混沌麻雀搜索优化算法

针对麻雀搜索算法(SSA)在接近全局最优时，种群多样性减少，易陷入局部最优解等问题，提出了一种混沌麻雀搜索优化算法(CSSOA)。首先，通过改进Tent混沌序列初始化种群，提高初始解的质量，增强算法的全局搜索能力。其次，引入高斯变异的方法，加强局部搜索能力，提高搜索精度；同时以搜索停滞的解为基础产生Tent混沌序列，用此混沌序列对部分陷入局部最优的个体进行混沌扰动，促使算法跳出限制继续搜索。最后，对12个基准函数进行仿真实验。结果表明:所提算法能够克服SSA易陷入局部最优的缺点，提高算法的搜索精度、收敛速度和稳定性。同时，将CSSOA应用到简单图像分割问题，验证了CSSOA应用于实际工程问题的可行性。      

免疫遗传算法在百叶窗最优化热设计中的应用

考虑优化过程中辐射能量交换的特殊性,为了加速优化过程的进行,通过引入漫反射系统单元表面间辐射传递系数与角系数之间的关系来处理百叶窗的辐射能量交换;同时为了克服传统优化算法存在的缺陷,提出了一种免疫遗传算法,并且应用于百叶窗最优化热设计中。优化设计表明,与标准遗传算法相比,该优化算法具有较强收敛度与全局寻优能力,可以较好地用于最优化热设计中。     

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。      

异面构型太阳能电池阵展开轨迹优化

简要介绍异面构型太阳能电池阵的构型及其展开过程.由于动力学耦合作用的存在,异面构型太阳能电池阵的展开运动会对飞行器的姿态产生影响,根据对系统角动量守恒方程的分析,采用余弦函数参数化关节角的运动轨迹,以太阳能电池阵运动前后航天器的姿态变化量为优化目标,通过遗传算法进行参数的寻优,最终得到一条对航天器姿态影响相对较小的太阳能电池阵的展开运动轨迹.给出一种异面构型太阳能电池阵机构,通过对其展开过程进行仿真分析,证明了所提方法的有效性.     

固体火箭发动机成本与性能双目标优化设计

为求解某运载火箭上面级固体推进剂火箭发动机多属性价值优化问题,建立了发动机主要部件的参数成本模型,研究了一种改进的Pareto多目标遗传算法--IPGA算法,测试函数的计算结果表明,该算法收敛性优于NSGA-Ⅱ算法.以运载火箭末速度增量最大和发动机制造成本最低作为目标函数,采用IPGA计算得到了壳体材料分别为APMOC和碳纤维时的Pareto非劣解集,采用理想点法得到非劣解集中费效比变化的拐点,计算结果表明,以该点为满意解设计方案可以使该运载火箭的有效载荷提高7.6%,并使发动机的成本降低.     

Orbit Design for Responsive Space Using Multiple-objective Evolutionary Computation

Responsive orbits have exhibited advantages in emergencies for their excellent responsiveness and coverage to targets. Generally, there are several conflicting metrics to trade in the orbit design for responsive space. A special multiple-objective genetic algorithm, namely the Nondominated Sorting Genetic Algorithm Ⅱ (NSGAⅡ), is used to design responsive orbits. This algorithm has considered the conflicting metrics of orbits to achieve the optimal solution, including the orbital elements and launch programs of responsive vehicles. Low-Earth fast access orbits and low-Earth repeat coverage orbits, two subtypes of responsive orbits, can be designed using NSGAⅡ under given metric tradeoffs, number of vehicles, and launch mode. By selecting the optimal solution from the obtained Pareto fronts, a designer can process the metric tradeoffs conveniently in orbit design. Recurring to the flexibility of the algorithm, the NSGAⅡ promotes the responsive orbit design further.      

基于Logistic回归麻雀算法的图像分割

针对麻雀搜索算法后期种群多样性减少、易陷入局部最优解等问题,提出一种新的改进麻雀搜索算法。所提算法先引入小孔成像反向学习策略对发现者的位置进行更新,提升寻优位置的多样性;其次受Logistic模型的启发,提出一种新的自适应因子对安全阈值进行动态控制,平衡所提算法的全局搜索与局部开发的能力。通过与其他算法在6个基准函数上进行仿真对比,结果表明：所提算法的收敛精度与速度均优于其他算法。在工程应用上,用所提算法优化K-means聚类算法进行图像分割,峰值信噪比（PSNR）、结构相似性（SSIM）及特征相似性（FSIM）3种度量指标验证了其良好的分割性能。     

