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.     

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.      

基于目标导向的连续型机器人路径规划

采用连续型机器人对空间约束严格的飞机油箱进行检查,研究了其在类似凸体空间内的路径规划问题,提出一种基于目标导向的规划算法.针对空间盲目搜索算法时间复杂度高问题,研究降维和区域划分策略.引入目标导向角,建立目标点与变量搜索范围的关系,优化搜索过程并设计评价函数对搜索结果寻优.进行仿真实验,结果验证了算法的可行性和有效性.     

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题，提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先，在已知飞行环境下，建立3D飞行空间模型和航迹代价模型。通过引入罚函数，将有约束3D航迹规划问题转化为无约束多维函数优化问题，利用CML-WOA求解模型来获得最优航迹。其次，为克服WOA易陷入局部最优的缺陷，引入立方映射混沌算子改善初始种群，增强种群多样性，并通过自适应框架融入正余弦算法（SCA），利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后，使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法，寻优性能明显提升，具有较强局部最优规避能力和更高的收敛精度与收敛速度；能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

基于离散粒子群算法的多飞行器在轨服务任务分配

为解决多约束条件下飞行器在轨服务任务分配问题,以在轨卫星群为研究对象,提出了一种基于离散粒子群算法的多服务飞行器的目标分配方法,综合分析目标飞行器价值、服务飞行器消耗以及能量时间消耗等3项关键指标因素,建立了在轨服务任务分配问题的数学模型。通过构建粒子与实际问题间的对应关系,设计了新的离散粒子群位置和速度更新公式求解任务分配问题。仿真结果表明:离散粒子群算法具有收敛速度快,寻优能力强等优点,能够有效地解决多约束条件下的服务飞行器协同任务分配问题。     

基于遗传算法的散乱点云最小包围盒求解

提出一种将遗传算法和O’Rourke算法相融合的最小包围盒求解算法,以O’Rourke算法中的体积函数作为遗传算法的目标函数,采用遗传算子指导解的搜索方向,通过新种群的迭代生成过程缩小搜索区域与体积误差,种群迭代结束后对最优个体解码获得最小包围盒.实验结果表明,该算法可在满足最小包围盒体积精度的同时显著提高算法的运行效率,能够有效处理各种复杂散乱点云数据的最小包围盒快速求解问题.     

基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高，收敛效率差等问题，提出一种基于混沌精英适应遗传算法（CEA-GA）的多无人机三维协同曲线航迹规划方法。利用层级规划思想，建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型，将复杂约束规划问题分解为子函数优化求解问题，减小计算量；考虑到遗传算法（GA）求解高维复杂约束优化问题存在的性能局限，采用Tent混沌映射均匀初始化种群，以扩大个体搜索空间，丰富种群多样性，在此基础上，通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力，帮助个体跳出局部最优，并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解，仿真实验结果表明：CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率，且能够为集群规划满足约束条件的协同曲线航迹，从而验证了所提方法的有效性和CEA-GA的优越性。     

双赌轮选择遗传算法

提出了可以直接处理不等式约束条件的双赌轮选择遗传算法.为群体中的可行解和不可行解分别定义不同的适应度函数.可行解的适应度函数反映目标函数值的大小;不可行解的适应度函数反映约束条件的满足程度.建立2个赌轮分别选择可行解和不可行解.给出2个赌轮各自转动次数的公式,使可行解有更多的被选中机会.这样随着进化的进行,种群会自动向可行域内移动.这样就简单、直接地处理了不等式约束,并且允许初始种群全部为不可行解.另外,给出了一个改进的实数编码的两点交叉算子.比起典型的两点内插值型算术交叉算子,这个交叉算子具有更强的探测能力.算例测试表明双赌轮选择遗传算法的全局寻优能力较强,对不等式约束的处理简单有效.     

非线性多目标概率约束规划免疫优化算法

针对噪声信息未知的一般非线性多目标概率约束规划（MOPCP）问题，探讨基于危险理论的多目标免疫优化算法（MOIOA）。算法设计中，借助自适应采样方法估计机会约束的概率和目标值；借助危险理论蕴含的应答模式分割进化种群为已感染、易感染和未感染子群；借助二进制交叉、自适应变异概率、多项式变异策略平衡种群的全局与局部搜索能力。与7种算法相比较获得的数值结果表明，所提算法的搜索效率有明显优势且搜索效果有一定的优越性，同时对复杂工程问题有应用潜力。      

