞行器滑行航迹优化

针对高超声速飞行器滑行的密度模型、动力学模型、空气动力模型和作为输入的攻角,将弹道问题转化为最优控制问题,采用极大值原理求得航程最大的一阶必要条件,采用多次变区间的遗传算法、非线性单纯形法和邻近极值法的组合优化策略来求解此两点边值问题,首先用多次变区间的遗传算法和单纯形方法求得全局航程最大,然后用邻近极值法得到合适的初值满足所有终端约束,通过对一高超声速飞行器的算例进行了优化计算,得到了最优弹道和优化算法的收敛曲线,并与升阻比最大飞行方案进行比较可知,最优控制方案求得的航程大于升阻比最大飞行方案的航程.      

基于动态四叉树搜索的民航行李车码放算法

民航行李智能化码放是未来行李处理的重要发展方向。为解决当前运输过程中劳动密集、效率低下等问题,提出了基于动态四叉树搜索的民航行李车码放算法。基于行李构型沿竖直方向动态规划组合成复合条,针对根节点空码放方案构造四叉树,设计动态最低利用率公式,在四叉树的每层生成复合层,4个分支为4种复合层放入后的新码放方案。设计了一种优化剩余空间的动态选择算法,在每层选择并保留n个最优码放方案继续搜索,当无法生成新码放方案时算法结束,取搜索过程中填充率最高者为最终码放方案。在现实算例的测试中,码放方案的平均空间利用率为91.63%,相对于选取的同类算法提升了16.83%,且算法稳定性更强,可多行李一次装载,并使用现实机械手码放平台验证码放结果。      

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题,提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先,在已知飞行环境下,建立3D飞行空间模型和航迹代价模型。通过引入罚函数,将有约束3D航迹规划问题转化为无约束多维函数优化问题,利用CML-WOA求解模型来获得最优航迹。其次,为克服WOA易陷入局部最优的缺陷,引入立方映射混沌算子改善初始种群,增强种群多样性,并通过自适应框架融入正余弦算法（SCA）,利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后,使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法,寻优性能明显提升,具有较强局部最优规避能力和更高的收敛精度与收敛速度;能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

融合粗糙数据推理的离散麻雀搜索算法求解HFSP问题

针对麻雀搜索算法(SSA)易陷入局部最优、无法求解离散优化问题等不足,提出了一种改进离散麻雀搜索算法(IDSSA)。抽象原始麻雀搜索算法的位置更新公式,针对个体的不同身份设计新的离散化启发式位置更新策略,并针对混合流水车间调度问题(HFSP)设计了编码与解码方式;引入粗糙数据推理理论,通过数学证明解释了引入理论的可行性与合理性,为算法提供理论支撑,提高可解释性;利用上近似的性质扩大搜索空间,提高种群多样性,避免算法早熟,结合划分及粗糙数据推理提出3种策略,促进种群间信息共享,调节种群的开发能力与探索能力,降低算法陷入局部最优的概率;使用改进离散麻雀搜索算法求解混合流水车间调度问题,对3个小规模实例与10个Liao经典测试集进行仿真实验,验证了改进离散麻雀搜索算法求解混合流水车间调度问题的可行性,通过与遗传算法、差分进化算法等经典算法的对比实验,证明了所提算法的优越性与改进策略的有效性。     

面向多星区域观测调度的改进型自适应遗传算法

针对传统优化算法在解决多星区域观测调度问题中收敛速度缓慢和易于陷入局部最优解的不足,提出了一种改进型自适应遗传算法。该算法通过蒙特卡洛方法结合Hamming距离,给出较优的初始种群;根据种群的平均Hamming距离确定交叉和变异操作的执行顺序,并结合sigmoid函数和高斯函数基于种群的个体适应度设计了自适应非线性的交叉率和变异率;结合双精英保留策略和锦标赛策略,保证最优个体的遗传;使用双重停机条件,提高算法的搜索效率。最后,通过实验表明,该方法可以显著提高全局搜索能力,加快算法的收敛速度,有效提高卫星的观测效率。     

基于CE-PF算法的舰载机离场调度优化问题

甲板作业调度研究是提升航母战斗力的关键技术,而其具有时间、空间与资源受限的复杂约束调度问题已被证实为NP-hard。根据舰载机出动离场调度优化问题的特点,将其抽象为零缓存区混合流水车间调度模型,建立包含飞机避碰等约束的混合整数规划模型。提出一种交叉熵与作业剖面匹配(CE-PF)算法用于问题求解,并给出了算法流程架构。交叉熵算法通过高斯采样完成启发式规则下的工件分组,作业剖面匹配算法完成分组工件的任务排序、作业编排及约束检查等调度设计,Gap逼近算法进行目标值评估、精英种群选择、抽样参数更新及收敛判定。通过算例仿真,验证了CE-PF算法求解离场调度优化问题的有效性;灵敏度分析表明起飞模式和空间约束对出动效能影响较大。      

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。      

附加深空机动的借力飞行全局优化

借力飞行轨道设计是一个多变量强约束的非线性优化问题, 初始方案通常采用不需要初值猜测的全局优化算法进行优化, 但是借力点处的C3匹配原则等较强的约束条件极大影响了全局算法的收敛性能. 针对这一问题, 研究了附加深空机动的借力飞行模型, 在借力点处引入B平面和辅助转角, 推导了离开超越速度的解析表达式, 通过求解Lambert问题和轨道递推得到日心转移段的深空机动脉冲. 利用微分进化算法对问题进行优化, 结合木星探测算例, 对VEE (Venus-Earth-Earth), VEME (Venus-Earth-Mars-Earth)和VEVE (Venus-Earth-Venus-Earth)三种深空机动借力飞行方案进行优化, 给出了优化结果.      

基于梯度分割区间优化算法的双脉冲交会优化

研究非固定时间的航天器双脉冲交会轨迹优化问题,设计了基于梯度分割区间优化算法(GIOA)。该算法结合所研究问题的特点,使用每次只选择有限个区间进行操作的区间选择策略、基于梯度优化结果的区间分割策略、基于单调性的区间紧缩策略以及约束条件测试和基于梯度的目标优化估计值更新策略等。梯度优化算法仅用于区间分割和目标优化估计值更新,不但没有影响GIOA对区间优化算法全局性和收敛性的继承,同时加快了包含优化解的小宽度区间的出现,提高了目标优化估计值的更新速度,并由此提高了运算效率。区间选择策略的使用,控制了决策变量区间数量的增长,降低了算法运行的存储需求。算例仿真中,成功求解非固定时间双脉冲交会问题,并展示出算法的优势。