求解含调整时间排序问题的混合遗传算法

利用仿真工具将启发式方法与遗传算法相结合,提出了一种求解Job Shop排序问题的混合算法框架,利用启发式规则引导遗传搜索过程,以提高遗传算法的求解效率。在求解过程中,遗传算法仅对每台机器的第1道工序搜索寻优,通过仿真过程安排后续工序,在仿真过程中,利用启发式规则确定工件的加工优先级。在以上框架基础上,针对含调整时间的作业排序问题建立了一种混合算法GA-SPTS,通过与已有算法的比较表明,该算法对这类问题具有很好的求解性能。     

基于遗传算法与近似模型的全局气动优化方法

开发了基于精英保留策略与小生境技术的求解有约束优化问题的改进遗传算法,并用一多峰值有约束函数对其寻优能力进行了测试。为了降低气动优化设计时间,提出了集成实验设计、三维粘性流场求解程序、二次多项式近似模型、改进遗传算法的具有全局寻优能力的三维气动优化设计体系。采用该方法对NASA Rotor37动叶片叶型进行了以绝热效率最大为目标的优化设计,优化后叶片绝热效率提高1.1%。该结果表明了本优化设计体系省时、高效的特点。     

遗传算法在航空发动机非线性数学模型中的应用

收敛性是航空发动机非线性数学模型的重要指标。现有发动机平衡方程迭代解法还不能保证模型大范围收敛。以某涡扇发动机为对象,采用遗传算法求解发动机非线性数学模型,将模型中的发动机平衡方程求解转换为极小值优化问题,建立了遗传算法计算模型,重点分析了采用遗传算法求解的适应度函数设计方法。数值仿真结果表明,与牛顿-拉夫逊解法相比,采用遗传算法方法可实现模型大范围收敛。     

遗传算法在发动机风扇叶片静态配平中的应用

将发动机风扇叶片的静态配平问题抽象为最优解问题,提出利用启发式的遗传算法进行问题的求解,并提高求解效率,最终在实际发动机的数据集上得到了优于厂家数据的结果。     

基于改进非支配排序遗传算法 的维修资源优化配置

针对在武器装备维修保障过程中出现的资源短缺、资源冲突等问题,构建了多目标的维修资源优化配置模型,并且基于加权思想将多目标转化为单目标以方便求解。针对遗传算法求解多目标优化问题存在的解空间过大、收敛速度慢、计算效率低等问题,提出了基于约束的改进非支配排序遗传算法对资源优化配置模型进行求解。实例分析结果验证了模型及算法的可行性和有效性。     

基于遗传算法的复杂多峰函数优化

从传统的搜索、优化方法入手，分析了遗传算法对复杂、多峰函数优化的有效性；简单介绍了遗传算法；并归纳出从优化问题转化到用遗传算法求解的转化思路；最后，通过对一个多峰函数优化的遗传算法求解，验证了此方法在全局优化、鲁棒性等方面的更有效性。     

基于混合遗传算法的航空发动机数学模型解法

针对发动机模型现有平衡方程迭代解法存在不收敛或计算效率差的不足,以涡轮风扇发动机为对象,结合遗传算法与牛顿-拉夫逊法的优点,设计了在模型不收敛点采用遗传算法与牛顿-拉夫逊法交替计算的平衡方程求解混合算法。理论分析与数值仿真结果表明,对于整个模型而言,该算法既保持了牛顿-拉夫逊法的高计算效率,又吸收了遗传算法全局收敛的优点,可实现模型大范围收敛。     

基于多子人口群协作进化的拦截轨道优化

针对基本遗传算法对航天器拦截轨道数值优化计算效率较低的问题,提出了一种新的基于多子人口群协作进化的算法。使用子人口划分技术提高了人口多样性防止早熟,用免疫算子减小搜索空间,两者都加速了进化计算过程。应用此算法求解了具有推力约束和拦截时间约束使燃料消耗量最小的航天器拦截轨道,并分析了其与基本遗传算法的不同。通过航天器拦截轨道仿真表明,该算法优于基本遗传算法,可用较少的计算时间得到全局最佳解,提高了航天器拦截轨道优化的计算效率。     

混合遗传算法在气动力参数辨识中的应用

遗传算法是求解复杂系统优化问题的一种有效方法，具有较强的鲁棒性和全局寻优能力，但计算量大，效率较低。将遗传算法与一维局部寻优算法相结合，构造了一混合遗传算法．并将其用于气动力参数辨识．以取代通常采用的梯度类优化算法。采用该混合遗传算法对某型飞机的横向气动力参数进行辨识计算与分析，结果表明该混合遗传算法是气动力参数辨识的一种有效方法，与遗传模拟退火算法相比．其计算效率有较大提高。     