基于CGAPIO的航天器编队重构路径规划方法

针对航天器编队重构的路径规划问题，考虑燃料消耗和碰撞概率等约束条件，以及基本鸽群算法存在的问题，提出一种基于混沌初始化和高斯扰动的自适应鸽群(CGAPIO)算法。为了得到多样性和覆盖性更好的鸽群初始值，采用Tent Map混沌模型进行鸽群初始化操作；在地图和指南针算子阶段，为提高全局搜索能力，引入了自适应的权重因子和学习因子更新个体的位置和速度；在地标算子阶段，为避免算法陷入局部最优，将高斯扰动加入到鸽群中心位置。仿真实验结果表明:CGAPIO算法与基本鸽群算法和粒子群算法相比，提高了全局搜索能力，避免了局部最优，规划得到的路径更加平滑，各航天器碰撞概率较低，编队重构消耗的总燃料至少减少了12%。      

基于粒子群算法的航天器姿态机动路径规划

研究航天器在星载设备受多种几何约束情况下,大角度姿态机动时的姿态路径规划问题.采用罗德里格斯参数描述姿态,将姿态机动路径规划问题转化为点机器人的三维路径规划问题.基于粒子群优化技术设计了航天器复杂约束下大角度姿态机动的路径规划算法.数值仿真结果表明,该方法对于复杂约束下航天器姿态机动的运动规划是有效的.     

基于改进人工鱼群算法的无人直升机编队航迹规划

针对无人直升机（UH）编队的航迹规划问题，提出了一种基于改进人工鱼群算法（AFSA）的航迹规划算法。从邻域学习和算法特性2个角度出发，针对人工鱼群算法中的人工鱼视野模型提出了一种人工鱼自适应视野模型，并对其鱼群的进化策略在无性繁殖方式的基础上进行了改进；从规划原理、代价函数、约束条件3个方面建立了无人直升机编队航迹规划模型；针对航迹规划中普遍存在的搜索效率低、精度差等特有问题改进了所提算法的编码方式和聚类策略。利用三机编队航迹规划的算例对所提算法进行了验证，仿真结果证明，通过对人工鱼群算法的改进、航迹规划模型的建立等措施实现了良好的无人直升机编队航迹规划，同时在搜索效率、收敛速度及求解精度上都有了显著提高。      

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

具有持续侦察时间约束的协同航路规划

为获得目标有效信息,无人机（UAVs）执行侦察任务时针对不同目标所需的持续侦察时间存在一定的差异。本文假设无人机在目标持续侦察过程中保持定直平飞以确保有效侦察,针对至多3个侦察任务重叠的情况,通过几何分析,提出了存在侦察任务重叠情况下的多侦察任务同时侦察方法。在考虑侦察任务重叠和多机协同侦察的同时,以最小化侦察路径长度为性能指标,相邻侦察点间采用Dubins曲线进行航路规划,利用引入精英机制的混合粒子群优化算法实现侦察任务序列优化,实现具有持续侦察时间约束的协同航路规划。仿真结果表明提出算法的有效性。      

考虑柔性检修计划的圆钢热轧批量调度

针对考虑柔性检修计划的圆钢热轧批量调度问题,构建了以最小化最大完工时间、订单提前及拖期总时长为目标函数的整数规划模型,用以制定有效的机器检修与批量生产协作计划。结合模型特征,提出一种改进多目标粒子群算法(IMPSO)实现求解。算法采用基于混沌加权适应度计算的插入式方法生成初始粒子群体;根据问题约束特征,设计修复规则对群体进化过程中产生的不可行粒子进行修复;采用精英策略保留算法迭代过程中的优势个体,并根据精英集合为每个粒子选择更新所需的极值;针对问题变量的离散特征,引入基于遗传操作的粒子更新方式。实验结果表明,模型和算法是可行和有效的。      

基于指数平均动量鸽群优化的多无人机协同目标防御

针对多无人机(UAV)协同目标防御问题,提出了一种基于指数平均动量鸽群优化(EM-PIO)算法。针对三维空间中的多无人机协同目标防御系统进行建模,得到了无人机支配区域的曲面约束方程,并获得了双方无人机的最优控制输入量。采用多级罚函数法构造了优化算法的目标函数,并通过所提出的EM-PIO算法来求解最优目标点。将所提EM-PIO算法与遗传算法(GA)和粒子群优化(PSO)算法进行仿真对比实验,验证了所提EM-PIO算法更加有效解决多无人机协同目标防御问题。      

Earth–Moon low energy trajectory optimization in the real system

The problem of the Earth–Moon low energy trajectory optimization in the real system (the model defined by the JPL ephemeris DE405) is considered in this paper. First, this problem is investigated in the model of circular restricted three-body problem, since the fuel consumption is closely related to the Jacobi integral of the transfer trajectory, a method based on Jacobi integral is proposed and eight optimal trajectories are obtained. These optimal trajectories provide initial information (the flight time and the braking velocity impulse) to search the optimal low energy trajectories in the real system through optimization techniques. Considering the merit and drawback of particle swarm optimization and differential evolution algorithm in solving the space trajectory problem, an improved cooperative evolutionary algorithm is put forward. Result shows that the low energy trajectories in the real system are more fuel-efficient than the corresponding ones under the circular restricted three-body problem.