基于协同进化的复杂低空下多飞行器协同航迹规划方法

由于低空空域环境复杂，威胁通用航空器运行安全。复杂低空多飞行器航迹规划方法是保障安全、提高效率的关键技术。在特定空域范围内，依据地形特点、环境威胁以及飞行器自身物理条件等约束和安全效率等性能指标，为飞行器规划出最优航迹。然而，多飞行器的航迹规划问题存在多约束、强耦合、多目标等难点，现有方法缺乏对问题先验知识的挖掘和利用，导致难以兼顾安全与效率。针对多飞行器航迹规划问题，建立了多飞行器航迹优化 多目标模型。为了进一步提升优化效率，基于启发式算子的自适应差分多目标进化算法，引入多种群协同进化，每个飞行器通过不同种群独立进化，建立合作机制提升种群进化质量，避免陷入极值。最后通过二维与三维仿真实验验证了算法的可行性和有效性。     

IMRT逆向计划中的混合多目标梯度算法

将多目标智能优化算法与梯度算法的进化策略有机结合,即对每一种群用梯度算法求解其下一代新群体,并采用实数运算,构造一种混合多目标梯度算法。利用测试函数分析算法的优劣,并将其应用于IMRT逆向计划过程。目标函数中的PTV和NT是基于平均计量分布,通过水模中的测试算例,得出强度分布。结果表明,该混合多目标梯度算法可节省大量计算时间且具有较高的计算精度,故能够满足实际应用的要求。     

应用确定性优化算法求解多目标气动设计问题的Pareto阵面

将确定性优化算法和Pareto阵面概念结合起来处理了多目标优化设计问题；给出了结合算法及数值过程的细节，并将其应用到了气动优化设计中；描述了如何用确定性优化算法快速抓获多目标优化问题的Pareto阵面以及能够抓获哪些类型的Pareto阵面。数值实验结果表明，确定性优化算法可以准确高效地抓获任意凸的和某些凹的Pareto阵面，故对于此类多目标气动优化问题，可用确定性算法代替进化算法。     

带并行机的多阶段生产系统节能调度策略

针对多阶段生产系统中并行机各自的能源消耗存在差异的问题,进行了一种混合型文化基因算法的节能调度策略研究。首先对问题域进行描述,以最小化能源消耗量为优化目标,建立了数学模型;在此基础上提出了一种基于差分进化的文化基因混合算法求解研究问题,该算法融合了最先可获得设备规则和最小能源消耗规则,并引入贪婪算法进行局部搜索以提高算法搜索性能及收敛性能。最后,对算法进行仿真实验,结果表明该算法是有效、可行的。     

多层设计参数的叶型气动优化

针对叶片型面的设计问题,提出一种基于遗传优化算法的多层参数化方法.这种方法类似多层网格法原理,利用Bézier曲线的递推算法进行各层之间的设计变量转化,使得优化迭代过程中,下层群体中得以保存上层的优秀个体.根据遗传算法固有的并行特性构建了局域网并行优化平台,并对基本遗传算法进行了改进,从而大大缩短优化时间、提高优化效率.最后设计了曲线逼近和叶型优化的算例,结果显示多层参数化方法能明显加速收敛,在个体数较少时,效果更为明显.     

基于PEV准则的不确定随机多目标规划问题求解

为解决独立变量的不确定随机多目标规划问题在传统求解中存在分析不全面等问题,在期望值-方差准则下提出了一种新的求解方法。基于机会理论,引入不确定随机变量,在此基础上提出了不确定随机多目标规划问题;引入不确定随机变量的序关系,利用变量间的序关系把不确定随机多目标规划问题转化成不确定随机单目标规划问题,并通过期望值-方差准则把不确定随机单目标规划问题转化成确定的单目标规划问题进行求解;通过理论推导证明,在新准则下转化后的问题得到的最优解是原不确定随机多目标规划问题的有效解;最后,通过对无人机情报侦察监视任务分配问题的求解,利用改进的萤火虫算法求得有效飞行序列,验证了所提方法的可行性和有效性。     

一种求解多目标柔性作业车间调度的改进粒子群算法

针对具有高维搜索空间的多目标柔性作业车间调度问题,提出了一种基于偏好的多目标粒子群优化算法(PMOPSO).该算法引入了决策者的偏好信息,用以指导算法的搜索过程,使算法在决策者感兴趣的区域进行搜索,不但缩小了算法的搜索空间,提高了算法的效率,而且一次运算只求得偏好区域内若干个折中解,避免了决策者要在众多非劣解中作出困难的选择.在该算法中,采用了新的偏好信息给定方法,即采用目标间重要关系、目标数值或目标权重大致取值范围来表示偏好信息.采用该方法,不但便于决策者给定偏好信息,而且还可以根据决策者的需求,对搜索区域的范围进行适当地调整.针对偏好信息的特点,提出了一种模拟人类社会组织"投票选举"的偏好信息处理方法,该方法直观简便并易于实现.最后,通过实例仿真,对该算法性能进行比较分析和评价,结果表明了该算法的有效性和可行性.     

基于遗传算法的复合材料圆柱壳屈曲多目标优化设计

针对复合材料圆柱壳屈曲载荷最大化和缺陷敏感度最小化问题,提出以铺层纤维方向角为设计变量的基于遗传算法的多目标优化方法,采用层合壳屈曲理论计算临界载荷和统计方法计算缺陷敏感度,对由多个个体组成的群体施加选择、交叉和变异等演化操作,通过多代进化得到问题的pareto解.算例优化结果与采用离散方法得到的目标空间解边界比较吻合,验证了方法的准确性和有效性.     

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题，建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法（Improved multi-objective evolution algorithm based on decomposition,IMOEAD），采用均匀设计表生成初始权重向量，提高种群多样性，利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力，在权重向量邻域中选择个体产生新解，运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标，通过大量案例仿真，与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比，结果验证了该算法的有效性。     

应用对策理论的多目标气动优化设计

将经济学中的Nash均衡理论引入到气动优化设计中,探索一种新颖的处理互为冲突的多目标气动外形优化设计方法.基本的优化器为基于伴随方法的确定性优化算法,文中通过引入负反馈技术发展了约束最优控制理论,所有的约束条件都被自动的和隐含的满足.在对称Nash策略中,每一个优化器都力图优化自己的目标,而Nash平衡则提供了多个目标之间的一种妥协解.设计算例表明,文中的Nash竞争策略在多目标气动优化设计中是有效的.