多目标蚁群算法及其在固液混合火箭发动机系统优化设计中的应用

为了提高求解多目标优化问题的Pareto解集的效率,建立了适用于多维、多目标优化问 题的多目标蚁群算法（Multi\|objective Ant Colony Algorithm,简称MACA）。该算法首 先修正了蚁群算法的信息素更新机制和转移概率,然后改进了蚂蚁的行进策略,即提出了依 概率选择搜索策略。最后,应用该算法对某型号固液混合火箭发动机系统进行了优化设计。 计算结果表明,多目标蚁群算法获得的Pareto解集分布均匀、散布范围广,可以有效解决多 目标优化问题,能为决策者进行目标权衡提供充分依据。
     

粒子群算法和蚁群算法的结合及其在组合优化中的应用

文章首次提出了一种用于求解组合优化问题的PAAA算法。该算法有效地结合了粒子群算法和蚁群算法的优点,先利用粒子群算法的随机性、快速性、全局性得到初始信息素分布(即粗搜索),再利用蚁群算法的并行性、正反馈性、求解精度高等优点求精确解(即细搜索)。将文中提出的算法用于经典TSP问题的求解,仿真结果表明PAAA算法兼有两种算法的优点,同时抛弃了各自的缺点。该算法在时间效率上优于蚁群算法,在求精效率上优于粒子群算法,是综合了两种算法长处的一种新的启发式算法,达到时间性能和优化性能上的双赢,获得了非常好的效果。     

基于蚁群优化-模拟退火的天地测控资源联合调度

研究了一类约束条件复杂、具有多时间窗口特性的天地测控资源联合调度问题。建立了涵盖多种约束的问题数学模型和基于测控弧段时间序的无圈有向图模型,提出了一种蚁群优化-模拟退火算法(ACO\|SA)求解问题。探讨了两种算法的融合策略,完成了包括状态转移规则、可行解生成策略、信息素更新准则、邻域结构、快速退火计划等关键技术的设计实现。多个算例仿真和结果分析表明,测控弧段时间序能保证ACO\|SA得到高质量的优化结果,模拟退火机制能有效提高蚁群优化算法的收敛速度和求解质量,相比于基本遗传算法和先到先服务算法,ACO\|SA能得到质量更好的解。     

蚁群算法在DGPS动态整周模糊度解算中的应用

在基线长度已知的情况下,利用零空间约束动态求解GPS双差整周模糊度,进行解的去相关后,应用蚁群算法在整周模糊度空间内寻优。根据实测算例解算结果,蚁群算法在很少的解样本数内获得了很好的搜索结果,与遗传算法结果相比较,证明了蚁群算法在相同搜索率的情况下,具有更高的搜索可靠性。     

一种改进蚁群算法的DGPS整周模糊度求解

为了更精确地解算DGPS整周模糊度,把仿生学中的蚁群算法应用到模糊度固定解搜索环节,并在传统蚁群算法的基础上引入自反馈因子,改善了传统算法在整周模糊度解算中收敛速度慢、易于陷入局部极小的缺点。实例结果表明,在和LAMBDA算法的1000个历元对比实验中,改进蚁群算法的搜索成功率要优于LAMBDA算法,且接近百分之百,利用改进蚁群算法解算的基线长度精度可达毫米级,证明该算法在实际应用中的可行性。     

一种新的卫星测控资源调度模型及其求解算法

针对低轨卫星测控资源优化调度问题,以卫星可见弧段为调度元素建立了一种新的复合独立集模型.新模型可分解为多个具有约束关系的子优化问题.在应用蚁群优化算法求解该问题时,蚁群分别对各子问题的可行域进行搜索,并引入局部搜索策略提高蚁群算法的求解质量.实验结果表明,该算法具有较快的收敛速度,能够生成较好的调度计划,测控网的利用率获得提高.     

