基于进化算法的区域导航(RNAV)航路规划研究

本文采用进化算法,结合进化算法与区域导航航路规划的特点,提出了基于进化算法的区域导航航路规划问题。通过建立航路规划基本框架,进行航路编码、约束条件限制、初始种群设置等工作,然后依据选择机制建立新的航路链。     

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。     

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。     

基于多目标协同进化算法的多机器人路径规划

提出一种合作型多目标优化协同进化算法,并应用于具有3个优化目标的多机器人路径规划问题中.算法采用一种新型的子群体间合作方式,提高了候选解的多样性,且避免了在一般多目标进化算法中难以处理的适应值分配或非支配排序过程,减小了对计算资源的消耗.针对多机器人路径规划问题的特点,给出了多机器人间的协调策略,并在算法的群体初始化和进化算子的设计中,引入了基于问题专门知识的启发式方法.在复杂工作环境下的仿真实例表明了算法的有效性.     

改进的遗传算法在云资源调度上的应用

针对传统的遗传算法(GA)在解决云资源调度问题时容易过快收敛和陷入局部最优等问题,提出了一种联合进化的遗传算法(JCGA).该算法利用多优选保留技术将适应值大的个体放到优选子种群,通过与普通子种群进行联合交叉,使种群往更优的方向进行进化.实验结果表明,JCGA算法不仅可以保证种群的多样性,还可以避免种群陷入局部最优.     

基于动态扰动策略的人工搜索群算法

为了提高人工搜索群算法(ASSA)的整体性能,提出一种基于动态扰动策略的人工搜索群算法。为了增加算法的种群多样性,在算法初期,通过Tent映射的混沌策略产生初始种群。结合反向学习策略,算法在进化过程中对种群进行反向学习扰动,从而增加算法跳出局部最优解的可能性。算法采用动态步长的方式,在初期时能够扩大最优解的搜索范围,在后期时能够加速种群收敛到最优解。基于标准测试函数的实验研究结果表明,提出的改进算法与标准人工搜索群算法,及其改进算法进行对比,在收敛速度和收敛精度上都有明显提高,整体上提升了该算法的性能。     

仿生物态模拟型硬件理论与关键技术研究

阐述了模拟型仿生硬件的概念、基本思想与技术瓶颈，分析了基于FPTA(Field programmable transistor array)的模拟型仿生硬件的结构与电子细胞电路工作原理。给出了模拟型仿生硬件的电路编码方案、个体电路测试评估方法和进化实现过程。提出了基于单染色体自适应变异进化机制的模拟型仿生硬件进化算法。以信号放大器、半波整流器、异或门数字电路作为典型应用实例，来验证模拟型仿生硬件的进化特性，并讨论了进化算法的参数选取、染色体适应度评估问题。仿真结果表明：所提出硬件进化算法的进化速度快、成功率高，所设计的FPTA细胞阵列可以实现模拟信号放大、信号处理和数字电路逻辑功能。     

多模式高概率量子搜索算法

量子搜索问题是发展量子神经网络必须要解决的问题之一.本文在分析了Grover量子算法基础上,针对量子神经网络要处理多模式问题提出了一个多模式高概率量子搜索算法,它通过一系列的么正操作能在模式集中以较高的概率搜索目标,并且该算法在搜索目标模式时能在一次算法的执行中就找到目标,所以它远比经典的搜索方法要快,而且随着模式集和目标数的增多,它运行效果越好,最后验证了算法的可行性和有效性.     

基于ACA的飞行仿真伺服系统LuGre摩擦参数辨识

针对LuGre摩擦模型的高度非线性问题，提出了一种新型的基于ACA的飞行仿真伺服系统摩擦参数辨识方法。ACA是近几年优化领域中新出现的一种仿生进化算法，该算法采用分布式正反馈并行计算机制。在简要介绍LuGre摩擦模型的基础上，推导了ACA的LuGre模型静态摩擦参数和动态摩擦参数辨识方法，并将该辨识方案应用于某型电动飞行仿真伺服系统。实例仿真验证了本提出的基于ACA的LuGre模型摩擦参数辨识方案的可行性和有效性，该方案为辨识LuGre模型摩擦参数提供了一条新的途径。     

应用后缘装置的跨声速层流翼型多岛优化设计

高雷诺数状态下,自然层流技术(Natural laminar flow,NLF)是减小机翼表面湍流摩擦阻力的有效方法。然而由于层流翼面上大范围顺压梯度的存在使得后缘处的恢复压差更大,产生更强的激波。因此在减小摩擦阻力的同时又增加了激波阻力。本文采用后缘装置(Trailing edge device,TED)来控制翼型后缘处的激波强度,基于线性稳定性理论(Linear stability theory,LST)的eN方法对流动进行转捩判断,进而应用多岛并行多目标进化算法(multi-objective evolutionary algorithm,MOEA)以获得大范围层流区域和弱化激波强度为目标对翼型进行优化设计。优化结果表明合作均衡策略耦合进化算法可以快速地捕捉到该多目标问题的Pareto阵面解,阵面上翼型的波阻力和摩擦阻力性能较初始翼型大大改善。同时,采用后缘装置控制激波强度时,无论在设计点还是偏离设计点时,优化后翼型均具有良好的升阻力特性和鲁棒性。     