未知环境下无人机集群协同区域搜索算法

针对无人机集群在无先验信息的未知环境中协同搜索的问题,提出了一种以覆盖率为实时搜索奖励的无人机集群协同区域搜索算法。首先建立覆盖分布地图（CDM）来描述任务环境,并采用Hadamard积实现CDM的快速更新,继而基于CDM计算覆盖率来定量描述实时搜索效果。将无人机集群视为一个控制系统,基于分布式模型预测控制理论建立系统的预测模型,并将预测周期内最大覆盖率增量设为奖励函数,采用差分进化算法进行求解,得到最优解作为系统的最优输入。仿真结果表明,所提算法能够对区域进行覆盖搜索,在出现突发情况时,覆盖率远高于平行搜索方法。      

改进独立成分分析在高光谱图像分类中的应用

针对独立成分分析在使用常规数值求解时容易陷入局部最优解的问题,以及采用神经学习算法时神经元激活函数的限制问题,将遗传算法与独立成分分析相结合,并对模型进行改进,提出了适合于高光谱数据无监督分类的模型.该算法采用最大化非高斯性进行成分的统计独立性度量,利用四阶累积量-峰度作为遗传算法的适应度函数.在应用分析中,将该算法应用于推扫式高光谱成像仪(PHI,Push-broom Hyperspectral technique Imager)数据地物分类能够获得全局最优解,在没有先验信息情况下实现地物的精细分类;与传统高光谱无监督分类算法比较,表明该算法的适用性,并具有更高的分类精度和准确性.      

基于神经网络和遗传算法的公差优化设计

针对产品制造中公差与成本之间高度非线性关系的特点,提出了一种综合神经网络与遗传算法进行公差优化的方法,该方法利用遗传算法在大范围解空间内采用概率搜索策略得到全局最优解且有较强鲁棒性的特点,以及神经网络解决高度非线性问题的优越性,首先利用神经网络对公差成本进行仿真,得到具有黑箱特点的公差成本函数关系;然后在公差分配中采用遗传算法,以总成本最小为目标函数,以满足装配公差要求和符合标准公差等级为约束条件进行优化;同时基于VC和Matlab开发了公差优化系统,以飞机舱门锁钩机构为对象进行了验证,并针对不同的公差成本及分配方法进行了对比.结果表明:采用神经网络与遗传算法综合分配的结果与传统方法相比具有较大的优越性.     

基于改进遗传算法的移动机器人路径规划

路径规划是实现移动机器人自主导航的关键技术。针对常规路径规划算法求解的路径长度非最短以及在前后两次规划过程中规划路径不连贯的问题，提出一种基于改进遗传算法的帧间关联平稳路径规划方法。首先，结合随机和定向两种搜索方式生成候选路径；然后，在常规遗传操作算子中引入插入算子和删除算子，并将规划路径的连贯性考虑进适应度函数中来计算每条候选路径的适应度值；最后，输出适应度值最高的路径作为当前最优路径。仿真结果表明了所提方法的正确性和可行性。实验结果表明，所提方法与A*算法和常规遗传算法相比，移动机器人行驶路径长度分别减少了3.05%和1.85%；行驶过程中的最大偏航角变化量分别减少了38.02%和32.43%，转角绝对值之和分别减少了23.97%和19.94%，所提方法能规划出更优的路径，并显著提高移动机器人的行驶效率和平稳性。      

基于多子块协同单尺度Retinex的浓雾图像增强

针对现有算法增强雾气分布不均匀的浓雾图像效果不理想的问题,提出了一种基于多子块协同单尺度Retinex的浓雾图像增强算法。该算法不同于传统的利用全局统计量获取动态截断值的Retinex算法,首先将图像划分为多个子块,计算出适合不同浓度雾气的动态截断值;然后,利用动态截断值对高频细节信息进行动态范围调整,得到多幅局部最优的图像;最后,融合多幅局部最优图像生成高质量的结果,从而实现浓雾图像每个区域细节的增强。实验结果表明,所提算法能够有效去除不均匀浓雾,并保证去雾后图像的亮度保持在适合人眼观察的范围。      

高超声速飞行器滑行航迹优化

针对高超声速飞行器滑行的密度模型、动力学模型、空气动力模型和作为输入的攻角,将弹道问题转化为最优控制问题,采用极大值原理求得航程最大的一阶必要条件,采用多次变区间的遗传算法、非线性单纯形法和邻近极值法的组合优化策略来求解此两点边值问题,首先用多次变区间的遗传算法和单纯形方法求得全局航程最大,然后用邻近极值法得到合适的初值满足所有终端约束,通过对一高超声速飞行器的算例进行了优化计算,得到了最优弹道和优化算法的收敛曲线,并与升阻比最大飞行方案进行比较可知,最优控制方案求得的航程大于升阻比最大飞行方案的航程.      

