一种改进X-best引导个体和动态等级更新机制的鸡群算法

在群智能算法的改进中，常利用优秀个体加速算法收敛，但对其依赖过度会导致种群多样性和算法全局收敛性下降的现象。对此，提出一种改进X-best引导个体和动态等级更新机制的鸡群算法。首先，在个体更新阶段不仅引入优秀个体加速收敛，并且通过普通个体对优秀个体的影响进行适当平衡，因此，优秀个体与普通个体的信息都能得到利用，进而种群多样性和算法全局收敛性得到提升。其次，通过对等级更新参数进行动态优化，加强了种群等级更新机制对算法收敛的促进作用。最后，经过时间复杂度与收敛性分析，证明了改进算法仍具有简单性和全局收敛性。仿真结果表明:所提出的改进算法较其他对比算法在寻优精度、寻优成功率和收敛速度等方面都具有明显优势。      

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。     

基于MDP的诊断策略构建方法

针对传统方法忽略测试通过的不确定性因素,缺乏长周期寻优机制,难以在复杂测试系统中生成全局最优诊断策略的问题,提出了一种基于马尔可夫决策过程(MDP)的诊断策略构建方法。该方法将故障检测、隔离的过程表述为系统故障状态的马尔可夫过程,通过引入折扣因子与目标权重,构造了综合效用准则函数的无限折扣模型,并利用策略迭代算法求解出全局平稳最优诊断策略。实例表明,该方法充分考虑了测试通过的不确定性,可实现全局平稳策略寻优,能够有效地指导测试系统实现快速故障检测和隔离。      

Hypersonic vehicle aerodynamic design using modified sequential approximate optimization

Hypersonic vehicles are receiving increased attention within the aerospace community due to their high cruise speed and long-range capabilities. In this paper, a modified Sequential Approximate Optimization method is proposed for an optimized aerodynamic design of a hypersonic vehicle. As part of this approach, a constrained experimental design method is developed to handle the constraints more efficiently. A radial basis function is used to surrogate time-consuming CFD analysis. An efficient and more robust numerical mesh morphing scheme for the hypersonic vehicle is developed for the generation of high-quality meshes. Within this paper, a novel adaptive infilling strategy is proposed which uses an inaccurate search technique coupled with an elite archive. This allows the location of a more promising sample region and hence improves the surrogate accuracy, thereby further enhancing the optimization efficiency. A hypersonic vehicle aerodynamic design problem is solved using the proposed approach and satisfactory results are obtained at much lower computational costs. The lift-to-drag ratio is increased by 23.8% when compared with the base configuration while also satisfying the volume and lift constraints. The pressure and Mach contours have been compared with those of the base configuration and the results demonstrate the strength of the optimized configuration. The modified sequential approximate optimization for designing an improved hypersonic vehicle is worth referencing in future work.     

基于包络函数和二级近似概念的结构优化方法

利用包络函数、二级近似概念和对偶理论,提出了一种结构优化的有效解法.首先,利用包络函数将原多约束结构优化问题转化为单约束优化问题,再利用本文提出的新的两点近似函数构成高精度近似问题,继而用二级近似求解策略和对偶理论求解.理论与算例皆表明本方法的主要优点是其通用性和高的计算效率,这对于工程中的具有复杂函数的大型优化问题特别重要.     

基于分段常值的全电推进GEO卫星制导策略

电推进技术因其比冲高的技术特点在GEO轨道转移中应用可大大减少燃料质量，提高有效载荷质量比，延长任务寿命等。针对全电推进GEO卫星入轨的轨迹优化和制导问题，首先利用间接法获得小推力燃料最优GEO轨道转移的数值解，提出一种多项式曲线拟合最优轨迹的方法，多项式曲线形式简单，可作为参考轨道在星上存储和使用。在多项式参考轨道的基础上，建立了一种分段常值推力跟踪参考轨道的闭环制导策略，在常值推力条件下，轨道要素控制量与控制力有解析关系，简化了制导律设计；将多圈轨道转移问题分解为多个单圈轨道优化问题。结果显示，本文提出的分段常值跟踪制导策略跟踪精度高，和最优轨道相比多消耗7%的燃料。本制导策略控制结构简单，易于工程实施。     

基于自适应学习策略的改进鸽群优化算法

鸽群优化（PIO）算法已广泛用于无人机编队和控制参数优化等领域，但标准PIO算法容易陷入局部最优。提出了一种基于自适应学习策略的改进鸽群优化（ALPIO）算法。该算法引入了基于容差的搜索方向调整策略、基于自学习的候选者生成策略以及基于竞争学习的预测策略，通过增强种群的多样性，可提高算法全局最优概率，其已在8个基准函数上进行测试。仿真试验结果表明:所提算法在多峰函数优化问题中的收敛精度和收敛速度有了显著提升，并且能够更有效避免陷入局部最优解。      

基于改进粒子群优化算法的巡航导弹航路规划

粒子群优化(PSO, Particle Swarm Optimization)算法是继遗传算法、蚁群算法之后的又一种新的群体智能算法,经常用于复杂问题的求解.由于其迭代公式是面向连续空间的,因此更适合解决非网格拓扑的航路规划问题.标准的粒子群优化算法在寻优的过程中容易出现早熟现象,针对这种现象,提出了一种改进的粒子群优化算法.改进算法根据相应的代价函数选择精英粒子和较差粒子,对较差粒子采用了带有动能补偿的速度更新策略,从而避免了寻优过程中的早熟现象;在单个粒子的运动方面引入了最差粒子的失败经验,让群体中粒子有效避开最差解.仿真表明:改进算法在航路规划的应用中具有更强的搜索能力,获得的航路代价在进化代数相同的前提下更小.      

基于优化的羽流撞击消旋技术瞄准策略设计

针对自由翻滚目标卫星的消旋问题,使用化学推力器羽流撞击的方式进行消旋具有较高的可行性和安全性。当目标太阳翼法线与星本体自旋轴存在一定夹角时,需要对消旋推力器的瞄准策略进行设计,以提高控制精度和系统效率。目前国内外对于一般情况下瞄准策略的设计仍存在空白。基于参数化羽流撞击模型,对空间目标的动力学特性进行分析并给出典型工况,分析了羽流撞击力对相对位置姿态的敏感性,得到了瞄准策略设计的一般性准则,在此基础上设计了瞄准策略优化模型的完整表达。仿真计算表明,该瞄准策略适用于太阳翼法向相对期望消旋力矩方向存在一定夹角的情况,并且在保证力矩幅值较大的条件下令精度达到10°以内。该方法适用于太阳翼相对自旋轴倾斜和存在章动运动的目标卫星,从而为服务平台控制系统设计提供支持。     

一种参数区间交叉类型的目标识别方法

针对参数区间为交叉类型的目标识别问题，提出了基于直觉模糊集和云模型的逼近理想点（TOPSIS）识别方法。构建了包含个体类和交叉类的目标数据库模型，根据云模型的多步估计算法，得到未知目标相对已知目标类的确定度，提出了确定度向隶属度和非隶属度的转化方法，基于直觉模糊熵计算特征属性的动态权重，形成了去模糊距离测度的TOPSIS识别方法，应用于辐射源信号识别。仿真结果表明，所提方法对参数区间交叉类型的目标正确识别率较高，具有一定的实际应用价值。