采用主流FPGA的数字电路在线生长进化方法

采用主流FPGA器件构建了在线进化平台,提出了一种适合较大规模数字电路在线进化的生长进化方法。该方法模拟植物生长机理进化以解决进化速度缓慢问题,采用增长验证评估方法取代传统的穷举式验证评估方法来解决在线验证评估难题;应用免疫遗传算法克服遗传算法的早熟收敛问题;采用多参数级联十进制整数编码方法缩短染色体长度;采用生长进化方法成功地进化出了16位加法器和8位乘法器。对比实验结果表明,采用生长进化方法无论是进化出的电路规模,还是进化速度均优于传统的直接进化方法。     

绿色作业车间机器与AGV的集成调度研究

针对加工资源和运输资源集成下绿色作业车间调度问题,通过研究生产车间综合能耗模型,建立了机器和自动导引小车(Automated guided vehicle,AGV)集成调度下多目标优化模型。提出一种改进分布估计算法(Improved estimation of distribution algorithm,IEDA)对模型进行求解。首先,采用优良种群作为样本学习来构建概率分布模型以提高IEDA的全局搜索能力;然后基于一种类似激素调控机制的速度冷却控制方法设计出新的模拟退火函数,并将其融入到分布估计算法中以提高IEDA的局部搜索能力。最后通过数值实验来验证所提模型和算法的可行性和有效性。     

适用于欺骗问题优化的分段遗传算法

为了有助于克服遗传算法中的模式欺骗性问题，本文基于遗传算法在不同阶段运行性能的不同，并且借鉴新达尔文主义中生物进化的选择机理，分析和探讨了一种适应性分段遗传算法，并且通过试验证明了该方法的有效性。     

改进RBF网络及其在悬索桥吊索损伤定位中的应用

研究了RBF网络行为的过拟合现象,提出了基于R2+准则与Jackknife校验的改进算法。以润扬大桥南汊悬索桥为背景,在对其吊索损伤分析的基础上,构建了RBF损伤定位网络。研究表明,本文提出的改进RBF网络可以较好地对吊索进行损伤定位。     

用于多峰函数优化的改进跳跃基因遗传算法

跳跃基因是维持生物大脑神经细胞多样性的主要原因,因此在遗传算法中引入跳跃基因操作能够提高算法的全局搜索能力。然而,标准跳跃基因遗传算法的随机跳跃过程容易破坏较优性能染色体的基因。针对此问题,提出了一种改进跳跃基因遗传算法。在改进方案中,适应度越高的染色体上的跳跃基因,能以越高的概率朝性能比它差的染色体上跳跃,以提高进化速度。并且,在适应度函数中引入密度函数,以保持染色体的多样性。通过对经典多极值测试函数的寻优仿真表明,改进跳跃基因遗传算法能够更有效地提高遗传算法对复杂多峰函数最优解的求解速度与精度。     

基于单纯形算法的物流配送费用优化

通过引入单纯形算法,建立相关配送优化模型,详细地阐述了基于单纯形算法的物流配送费用优化方案。分析表明,单纯形算法具有简洁、直观、易于编程调试、维护方便的优点,避免了传统智能寻优算法较为繁琐的推导过程,是一种值得推广的决策机制。     

一种改进的微粒群优化算法

标准微粒群优化(PSO)算法是一种群体智能算法,它容易陷入局部极值点,进化后期收敛速度慢且精度较差,而且参数的选择对算法的优劣影响很大。针对这些缺点,首先提出了一种在位置进化方程中引进动态参数的方法,改进了标准微粒群算法收敛速度;然后通过在速度、位置进化方程中同时引进动态参数来提高算法收敛速度和收敛率。经J．D．Schaffer函数和LevyNo．5函数对改进算法的测试表明,相比于标准微粒群算法,该方法的收敛速度和平均收敛率均有大幅度提高。     

三能级原子和两个压缩态光场多光子相互作用中的量子效应

本文研究了具有A型跃迁结构的三能级原子与两个压缩态光场多光子相互作用过程中的一些量子效应。通过数值计算得到不同参数条件下原子能级布居数反转的时间特性,光场平均光子数及其统计性质的时间演化,并讨论了多光子过程对加深光场压缩状态的影响。计算结果表明,多光子相互作用使系统的基本Rabi振荡频率增大,崩坍—复原持续期缩短,Mandel参数的改变加剧,光场的压缩增强。