自适应变搜索域遗传算法及其在发动机模型中的应用

针对发动机数学模型中非线性方程插值解法的不足,提出非线性方程自适应变搜索域遗传算法解法。论文详细分析了方程求解转化为遗传算法优化的数学描述、依据方程解临域特征的自适应变搜索域机理及算法的具体实现技术。实例计算与发动机仿真结果说明:所设计的变搜索域遗传算法可作为通用的非线性方程解法,相比较于简单遗传算法,能成倍提高计算效率;替代插值解法应用于发动机模型,可有效提高模型的收敛性。     

周向收敛型动压式指尖密封的结构优化及其动态性能仿真

周向收敛型动压式指尖密封是一种可用于航空发动机的非接触式柔性气封.根据周向收敛型动压式指尖密封的工作性能要求,提出密封性能优化数学模型.采用人工神经网络和遗传算法相结合的优化方法,通过建立反向传播(BP)神经网络确定设计变量与目标函数之间的隐含关系,再利用遗传算法对周向收敛型动压式指尖密封进行结构参数优化,获得了性能较...     

基于自适应遗传算法的航迹规划研究

对传统遗传算法进行了改进,通过采用交叉概率和变异概率的自适应设计,避免了进化过程中固定的交叉概率和变异概率产生的个体早熟和收敛缓慢的现象。仿真算例结果表明,自适应遗传算法能够有效地提高遗传算法的全局寻优能力,加快算法的收敛速度,有较强的地形和威胁回避能力,可为低空突防飞行器提供满足战术要求的参考航迹。     

线性规划的非可行的内点算法

首先简要介绍非可行的内点算法,然后提出一种新的中心路径的取法,并由此给出一个对Kojima-Megiddo-Mizuno算法的改进的方法,这一新的算法是具有O(n2L)次收敛性的算法,并对这一算法的收敛性加以证明,这一新的算法与其它算法最明显的差异是不必假设LP解的存在性,就可以证明原始—对偶问题的多项式时间收敛性。文章的最后通过数值实验将该算法与Ye的解决线性规划的中心路径算法进行了比较。比较的结果显示新的算法从各个方面都要优于Ye的算法。     

被动定位中的滤波算法研究

由于被动定位中状态空间模型的非线性程度较高,现有的递推滤波算法在收敛精度和稳定性等方面往往满足不了要求。文中对常用的 EKF、MGEKF 算法以及序贯 Monte Carlo 粒子滤波技术进行了分析,指出粒子滤波将成为解决被动定位问题的重要研究方法。     

基于变步长LMS算法的线性调频引信噪声抑制

利用自适应滤波技术,研究了线性调频引信通带内噪声的抑制问题。根据线性调频信号与噪声可预测性的差异进行噪声抑制,分析了噪声抑制原理。仿真结果表明,在SNB=-5dB时仍然可以达到很好的噪声抑制效果;在算法收敛的条件下,信噪比越小,噪声抑制对信噪比的相对改善越大。     

遗传算法在等效系统拟配中的应用

针对遗传算法在全局搜索性能与收敛速度之问的矛盾采取了一些改进措施．并将其应用于飞机飞行品质评定的等效系统拟配计算中，解决了传统拟配方法参数初值不易选取的问题。仿真结果表明了遗传算法在等效系统拟配计算中的可行性和有效性。     

遗传算法在等效系统拟配中的应用

采用遗传算法 ,对某机横航向操纵系统进行了等效系统拟配计算 ,并对遗传算法中控制参数和变量初始区间的设定进行了分析。结果表明 ,遗传算法在等效拟配计算中有效可用 ,并且在保证算法收敛和拟配结果合理方面有很强的优势。     

基于混合遗传算法的航空发动机PID控制参数寻优

结合某型航空发动机的比例积分微分控制(PID)参数整定与优化问题, 提出了一种全局最优且与初值无关的优化算法.算法采用与单纯形相结合的混合遗传算法, 结合了遗传算法良好的全局收敛性和单纯形算法的优秀的局部搜索能力, 提高了搜索速度与精度.仿真结果表明这种方法具有较好的收敛性与稳定性.      

Efficient numerical algorithm for steady-state Kalman covariance

A stable, quadratically convergent numerical algorithm is presented for computing the steady-state covariance and gain matrices of the Kalman filter. The method is more rapidly convergent than standard Riccati integration techniques and is easier to implement than existing eigenvalue-eigenvector algorithms. The quadratic convergence is proved analytically and illustrated by a numerical example     

线性广义系统的迭代学习控制

讨论了正规，稳定，无脉冲的定常广义系统的迭代学习控制问题，通过构造满足广义约束的Lyapunov函数来分析定常广义系统在P型学习律下迭代学习误差的收敛性问题，同时给出在每次迭代时初态固定于同一点的误差收敛的充分性条件，最后给出数值仿真算例说明该学习律的有效性。