协同进化方法求解多中心卫星任务规划问题

 在分析多卫星中心内部特点及中心间关系的基础上建立了多中心协同规划问题(MCCOPP)的数学模型,提出了解决该问题的多中心合作协同进化规划算法(MCCCSPA)。MCCCSPA基于分治-合作策略,根据中心数目以及观测目标集合特点将观测目标分解分配至各中心;提出等长扩展二进制染色体编码方式有效表达问题的解,便于个体的交叉、变异、合作操作;并综合多中心个体代表合作求解本中心个体适应值;其中交叉、变异、合作算子在确保可行解的前提下保证各中心子种群的多样性、加快收敛速度。仿真实验及分析结果表明:该方法能够有效解决多中心协同的卫星任务规划问题。     

Pareto基因算法多目标翼型优化设计

 基于 Pareto最优解的定义,通过构造新型的联赛式选择复制等算子而发展了一种适合于求解多目标优化设计的 Pareto基因算法。通过等级法来正确识别每一代中近 Pareto波阵面的解,从而消除选择误差达到快速收敛的目的。为提高解的分布性:采用小生境技术解决了基因材料多样性损失问题;采用常规实数编码方式配合平均交叉算子解决了编码端点效应问题。将所发展的方法应用于多目标翼型优化设计中,获得了理想的 Pareto波阵面,为决策者提供了一个可选的有效解数据库。     

指令决策下的多UAV协同跟踪

针对多UAV在协同standoff跟踪目标过程中初始航向不收敛和UAV间实现相位协同时间较长的问题,首先在Lyapunov矢量场对UAV进行导引跟踪的基础上,利用UAV初始航向误差角指令设计了一种能满足任意初始航向收敛的方法,该方法可使UAV航向与矢量场的理想航向对齐,并确保在收敛过程中转弯速率不会超出约束范围。然后,在非对称持久性架构的基础上提出了一种速度指令控制的多UAV相位修正算法,该算法能够使UAV在跟踪目标初期就对相位进行修正,缩短了相位协同的时间。经过航向调整与相位修正后,多UAV实现了协同standoff跟踪,仿真结果验证了该设计方法的准确性与有效性。     

基于改进狼群算法的多无人机协同多目标分配CSCD

针对现代空战多无人机协同多目标任务分配问题,结合标准狼群算法,提出了一种改进狼群算法的多目标任务分配方法。根据狼群的不同分工以及搜索属性,建立了基于自主游走机制的头狼产生规则、基于多策略知识库的探狼游走机制和基于自适应步长的猛狼奔袭及围攻方式,从而对传统狼群算法的随机性进行智能化约束与控制,以解决多无人机协同多目标任务分配问题。数值仿真结果表明,该方法能够快速有效获得任务分配方案,避免陷入局部最优。     

多投递下带时间窗的卡车与无人机协同配送问题

无人机因其碳排放少、灵活性高、成本低等优势被越来越多地用于物流配送。考虑到无人机单投递情况下负载利用不足和卡车在客户点等待客户时间窗开启过程的时间损失,针对带时间窗的卡车与无人机协同配送问题进行优化,提出一种多投递下带时间窗的卡车与无人机协同配送(VRPDTW-MD)问题。提出了基于VRPDTW-MD特点的遗传算法对其求解,算法中,设计了多种交汇节点变异算子、交汇节点修复算子和服务节点交叉算子,用于调整卡车与无人机相互之间的交会点以及访问点。通过不同类型与规模算例求解验证了问题和算法的有效性,分析了不同卡车与无人机协同配送模式对运营成本的影响,为“卡车+无人机”模式的配送路径规划提供决策依据。     

基于多要素改进NSGA-Ⅱ的小直径制导炸弹空面打击最优火力分配方法

为了最大化提升小直径制导炸弹对面积目标的打击效率，提出基于多要素改进的非支配排序遗传算法的小直径制导炸弹空面打击最优火力分配方法。考虑制导炸弹的误差散布，运用网格法建立了单枚制导炸弹的打击效率评定模型，从而在此基础上建立了多枚制导炸弹的最优火力分配模型；构建了打击效率最大和用弹量最小的优化目标函数，建立了制导炸弹的最优火力分配模型。通过引入概率选择算子、混合交叉算子、改进精英保留策略对NSGA-Ⅱ算法中的多要素进行改进，增强算法的全局搜索能力，提升算法性能。仿真结果表明，MFM-NSGA-Ⅱ算法能够获得有效的小直径制导炸弹最优火力分配方案，最优火力分配结果对应的用弹量随场景参数的变化而改变，并且本文方法求解质量优于原NSGA-II算法和多目标粒子群算法。     

