基于粒子群算法的多波位高度估计方法

为解决雷达斜视模式下对目标区域的高度估计问题,提出了一种基于粒子群算法的多波位高度估计方法。利用粒子群优化算法建立约束条件和目标函数,通过多次迭代使目标函数趋于一个最优值,同时得到高度的最优解。利用粒子群优化算法求解多波位测高方程组可减小方程组近似处理误差。此外,利用粒子群优化算法可随时更改波位数目,增强了该测高方法使用的灵活性,有效提高了高度估计精度。通过理论仿真和实测数据仿真分析,验证了粒子群优化算法在求解多波位测高方程组时的有效性。结果表明:该方法具有较高的高度估计精度。     

一种基于EPSO的航天器交会轨迹优化方法

研究了航天器在固定时间内燃料最省的多脉冲交会问题,提出了一种基于种群熵粒子群优化 (Population Entropy based Particle Swarm Optimization,EPSO)算法的交会轨迹优化设计方法。采用线性化C\|W方程描述航天器的相对运动,以能耗最优为控制目标,得到了基于连续推力的最优转移轨迹,用于确定脉冲点的位置。考虑工程实用性,采用多脉冲控制方法,利用脉冲点的位置参数建立了以脉冲点时间间隔为决策变量的优化目标函数,并用EPSO算法进行求解。在EPSO中,种群熵描述粒子在搜索空间中位置分布的混乱程度,并通过上一代的种群熵确定下一代的搜索空间,从而减少搜索空间的浪费,提高了算法的搜索速度和收敛精度。仿真结果表明,算法本身具有良好的优化性能,适用于航天器轨迹优化。     

非凸二次约束下航天器姿态机动路径迭代规划方法

针对复杂约束下航天器姿态机动路径规划问题,首先描述和分析了航天器姿态机动过程中面临的动力学和运动学约束、有界约束、姿态指向约束,把姿态指向约束利用非凸二次型进行表述;其次从能量最优角度出发,将该约束机动问题归纳为非凸二次约束二次规划问题;然后引入线性松弛技术,将该问题转化成双线性规划问题,求出其中一个变量的凸包络和凹包络,降低求解复杂度,从而求出原问题的一个线性松弛。同时为了提高求解精度,提出一种基于评价函数的迭代规划算法,利用线性松弛求出的解作为初值,通过评价函数进行迭代规划,最终求出原问题的最优解。仿真结果表明该方法不仅可以满足复杂的姿态约束,得到全局姿态优化路径,而且能够降低能量消耗。     

基于精英群引导下量子粒子群算法的快速零陷形成技术

引入罚函数项,建立了一种新的发射波束方向图综合控零的多目标优化模型。用适应度值排序建立由种群非支配解组成的精英群,以精英群中的粒子作为全局最优解引导粒子飞行;用爬坡策略更新全局最优解,给出了基于精英群引导的量子粒子群算法。对阵列权值采用加权优化,可在发射波束指定方向的多零陷、宽凹口。仿真结果表明：算法对多目标的优化较文献算法更优,能优化阵列权值在指定方向快速形成零陷。     

基于分层人工鱼群的相干极化-DOA联合估计

智能优化算法是解决多维非线性优化问题、提高计算效率的有力工具。本文针对相干辐射源极化-空间角联合估计中计算量巨大的工程难题，以广义子空间拟合约束公式为代价函数，提出一种分层人工鱼群算法。该算法基于分层协同策略将鱼群分为底层和顶层，底层以人工鱼群算法进行全局搜索以保证种群多样性，顶层以粒子群算法进行局部搜索以加快收敛速度。仿真结果证明：分层人工鱼群算法能大幅降低广义子空间拟合的计算量，尤其是在较多目标的情况下。算法可有效提高计算效率，同时可提供优于传统人工鱼群算法的估计精度。     

用于快速仿真优化的改进差分进化算法及其应用

提出一种改进的差分进化算法,采用一种“位变”方法计算收缩因子,该方法首先根 据适应值对种群排序,然后根据各个体的排列位置确定收缩因子;采用正态分布函数对算法 参数进行随机扰动来维持种群的多样性;该算法还提出一种新的变异算子,并将其与基本的 差分变异算子结合使用以提高算法的寻优精度。经过对多个Benchmark函数的测试、分析和 比较,结果表明该算法具有较高的收敛精度和较快的收敛速度。最后将该算法用于火箭发动 机涡轮气动优化,以较小的计算成本将涡轮气动效率提高了2.5％。应用结果表明该算法 适用于快速仿真优化问题,能有效地节约计算成本。
     

星载赋形反射面数传天线优化设计

为了使星载赋形反射面数传天线的波束形状满足设计要求,应用Minimax算法对其进行了优化设计。首先基于几何光学原理得到反射面中截线的初始形状,然后采用Newton插值函数对中截线进行拟合并把插值函数的系数作为优化变量,最终利用Minimax算法对优化变量进行调整来使获得理想的赋形波束。通过对一个X波段赋形反射面天线优化结果的分析及与基于几何光学原理综合算法所得结果的对比,表明此方法的有效性和优越性。数值仿真结果表明：该方法能够保证覆盖角域内任意一点的增益均高于设计指标要求。     

应用改进多种群遗传算法的多星成像目标规划方法

针对目前多星成像目标规划求解算法容易陷入局部最优解,且对于大区域目标及规划时间周期较长时不能尽快规划出较优的成像方案问题,提出一种改进多种群遗传算法的多星成像目标规划方法。以成像规划方案周期最短、覆盖率最大为目标函数建立模型;利用改进的多种群遗传算法对模型进行求解,采用移民算子种群在多种群之间关联及更新种群,保留每代进化中的最优成像方案。利用多星对区域目标成像验证了所提出的方法,结果表明:此方法能够较好地用于模型的建立及求解,有效地规划出目标函数较优的成像方案。     

气囊着陆缓冲系统的冲击动力学多目标优化

文章以数值仿真为手段,研究了气囊缓冲登陆系统的冲击动力学多目标优化问题。首先,以类似于"猎兔犬"着陆缓冲系统为对象,确立了以囊内初始气压与收缩绳刚度为设计变量,以缓冲系统的首次冲击最大过载和囊体织物最大应力为目标函数的多目标优化问题。随后基于D最优试验设计,采用移动最小二乘(Moving Least Square,MLS)构建了各个目标函数的代理模型,并对目标函数随设计变量的变化规律进行了探讨。最后,采用遗传算法完成了缓冲系统的冲击性能优化,并给出设计空间中关于最大过载与织物最大应力的Pareto前沿。研究结果表明,MLS模型优化算法十分适用于解决非线性程度较高的冲击动力学优化问题,并且在替代真实模型仿真计算时不仅具有较高的近似精度而且具有高速的分析效率。     

一种新的精英遗传算法及在多弹拦截分配策略的应用

为了有效解决多导弹对多机动目标的拦截对抗实战中的目标分配问题,本文提出一种基于精英策略的多种群自适应遗传算法(MAGA)。首先,建立目标分配的综合优势函数和约束条件的数学模型。其次,为改善传统遗传算法容易陷入局部最优的问题,通过多个单遗传算法并行计算,引入自适应策略动态改变交叉、变异概率,设计迁移算子增加各种群之间的联系。最后,通过精英选择算子选择当前种群的最优解并进行精英备份,不断迭代选出最优解。通过计算仿真可得,该方法能有效抑制算法陷入局部最优,增大收敛速度,获得更高精度的最优分配方案。将其应用到多导弹对多机动目标的拦截分配算例,结果表明了算法的有效性。