有时间窗的多式联运问题分析与建模

限时性的快速货物运输已成为货运发展的趋势之一,多式联运则是此类限时快速运输较佳的运输组织形式.对有时间窗多式联运的内涵具体描述的基础上, 提出了有时间窗多式联运问题的双层优化模型,上层为货物时间窗求解模型,下层为路径优化模型.设计了求解路径优化模型的蚁环算法,并进行了实证分析,结果表明,用该算法求解有时间窗的多式联运问题可以方便有效地求得满意解.     

航站楼旅客行李提取转盘指派问题

旅客行李提取是影响机场航站楼有效运行的关键环节,对旅客满意度有着重要影响.研究了航站楼旅客行李提取转盘的指派问题,首先分析了行李转盘的指派方式,然后以均衡使用行李转盘为优化目标,建立了机场行李转盘优化指派模型,设计了求解该模型的蚁群算法,并用Matlab编程实现了该算法.最后通过实例分析验证了提出的模型和蚁群算法的正确性,其指派结果与先到先服务的指派结果相比,各行李转盘的使用率更加均衡,从而提高了服务质量和旅客满意度.     

基于改进蚁群算法的飞机低空突防航路规划

蚁群算法是一种新型的基于群体的仿生算法。采用蚁群算法实现了飞机低空突防的航路规划,为航路规划问题提供了新的解决思路。并对原始蚁群算法进行了改进,提出了保留最优解、自适应选择策略和自适应信息素调整准则,有效地提高了算法的收敛速度和解的性能。最后用计算机进行了仿真,取得了较好的结果。     

基于时空结构的卫星智能诊断模型研究

针对卫星这类复杂系统的故障诊断,提出了基于时空结构的智能故障诊断系统模型(iFDS),从系统结构,结构模型,推理机制、流程模型等方面进行论述,通过对各种故障诊断方法进行融合,实现了卫星系统网络化、个性化、远程并行诊断的智能故障诊断.在故障推理机制研究中,将故障分为系统故障、多发故障和单元故障3类,分别对每一类故障提出相应的智能故障推理方法.     

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.      

复合材料格栅结构优化设计中的计算智能技术

针对复合材料格栅结构优化设计多变量、多约束、连续和离散混合变量、高度非线性的难点,提出了用进化神经网络来实现结构设计参数(输入)与结构响应参数(输出)的全局非线性映射关系,以此来代替优化过程中的有限元计算,以提高优化效率.以遗传算法为优化求解器,神经网络屈曲稳定性响应面为主要约束,对复合材料格栅加筋结构进行优化.结果表明,在相同样本数的情况下,进化神经网络可获得比BP网络更高精度的映射模型,具有很强的泛化能力.该方法可以为解决大型复合材料结构优化问题提供一条高效途径.      

基于PEV准则的不确定随机多目标规划问题求解

为解决独立变量的不确定随机多目标规划问题在传统求解中存在分析不全面等问题,在期望值-方差准则下提出了一种新的求解方法。基于机会理论,引入不确定随机变量,在此基础上提出了不确定随机多目标规划问题;引入不确定随机变量的序关系,利用变量间的序关系把不确定随机多目标规划问题转化成不确定随机单目标规划问题,并通过期望值-方差准则把不确定随机单目标规划问题转化成确定的单目标规划问题进行求解;通过理论推导证明,在新准则下转化后的问题得到的最优解是原不确定随机多目标规划问题的有效解;最后,通过对无人机情报侦察监视任务分配问题的求解,利用改进的萤火虫算法求得有效飞行序列,验证了所提方法的可行性和有效性。     

COOPERATIVE DESIGN UNDER CONCURRENT ENGINEERING ENVIRONMENT

主要论述了并行工程环境所支持下的群体通过协同合作进行的工程设计活动。文中首先阐述了工程设计、特别是概念设计的相关问题，接着深入剖析了当今智能ＣＡＤ的优缺点，从而提出了一种基于并行工程、面向群体合作的问题设计策略——协同设计。最后以概念设计自动化为例，建立了以协同设计的概念模型，探讨了模型的基本原理、系统组织以及关键实现技术。     

自主空战连续决策方法

未来空战正朝着无人化、自主化方向发展,自主空战决策方法是未来空战的重要支撑手段之一。传统空战决策方法由于维度限制,存在无法处理连续动作与远视决策的问题。基于Actor-Critic 方法提出空战连续决策的统一架构,依据空战训练经验对状态空间、动作空间、奖励及训练科目进行合理设计,测试多种连续动作空间强化学习算法在高不确定性空战场景下的学习效果并进行可视化验证。结果表明：基于本文提出的方法架构,可以实现连续动作下的远视价值寻优,智能体可以在复杂空战态势下做出最优决策,对随机机动飞行目标有较高的击杀率,且空战机动轨迹具有较高的合理性。     

空间拦截智能自适应变结构导引规律研究

结合空间拦截的精确末制导问题，本文介绍了一种对目标机动和参数摄动具有鲁棒性的自适应结构制导律（ＡＶＳＧ）。在此基础上，我们研究了一种智能自适应变结构制方法（ＩＡＶＳＧ）。此方法精略地估计出目标法向加速度的强度，并以此为依据自主地调整ＡＶＳＧ中变结构项的强度，这样，既可以消除视线角速度的抖动，又可以保证制导精度，仿真结果证明了ＩＡＶＳＧ的有效性。