基于改进多目标布谷鸟搜索算法的翼型气动优化设计

布谷鸟搜索（CS）算法是一种新型的受自然现象启发的元启发式智能优化算法，其强大的全局搜索能力和收敛速度受到了广泛关注。多目标布谷鸟搜索（MOCS）算法是一种在单目标布谷鸟算法基础上发展的可以直接求解Pareto解集的多目标优化算法。针对原始MOCS算法的不足，采用一系列措施以提高算法的收敛精度、收敛速度以及解的均匀性：通过引入非支配排序与拥挤距离来改进解的适应度评估；通过改进随机游走策略来提高局部搜索能力；通过引入改进的自适应丢弃概率策略来提高算法的收敛速度；加入档案管理机制，提高解的均匀性。典型的多目标数值算例结果表明，改进的MOCS算法相较于当前主流的NSGA-Ⅱ算法拥有更快的收敛速度和更高的收敛精度。以RAE2822双目标升阻比优化设计为例，将改进的MOCS算法应用于多目标气动优化中，改进的MOCS算法共获得64个Pareto解，优化后的翼型气动性能有明显的提升，设计者可以根据自己的偏好选取不同的Pareto解。对于气动优化问题，改进的MOCS算法与目前主流的NSGA-Ⅱ相比，收敛速度更快。     

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。     

多植保无人机协同路径规划

为实现多植保无人机（UAVs）协同作业，并提高作业效率，提出了一种基于改进粒子群优化（PSO）的多植保无人机协同路径规划算法。根据作业区域的形状面积和植保UAV的作业参数划分各架UAV作业区域，采用栅格法生成各区域全覆盖作业航线。以各架植保UAV各架次植保作业距离为算法寻优变量，在确保各架UAV补给时间满足间隔分布约束条件下，综合考虑补给总次数、返航补给总时间、总耗时和最小补给时间间隔4项因素，并构成目标函数，通过采用改进PSO算法，实现了对各UAV返航顺序和返航点位置的寻优。仿真分析结果表明，相较于最大作业距离规划和最小返航距离规划，本文提出的规划算法表现出了较优的性能和较好的作业区域适应性，证实了其有效性和实用性。     

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。     

多无人机协同覆盖路径规划

多无人机协同覆盖路径规划(CPP)由于其并行性和容错能力,对于提高无人机完成侦察、监视、搜索等任务的效率具有重要意义。提出了一种基于无人机任务性能评价和任务区域划分的多无人机协同CPP算法。定量分析了无人机执行覆盖任务的能力,根据无人机及携带成像传感器的性能给出了计算无人机任务性能指数的数学公式;提出了一种基于任务性能和子区域宽度的任务区域划分算法,使无人机的总转弯次数达到最少。仿真结果表明,所提出的CPP算法能够规划出全局最优的多无人机协同覆盖路径。     

Multi-UAV reconnaissance task allocation for heterogeneous targets using an opposition-based genetic algorithm with double-chromosome encoding

This paper presents a novel multiple Unmanned Aerial Vehicles (UAVs) reconnaissance task allocation model for heterogeneous targets and an effective genetic algorithm to optimize UAVs’ task sequence. Heterogeneous targets are classified into point targets, line targets and area targets according to features of target geometry and sensor’s field of view. Each UAV is regarded as a Dubins vehicle to consider the kinematic constraints. And the objective of task allocation is to minimize the task execution time and UAVs’ total consumptions. Then, multi-UAV reconnaissance task allocation is formulated as an extended Multiple Dubins Travelling Salesmen Problem (MDTSP), where visit paths to the heterogeneous targets must meet specific constraints due to the targets’ feature. As a complex combinatorial optimization problem, the dimensions of MDTSP are further increased due to the heterogeneity of targets. To efficiently solve this computationally expensive problem, the Opposition-based Genetic Algorithm using Double-chromosomes Encoding and Multiple Mutation Operators (OGA-DEMMO) is developed to improve the population variety for enhancing the global exploration capability. The simulation results demonstrate that OGA-DEMMO outperforms the ordinary genetic algorithm, ant colony optimization and random search in terms of optimality of the allocation results, especially for large scale reconnaissance task allocation problems.     

多仓库下物流无人机协同配送方法

无人机以其快捷、低成本优势,在物流配送中可以实现高效的包裹配送,但也存在着运行时间短、载重不足等缺点。针对当前配送建模考虑因素不够全面的问题,构建了基于能耗变化、混合时间窗和同时取送货的多仓库物流无人机配送模型,以实现配送经济成本最低。与经典的多基地车辆路径问题相比,文中研究的问题没有限制无人机出发和返回的仓库,旨在最大限度地减少无人机的数量和所有无人机行驶的总距离。为进一步优化物流无人机配送成本,针对遗传算法(GeneticAlgorithm,GA)寻优能力较差的问题,引入大规模领域搜索算法(LargeNeighbor-hoodSearchAlgorithm,LNS)作为局部搜索算子,进而提出基于改进 GA(ImprovedGA,IGA)的物流无人机协同配送算法。经仿真测试以及 Solomn标准数据验证,该算法较传统 GA在降低配送成本方面成效明显。     