小生境多目标蚁群算法在飞行器总体设计中的应用

飞行器总体设计直接影响飞行器的战术技术指标,往往需要反复很多次的设计过程以确定最终设计方案,因此迫切需要研究并采用优化方法以快速获得性能较优的飞行器总体方案。蚁群算法是群智能算法的典型代表之一,本文针对飞行器总体设计中的多目标优化问题,以多目标蚁群算法为基础,引入小生境技术,提出小生境多目标蚁群算法,并以某飞行器为应用对象,对其进行了多目标优化设计,最后对优化结果进行了分析。     

基于双蚁群优化的快速轨道转移

研究了Lambert转移的优化问题,并用于航天器的快速轨道机动。以二体模型为基础,在给定的转移时间范围内以燃料最省为目标函数,用蚁群算法(ACA)对Lambert机动问题进行寻优;将第一次寻优用于完成轨道机动所需的速度增量转换成航天器发动机有限推力下的时间序列;考虑地球主要摄动影响,再次用ACA对有限推力工作时段进行边值修正,保证航天器能转移至目标位置范围。仿真结果表明:双蚁群优化方法可有效修正由二体假设导致的Lambert转移的误差,同时由蚁群算法的较强寻优性能保证了Lambert机动过程的燃料最省。     

一种基于蚁群算法的防空C~3I目标分配

针对防空指挥、控制、通信和信息(C3I)系统的目标分配问题,在信息素更新中引入最优蚂蚁保留策略,提出了一种基于蚁群算(ACO)的目标分配优化方法,给出了算法的步骤和参数确定原则.算例表明:与模拟退火算法(SA)相比,该算法的寻优能力强、收敛速度快.     

一种基于蚁群聚类算法的快速星图识别方法

为提高大视场星敏感器的星图识别速度和识别成功率,提出一种基于蚁群聚类算法的 快速星图识别方法,该方法首先利用蚁群聚类算法对星点集合进行快速聚类分析;然后选择 最优类并以其中每个星点为圆心,以一定角距为半径画圆,将圆内所有星点构成集合;再将 每个集合的星点两两求取角距,利用蚁群算法对路径快速寻优的优点,完成集合的路径优化 ;最后利用优化结果同导航星库中已有的优化数据相匹配,以实现星图的快速匹配与识别; 实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且 所需导航星库的容量小。     

Bass模型参数估计方法研究综述

详细介绍了新产品扩散Bass模型及其各种参数估计方法.模型的参数估计是影响模型准确性的一个重要方面,不同的参数估计方法,会使模型拟含结果相差很大,本文在对以往Bass模型参数估计方法进行分析评述的基础上,介绍了一种新的模型参数估计方法一蚁群算法,通过比较分析,认为蚁群算法将是一种更好的Bass模型参数估计方法.     

运载火箭控制系统漏电故障诊断研究

从系统的角度分析了运载火箭控制系统漏电故障诊断的特殊性，指出故障也是系统要素之间的一种联系方式。为了准确、有效地描述系统状态条件同其故障关系问所存在的关联，提出了条件故障图的描述模型，界定并分析了描述系统状态关系的状态树，并将它与故障图相结合形成条件故障图，用于对故障关系的自动化描述及分析。在此基础上，引入蚁群算法来确定故障树的最优检测次序，并指导系统多故障状态的决策。将它们应用于运载火箭的控制系统，给出了一个特征实例。条件故障图可以有效地描述状态条件对故障关系的影响及作用，蚁群算法能够实时地、自适应地进行动态路径选择。获得了令人满意的效果。     

基于改进蚁群算法的巡航导弹航迹规划

研究了一种基于改进蚁群算法的巡航导弹航迹规划方法，以规划出生存概率更大、飞行距离更短的攻击轨迹，有效提高巡航导弹的作战效能。提出了坐标变换的思想，通过坐标变换将蚁群算法中信息素局部更新策略和全局更新策略协同作用的机制合理地应用到了航迹规划中，通过将信息素全局更新规则中的信息素常量和挥发率进行自适应变化来对算法进行了改进，最后对算法进行了计算机编程仿真实现。仿真结果验证了改进算法能有效避免算法过早陷入局部最优，加快算法的收敛速度，能取得目标函数更优的航迹规划路径。     

基于改进的蚁群算法的亚轨道再入飞行器弹道优化

基于阻力与能量再入导引律,用改进的蚁群算法优化SLV再入阻力-能量关系剖面,其优化的性能指标为总吸热量最小,并采用LQR法跟踪参考弹道.仿真结果表明,优化方法简便易行,跟踪器性能良好.     

