基于云模型的自适应并行模拟退火遗传算法

针对遗传算法收敛速度慢,容易"早熟"等缺点,提出了一种改进的遗传算法,即基于云模型的自适应并行模拟退火遗传算法(PCASAGA,Adaptive Parallel Simulated Annealing Genetic Algorithms Based On Cloud Models).PCASAGA使用云模型实现交叉概率和变异概率的自适应调节;结合模拟退火避免遗传算法陷入局部最优;使用多种群优化机制实现算法的并行操作;使用英特尔推出的线程构造模块(TBB,Threading Building Blocks)并行技术,实现算法在多核计算机上的并行执行.理论分析和仿真结果表明:该算法比其他原有的或改进的遗传算法具有更快的收敛速度和更好的寻优结果,并且充分利用了当前计算机的多核资源.      

应用于卫星自主任务调度的改进遗传算法

针对具有侧摆能力的对地观测卫星的自主任务调度问题,对卫星自主任务调度问题和约束条件进行了描述,针对卫星自主任务调度NP-hard的特点,构建了基于目标收益及多约束卫星任务调度模型。设计了一种改进的遗传算法,从遗传操作的各个部分进行算法优化。首先将小区间法应用于初始种群生成,保证了种群的多样性,并且交叉和变异算子均引入自适应概率;同时采用两代竞争技术来避免“早熟”现象,提高算法的效率和鲁棒性。算法还采用最优保留策略用来保存进化中的最优解,使得算法收敛于全局最优。对局部多冲突观测任务应用该改进遗传算法,并针对区域密集目标的观测问题设计了仿真试验,与传统模拟退火算法及免疫蚁群遗传混合算法进行了比较,验证了该算法的有效性和收敛效果。     

基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.      

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。     

改进自适应人工免疫算法求解函数优化问题

为克服经典人工免疫算法（AIA）在函数优化过程中存在的计算量大、收敛精度不高和收敛速度较慢等不足,引入多个自适应免疫算子,提出了一种改进自适应人工免疫算法（IAAIA）。在经典人工免疫算法中,引入迭代次数对抗体激励度计算算子进行自适应设计,引入种群抗体平均激励度与抗体激励度对免疫选择算子、克隆算子、变异算子与克隆抑制算子进行自适应设计,提升人工免疫算法的收敛速度、收敛精度和稳定性。选择9个典型测试函数作为实验对象,同时选择4种典型人工免疫算法作为对比算法优化实验函数,对比实验结果表明了改进的自适应人工免疫算法在求解函数优化问题的有效性和优越性。      

基于实数编码的改进遗传算法研究

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了基于实数编码的遗传算法的改进算法,对基于实数编码的遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采用最佳保留选择策略、多算子交叉和变异,并且采用自适应变焦变异,改进后的交叉与变异操作,使算法始终保持了种群的多样性,同时也提高了寻优最终结果的精确性。实验表明基于实数编码的改进遗传算法(R IGA)有效的改善了遗传算法的缺点。     

基于实数编码的改进遗传算法研究

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了基于实数编码的遗传算法的改进算法,对基于实数编码的遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采肘最佳保留选择策略、多算子交叉和变异,并且采用自适应变焦变异,改进后的交叉与变异操作,使算法始终保持了,种群的多样性,同时也提高了寻优最终结果的精确性。实验表明基于实数编码的改进遗传算法（RIGA）有效的改善了遗传算法的缺点。     

4基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

一种新的频域自适应算法

分析了现有自适应滤波算法,并且提出了在有色噪声背景下能够快速收敛的频域自适应新算法.使用牛顿法搜索性能表面和近似于递归最小二乘(RLS)算法的结构,利用现有的拟牛顿QN(Quasi-Newton)时域自适应算法原理,通过快速傅里叶变换(FFT)将其应用于频域.结合快速块最小均方自适应滤波算法FBLMS(Fast Block Least Mean Square)中的并行处理方法对算法的运算过程进行了改进.由于调整了数据格式和增益矩阵的系数加快了迭代过程的收敛,并且提高了信号处理的效率.附加的计算机仿真结果分别给出了在白噪声和有色噪声输入相同汉明窗条件下,新算法、LMS算法和拟牛顿算法QN的自适应系统辨识的效果比较图,表明新算法能有效用于色噪声下的自适应滤波.     

基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

一种基于混沌神经网络的拟人智能控制方法

提出一种基于混沌神经网络(CNN)的拟人智能控制方法.首先利用拟人智能控制理论得到定性控制律(线性或非线性),然后利用CNN实现控制律的定量化.Hopfield神经网络具有快速的优化能力,但容易陷入局部极小,将遍历性的渐变混沌噪声引入其中,形成具有快速全局优化能力的CNN.对二级倒立摆控制的仿真和实验结果均表明该方法有效.      

区间多目标线性优化的功效系数求解方法

针对工程领域中普遍存在的具有不确定参数的多目标优化问题,提出了一种基于功效系数的区间优化模型及求解方法.通过引入增补变量,将含有区间参数的目标函数化为参数确定的形式.建立以功效系数为基础的评价函数,将原多目标优化问题转化为单目标优化问题,然后分别在区间约束条件的最好情况和最差情况下求解,得到设计变量的最优解区间和目标函数的最优值区间.通过工程算例,与传统概率方法的优化结果相比较,验证了所提出优化模型及方法的有效性.     