Cooperative task assignment of multiple heterogeneous unmanned aerial vehicles using a modified genetic algorithm with multi-type genes

The task assignment problem of multiple heterogeneous unmanned aerial vehicles （UAVs）, concerned with cooperative decision making and control, is studied in this paper. The heterogeneous vehicles have different operational capabilities and kinematic constraints, and carry limited resources （e.g., weapons） onboard. They are designated to perform multiple consecutive tasks cooperatively on multiple ground targets. The problem becomes much more complicated because of these terms of heterogeneity. In order to tackle the challenge, we modify the former genetic algorithm with multi-type genes to stochastically search a best solution. Genes of chromo- somes are different, and they are assorted into several types according to the tasks that must be performed on targets. Different types of genes are processed specifically in the improved genetic operators including initialization, crossover, and mutation. We also present a mirror representation of vehicles to deal with the limited resource constraint. Feasible chromosomes that vehicles could perform tasks using their limited resources under the assignment are created and evolved by genetic operators. The effect of the proposed algorithm is demonstrated in numerical simulations. The results show that it effectively provides good feasible solutions and finds an optimal one.     

通信约束下异构多无人机任务分配方法

针对异构多无人机协同执行侦察和打击任务中,存在通信距离、时间延迟等约束条件下的局部任务分配问题,提出了一种基于合同网的分布式多无人机任务分配方法。首先建立了异构集群发现新目标时的局部任务分配问题模型,设计了局部无人机通信网络中的信息一致性算法,实现了任务分配过程中任务发布阶段各无人机的冲突消解。设计了任务分配过程中的联盟构建和无人机资源管理方法,使联盟中各无人机能够以更加平衡的方式消耗资源。仿真结果表明,该方法能够解决通信约束下,异构多无人机执行察打任务时,所触发的针对目标打击任务的任务分配问题,且能够获得最大的系统效能。     

基于分布式模型预测控制的多UAV协同区域搜索

针对多无人机(UAV)协同区域搜索问题展开研究。提出了一种基于分布式模型预测控制(DMPC)的多UAV分布式优化搜索方法。首先基于传统的搜索图模型,建立了多UAV协同搜索的问题描述和状态空间模型,然后在DMPC框架下,将集中式多UAV在线优化决策问题转化为各架UAV的小规模分布式优化问题,采用基于纳什最优和粒子群优化(PSO)相结合的算法实现对每个子系统优化问题的迭代求解。仿真结果表明:DMPC方法能够有效地降低多UAV协同搜索决策问题的求解规模,是一种可行的方法。     

Strategic flight assignment approach based on multi-objective parallel evolution algorithm with dynamic migration interval

The continuous growth of air traffic has led to acute airspace congestion and severe delays, which threatens operation safety and cause enormous economic loss. Flight assignment is an economical and effective strategic plan to reduce the flight delay and airspace congestion by reasonably regulating the air traffic flow of China. However, it is a large-scale combinatorial optimization problem which is difficult to solve. In order to improve the quality of solutions, an effective multi-objective parallel evolution algorithm(MPEA) framework with dynamic migration interval strategy is presented in this work. Firstly, multiple evolution populations are constructed to solve the problem simultaneously to enhance the optimization capability. Then a new strategy is proposed to dynamically change the migration interval among different evolution populations to improve the efficiency of the cooperation of populations. Finally, the cooperative co-evolution(CC) algorithm combined with non-dominated sorting genetic algorithm II(NSGA-II) is introduced for each population. Empirical studies using the real air traffic data of the Chinese air route network and daily flight plans show that our method outperforms the existing approaches, multiobjective genetic algorithm(MOGA), multi-objective evolutionary algorithm based on decomposition(MOEA/D), CC-based multi-objective algorithm(CCMA) as well as other two MPEAs with different migration interval strategies.     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

基于云蚁群算法的高效节能氩弧焊工艺参数优化研究

为在氩弧焊加工过程中提升效率的同时降低能耗,研究了一种氩弧焊高效节能工艺参数的多目标优化模型及算法。首先确定了以焊接速度及焊接电流为优化变量,在综合考虑焊接设备、工件特性、操作方法及焊接质量等约束的前提下,建立了以最小电能消耗以及最短加工时长为优化目标的多目标工艺参数优化模型;提出一种基于云模型的蚁群算法(CBACO)以对所构建的优化模型进行求解,其中包含一种适当的编码方式、一种局部与全局相结合的探索策略、一种基于云模型的变异因子、传统的单点交叉因子、单形交叉因子以及适当的选择策略;通过一个针对某航空器油箱的焊接实例,对所提出的优化模型及算法的实用性进行了验证,结果表明优化参数可在保证加工质量的前提下有效地节省时间60.41%~69.05%,节省电能34.88%~46.30%。