多GNSS掩星大气探测卫星星座设计

为减少无线电掩星(RO)大气探测星座的卫星数量并增加探测数据量,将北斗（BD）和GPS、Galileo、GLONASS共同作为探测信源,提出一种多全球导航卫星系统（GNSS）掩星大气探测星座概念和优化设计方法。融合先验大气模型和二维射线追踪算法,建立兼容多GNSS信源的掩星事件前向模拟算法,实现掩星事件快速精确仿真;给出多GNSS掩星大气探测星座参数对探测性能的影响特性,降低了星座模型的复杂度;并利用改进的蚁群算法实现星座参数寻优。设计结果与COSMICII星座相比,卫星数量减少2颗,探测数据量增加了40%,探测均匀性提高了67%。     

一种利用ILSP的同步DS-CDMA信号快速盲解扩算法

针对同步DS-CDMA信号的盲解扩问题，本文提出了一种基于迭代最小二乘投影算法(ILSP)的快速盲解扩算法。本算法首先通过对截获信号的协方差矩阵进行特征分解，估计出由各用户扩频序列张成的信号子空间，然后结合扩频码序列的有限符号集特性，利用ILSP算法消除由特征分解产生的酉矩阵模糊问题，得到扩频序列的精确估计，最后利用估计得到的扩频序列对截获信号解扩得到信息码序列，完成DS-CDMA信号的盲解扩。仿真结果表明本算法在低信噪比条件下具有良好的盲解扩性能，且相较传统算法本文提出算法大大降低了计算复杂度 。     

空间拦截防御的射击诸元快速解算算法

针对空间平台发射非制导毁伤单元对近程高速非合作目标进行拦截防御的射击诸元快速解算问题,建立了命中方程,并基于命中方程的一阶解,给出了2种解析算法确定发射时刻、发射速度矢量与提前点坐标之间的函数关系.提出了计算命中时刻、发射速度矢量与发射时刻间函数关系的二分数值方法.最后通过仿真分析了算法的方法误差及适用范围.     

基于改进LF算法的雷达信号分选

在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,雷达脉冲相互交错,雷达信号的处理面临高密度信号环境。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。将蚁群聚类算法引入到雷达信号分选中,并对其进行了改进,提出了一种新的雷达信号分选方法。该方法不需要雷达信号的先验知识,适用于处理未知信...     

一种新传感器组网策略在纯方位目标跟踪中的应用

纯方位目标定位精度不仅与所选择的节点数目有关，而且还与目标和节点间的相对位置有关，为了同时满足目标的定位精度尽量高和节点能量消耗尽量少这一要求，提出了一种改进的基于多目标蚁群优化算法的传感器节点组网策略。在此基础上，推导了基于当前统计模型的分散式纯方位跟踪算法并对纯方位机动目标实施跟踪。仿真结果表明：在选择相同数目节点的前提下，本文所提出的节点选择方法与传统的最近邻方法相比，跟踪精度不仅得到了提高，而且还节约了节点的能量消耗。     

分布式卫星系统在轨操作的多目标分配

针对空间在轨操作目标分配问题,以分布式卫星系统为研究对象,提出了一种基于粒子群算法的在轨操作多目标分配方法。以分布式卫星机动所消耗的总能量最省为目标函数,建立了在轨操作多目标分配的数学模型。基于固定时间拦截理论,以机动时刻和对应的速度增量作表征,设计实现了单颗卫星最优机动方案。通过合理设计粒子位置与目标分配解的对应关系,采用粒子群算法对问题进行了求解,并详细阐述了算法的实现步骤。算例分析结果表明,建立的模型和算法能够快速得到正确的可行解,可有效解决多约束条件下空间在轨操作的多目标分配问题。