基于CHC算法的无人机航迹规划方法

利用改进的遗传算法——跨世代异物种重组大变异(CHC, Cross generation Heterogeneous recombination Cataclysmic mutation)算法提出了一种无人机的航迹规划方法.初始种群即初始航线集利用具有启发式信息的搜索算法产生;适应度函数为距离指标与威胁指标的组合形式;选择操作群体为当前群体与上世代群体的群体总和,由于大个体群操作,可以更好地保持遗传多样性;交叉操作采用单点交叉方法,交叉点取为2条航线中距离最近的2个点;变异操作的步骤是:首先在航线中搜索出2个点,然后算出这2个点之间的直线距离与实际航线距离的比值,如果这个比值小于某一阈值则以这2个点为端点重新规划一条航线.由于考虑到了无人机约束条件的限制,从而避免了盲目性且加快了收敛速度.仿真结果表明该方法比基本遗传算法要快而且满足最优条件.      

基于蚁群算法的多任务导航星座载荷配置

给出了多任务导航星座载荷配置的一套新算法.首先建立了多任务导航星座载荷配置的优化模型;基于任务要求定义并提出了n＋1重覆盖率来评价星座对地面的覆盖性能;蚁群算法(ACA)是一种新型的模拟蚂蚁觅食行为的仿生启发式算法,将蚁群算法运用到载荷配置的优化当中,修正了启发函数及Ant-Cycle模型使它们能够与星座载荷配置的优化相结合;给出了基于该算法的多任务载荷配置优化框图.仿真结果表明蚁群算法快速有效,优化结果满足任务要求.      

高超声速飞行器尾喷管的优化设计

以喷管上壁折转角、下壁长度、舵面长度及其折转角为设计变量,结合遗传算法和特征线法对高超声速飞行器尾喷管进行了优化设计,并对设计变量进行了参数研究.结果表明,所采用的优化设计方法计算效率高且比较准确,特别适合于高超声速飞行器尾喷管的优化设计;所采用的4个设计参数均能有效地影响尾喷管的气动性能,其中喷管上壁折转角和舵面折转角分别对喷管的升力和推力的影响相对明显,对其进行均衡选择方能得到最优的结果.      

基于GAS的图像跟踪系统及其实现方案

利用遗传优化算法实现了一个目标跟踪系统,将传统的目标搜索、目标分割、目标定位及跟踪状态评估等过程都由遗传算法来实现,使系统结构简单,易于实现。并分析了利用 TMS32 0 C6x实时实现遗传优化跟踪过程的可能性,最后给出了该系统的实现方案     

基于遗传算法的多机器人系统集中协调式路径规划

根据多机器人系统无碰撞运动的需要,对其工作空间进行了分解,确定了机器人运行路线上的各个可能路径点,从而得到了规划空间的多路径点链接图描述。基于这种对规划空间的链接图建模描述,开发了一种混合遗传算法用于寻找多个机器人的无碰撞协调运动路线。仿真结果表明,这种方法可有效地解决复杂规划空间下的多机器人路径规划问题。     

遗传算法与模糊逻辑的双向集成

简要介绍了模糊逻辑和遗传算法相互结合的途径与方法 ,并提出了一些其中有可能出现的问题。文章认为二者在很多方面具有互补性 ,可以进行广泛而深度地结合 :一方面可以用模糊控制规则来提高遗传算法的性能 ,克服未成熟收敛等现象 :另一方面 ,应用遗传算法可以有助于模糊逻辑的数据库、规则库和知识库的设计与构造。     

满足战场需求的实时飞行路径规划

基于启发式A*搜索技术,给出了两种战机飞行路径实时规划算法,通过采用折距替代直线距离,达到减少扩展点和提高搜索速度的目的;通过添加虚拟威胁源,解决了飞机最小转弯半径和飞行目标进入角度限制问题,通过飞行速度和飞行到达时间对应的最大飞行距离来对规划过程中扩展节点的剪枝,可以满足飞行速度、飞行时间等战场需求,提出的算法还保证穿越威胁源飞行飞机的生存性达到最大.仿真结果证实了该算法的有效性以及实时性.      

一种基于混沌神经网络的拟人智能控制方法

提出一种基于混沌神经网络(CNN)的拟人智能控制方法.首先利用拟人智能控制理论得到定性控制律(线性或非线性),然后利用CNN实现控制律的定量化.Hopfield神经网络具有快速的优化能力,但容易陷入局部极小,将遍历性的渐变混沌噪声引入其中,形成具有快速全局优化能力的CNN.对二级倒立摆控制的仿真和实验结果均表明该方法有效.      

多目标优化方法库的开发与应用

多目标优化方法库是一个专门针对多目标问题的优化软件。本文介绍了用面向对象方法对方法库进行开发的过程,着重说明了该软件以优化模型为中心的主体框架和以优化算法为核心的模块化结构,以及库中采用的各种多目标优化算法特别是非劣分层遗传算法。最后通过算例说明了方法库的使用方法,证明了其良好的操作性和库中算法优良的性能。     

Hybrid partition- and network-level scheduling design for distributed integrated modular avionics systems

Distributed Integrated Modular Avionics (DIMA) develops from Integrated Modular Avionics (IMA) and realizes distributed integration of multiple sub-function areas. Time-triggered network provides effective support for time synchronization and information coordination in DIMA systems. However, inconsistency between processing resources and communication network destroys the time determinism benefiting from partitions and time-triggered mechanism. To ensure such time determinism and achieve guaranteed real-time performance, system design should collectively provide a global communication scheme for messages in network domain and a corresponding execution scheme for partitions in processing domain. This paper firstly establishes a general DIMA model which coordinates partitioned processing and time-triggered communication, and then proposes a hybrid scheduling algorithm using Mixed Integer Programming to produce feasible system schemes. Furthermore, incrementally integrating new functions causes upgrades or reconfigurations of DIMA systems and will generate integration cost. To control such cost, this paper further develops an optimization algorithm based on Maximum Satisfiability Problem and guarantees that the scheduling design for upgraded DIMA systems inherit their original schemes as much as possible. Finally, two typical cases, including a simple fully connected DIMA system case and an industrial DIMA system case, are constructed to illustrate our DIMA model and validate the effectiveness of our hybrid scheduling algorithms.