航天器模块划分数值优化方法

对航天器模块划分主要依靠经验和定性方法的问题,构建了一种通用的模块划分数值优化方法。利用功能分解方法、相关性评价准则、设计矩阵与设计结构矩阵（DesignStructureMatrix,DSM）同步演化的机制获得了基于功能元的数值DSM;基于DSM构建了遵循公理化设计原理的通用优化模型;利用遗传 模拟退火算法获得了可对模块划分方式及数目进行同步优化的模块划分方法;给出了不同于优化目标的评价方法。仿真结果表明,该方法可将航天器划分为一系列内聚度高、耦合度低的模块。     

一种求非线性规划全局最小解的算法

在评述了近２０年来发展的全局最优化方法之后，提出了一种求解全局最优化问题的算法，即从一个求得的局部最小解点出发，去解一个最大化问题，这个最大化问题是构造一个辅助函数去寻求一个更好的局部最优解，这样就产生一个局部最小解序列，得后得到全局最小解，另外还有了全局收敛性定理，也给出了数值例子。     

T型尾翼动气动弹性优化设计

T型尾翼构型复杂,操纵面多,在动气动弹性的有限元建模和颤振特性设计中,需要修改的参数多,颤振分析复杂,设计人员面临很大的困难.通过在设计过程中引入优化方法,能够有效的解决这些问题.依据遗传算法和敏度优化算法的特点,针对固有振动和颤振优化设计的不同要求,将两种优化方法进行混合和递进应用,形成不同的优化设计方法.建立固有振动频率和颤振阻尼对结构参数的敏度公式,设计两种不同优化问题的数学模型.将优化方法应用于某T型尾翼的结构动力学优化设计,提高了设计速度,保证了设计精度,固有振动频率误差保证在3%以内.在保证质量最小的要求下,使颤振速度得到提高,并为实际结构的设计提供一定指导.      

VTS雷达站选址问题优化模型

船舶交通管理系统（VTS,Vessel Traffic Services）雷达站选址方案对整个系统的功能正常发挥有重要影响.首先运用多层次模糊综合评价方法对雷达站候选点进行初选;然后建立了雷达站选址双目标优化模型,第1目标为总成本最小,包括雷达站的建设成本和雷达站与VTS中心的线路铺设成本,第2目标为被多重覆盖的水域单元权重之和最大;最后针对模型设计了遗传算法.算例分析显示,模糊综合评价可能去掉一些候选点,使得目标函数值变差,但是增加了方案的实际可行性.将程序运行10次,计算结果具有稳定性,本算法是收敛和稳定的,模型是可行的.     

求解概率优化问题的微种群免疫优化算法

针对未知随机变量分布环境下的非线性概率优化模型,探讨微种群免疫优化算法。算法设计中,基于危险理论的应答模式,设计隐并行优化结构;经由自适应采样方法辨析优质和劣质个体;通过动态调整个体的危险半径确定危险区域和不同类型子群;利用多种变异策略指导个体展开多方位局部和全局搜索。该算法的计算复杂度依赖于迭代数、变量维数和群体规模,其具有进化种群规模小、可调参数少和结构简单等优点。借助理论测试例子和公交车调度问题,比较性的数值实验显示,此算法在寻优效率、搜索效果等方面均有一定的优势,对复杂概率优化模型有较好潜力。      

非圆截面弹体气动隐身一体化设计方法

从非圆截面弹体气动和隐身设计要求出发,根据多目标优化的基本概念,将Pareto方法与遗传优化搜索相结合,采用了联赛式选择复制算子、小生境技术和Pareto解集过滤器技术使解集具有较好分布特性,并在此基础上应用了旨在提高优化计算效率的响应面方法.通过采用基于N-S方程的数值求解方法计算弹体气动性能,采用物理光学法和物理绕射理论来计算其雷达散射截面积,实现了基于Pareto遗传算法的非圆截面弹体气动与隐身两个目标函数间的折衷与优化,取得了较好的优化设计结果.     

高碳醇/膨胀石墨复合相变热沉多目标优化

为解决高温工作环境下电子芯片的发热问题，设计采用相变材料（PCM）的控温模块，建立相变材料的控温模块模型。相变材料选择高碳醇/膨胀石墨复合材料。借助FLUENT软件进行数值模拟，探究在相同加热功率下，加热面积对控温时间的影响。对控温模块的几何尺寸进行参数分析，将数值模拟结果用于训练人工神经网络，实现对控温时间的预测。根据芯片发热功耗、芯片尺寸，通过NGSA-Ⅱ多目标优化算法优化控温模块几何尺寸，延长控温时间，降低模块质量。最终得到一系列非支配解集，可根据控温时间需求选择合适的模块尺寸设计。针对长宽为35.4 mm、发热功率为15 W的芯片进行控温模块优化设计。环境温度为80℃，温控目标小于90℃，控温时间180 s，优化后模块减重13.0%，模块内温度与液相分布也更均匀。