基于改进遗传算法的航空集装箱装载问题研究

针对标准遗传算法求解装载方案时存在收敛速度慢、易早熟、寻优结果欠佳的问题，基于拟人装载策略，提出了一种以集装箱空间利用率最大为目标，考虑货物装载顺序、体积、质量、重心、不重叠等多种实际约束的改进遗传算法。首先，采用与货物放置状态相结合的实数编码，随机产生初始种群；然后，在常规选择操作中加入最优解保存策略，并将稳定性、支撑限制、重心约束考虑到进行线性尺度变换后的适应度函数中，以此来计算每种装载方案的评估值；最后，输出评估值最高的方案作为最优装载方案。实验采用异构性不同的测试算例进行性能测试，结合3组具体货物装载数据证明算法的普适性与实用性。结果表明:所提算法在求解强异构货物装载过程中具有较好的优化效果，适用于求解集装箱装载问题。与标准遗传算法相比，收敛性与搜索速度有所提高，2种不同箱型的集装箱空间利用率分别提高了3.82%和3.66%，运行时间分别缩短了7.9 s和5.58 s，能快速找到最优装载方案，可有效解决规则、不规则集装箱的货物装箱问题。基于MATLAB软件实现装载方案的可视化，为集装箱的实时装载决策提供了理论基础。      

一种求解函数全局优化问题的正交方向法

提出了一种求解函数全局优化问题的正交方向法.该方法通过前三轮大范围的正交设计寻找全局最优解的大体位置,然后通过若干轮小范围的正交设计进行最优解的精确逼近.每一轮正交设计中,探索设计空间的试验点依据正交表围绕一个中心点产生,设计变量的取值范围逐渐减小.而在每一轮正交设计后,采用一维搜索提高搜索精度.一维搜索的方向由每轮正交设计的中心点和最好(或最坏)点决定. 该算法计算量较小且易于编程.采用两个数学优化问题和一个火箭动力、水平发射的单级入轨飞行器的弹道优化问题对算法进行了测试.这些算例表明,当目标函数的极值数少于正交表提供的试验方案数时,正交方向法常常能以较小的计算量获得全局最优解.     

压电智能结构和反馈控制的集成优化设计

针对挠性结构振动控制中智能材料的特性,综合考虑压电敏感器/致动器的位置、尺寸、质量及其对挠性结构刚度特性的影响和控制律,建立系统状态空间模型,提出一种新的优化配置的性能指标和集成优化设计方法。运用李雅普诺夫稳定性定理证明了闭环系统的全局渐近稳定性,性能指标的最小值可取为相应矩阵的迹而不依赖于系统的初始状态。采用遗传算法寻优,数值仿真结果表明,该设计方法能够快速的抑制系统的振动。     

一类解决变应力加速寿命试验参数估计的方法

变应力加速寿命试验的极大似然函数是高维非线性复杂目标函数,其待估参数多,采用梯度下降优化方法进行参数估计容易陷入局部极值,而采用全局优化方法又存在寻优效率低的问题.为了解决复杂多维目标函数优化的瓶颈问题,设计了一种基于实数编码遗传算法和Powell法的遗传加速方法.利用适应度函数获得两种优化方法的最佳切换点,最大程度发挥遗传算法和Powell算法的优点,既提高了多维非线性目标函数寻优效率又保证了参数估计的全局最优.液压泵加速寿命试验实例分析结果表明,遗传加速方法可以在寻优前期利用遗传算法保证待估参数的全局最优估计,在寻优后期快速逼近最优值,使寻优成功率达到85%.     

超临界层流翼型优化设计策略

针对超临界层流翼型设计问题,提出一种两轮优化策略。采用γ-Reθt转捩模型耦合剪切应力输运(SST)模式的湍流模型对翼型边界层转捩进行预测。翼型几何参数化建模采用形状分类函数转换(CST)方法,设计变量为描述翼型几何特征的参数。第1轮优化的目的是尽量提高层流区域的比例,气动分析模型为基于Kriging模型的代理模型,优化算法为遗传算法,通过优化获得满足约束要求的层流翼型。第2轮优化目的是对第1轮优化获得的翼型进行微调,进一步提高翼型的升阻比,气动分析直接采用CFD程序,优化算法采用基于梯度的优化算法。算例表明,应用本文提出的两轮优化策略,可将超临界翼型NASA SC(2)0412优化设计成超临界层流翼型,翼型的上下表面层流区比例分别达到了55.5%和47.0%,升阻比提高了38.1%。     

一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.