基于Hopfield网络的飞机设计

Hopfield神经网络与增广拉格朗日乘子法相结合来求解非线性约束优化.神经网络作为求解乘子法的子问题的动力学方法,仅需计算一阶导数.引入逐渐衰减的高斯噪声信号构造随机神经网络.同时针对随机网络受初始温度制约,跳出局部极小值能力有限的问题,网络运行采用结合模拟退火的欧拉法.用该方法对某喷气教练机进行总体优化设计,结果表明,算法的数值稳定性较好,求解精度高.并基于拉氏乘子提供的约束敏度信息,做了设计要求权衡.最后研究了某型干线旅客机的机翼气动/结构综合设计问题.      

模拟退火算法与注射机合模机构运动行程最大化

将模拟退火法应用于注射机合模机运动行程的最大化设计研究，以运动 行程为目标函数，肘杆断面尺寸、肘杆起始与最终位置为设计变量，约束条件为强度、稳定性，锁模力，应用模拟退火算法进行运动行程的最大化设计是可行且高效的，可在工程结构优化设计领域中推广应用。     

两种类型车辆随机需求路由问题

主要研究两种类型车辆随机需求路由问题。因为两种类型车辆随机需求路由问题的处理不同于单类型车辆随机需求路由问题，引进了单位容积和路程的花费的新概念，在服务仅能失败一次的情况下，结合车辆的容积和最大服务结点数，根据平均花费和最大服务结点数之间的关系，得到了两个派车策略，节约了计算量，使得两阶级的模拟退火算法能更有效地解决问题。对需求为二项分布下的VRP（Vehicle routing prolem）问题作了数值实验，给出了派车方案和总的平均花费，得到了较好的结果。     

对空间多目标多次接近的轨道设计

基于单航天器对空间多目标单次接近轨道设计的研究结果, 讨论了单航天器对空间 多目标多次接近的轨道设计问题. 提出了接近指标用于设计能多次接近多个空间目标的航天器轨道;以二体接近轨道为基础, 给出了接近轨道解空间的求取方法; 利用三种轨道调整方法构造了三种复杂度不同的新解并产生算子, 分析了它们的解空间和最优解分布, 采用改进的模拟退火算法求解出最优接近轨道. 仿真实验验证了轨道设计算法的正确性.      

基于神经网络的电磁干扰的预测

提出了一种应用神经网络预测电磁干扰的方法.针对遗传算法总体搜索能力较强但容易陷入局部最优,而模拟退火算法具有较强的局部搜索能力,又能避免搜索陷入局部最优解的特点,将模拟退火算法与遗传算法相结合,优化多层前馈(BP,Back Propagation)神经网络,获取最优的权值和阈值,并采用模拟退火的思想确定隐含层神经元的个数,进而建立基于神经网络的电磁干扰预测模型.以双平行导线间的电磁干扰问题为实例,明确干扰要素,建立训练样本和测试样本,对比期望输出和预测输出之间的误差,结果表明该方法可以准确有效地进行电磁干扰预测.     

保持弱细结构特征的SAR图象模拟退火重构方法

模拟退火 ( SA)算法最先由 White R G.用于合成孔径雷达 ( SAR)图象的降斑处理。该算法在重构均匀区域和强结构区效果有很大提高 ,但也有缺点 ,尤其是过分模糊弱细结构。本文提出了一种改进的方法 ,在 SA算法中融入了边沿检测和增强步骤 ,使弱细结构得以增强并在退火过程中保持。为配合此方法 ,采用平稳下降的指数温度规划取代对数形式。通过仔细调整算法过程 ,可使新方法保留 SAR图象中的很多细小结构 ,而不使其他均匀的和强结构场景性能恶化 ,同时也没有引入其他缺陷。改进的算法更加适于中、低分辨率的 SAR图象降斑处理     

模拟退火算法中的退火策略研究

退火策略是模拟退火算法中的重要一环,本文将研究退火策略对模拟退火算法的影响问题,给出了MATLAB语言程序,典型复杂函数优化的仿真表明退火速率应适中。     

高超声速再入飞行器气动布局多目标优化

气动布局的多目标优化是飞行器设计中的关键技术。提出一种新的高超声速再入飞行器气动外形参数的多目标优化方法,证明外形优化对高超声速流下飞行器性能的影响。通过实例仿真对飞行器所受阻力和升力对制导性能影响进行详细验证分析,将飞行器落点圆概率偏差、末速大于500 m/s的占比、最大飞行过载小于60g的占比这3个性能指标作为优化目标,将升力特性作为中间参数,将气动布局优化问题分解为2个子问题,通过基于搜索算法的升力特性优化和基于改进的模拟退火算法的外形参数优化,减少优化计算时间、提升计算效率、实现对飞行器主体和襟翼的气动布局优化、获得高超声速流下的最佳飞行器外形。仿真结果表明：在确定的约束条件下,优化算法增加了飞行器在超音速流下的气动升力,有效提高了升阻比。在不影响最大飞行过载的前提下,优化后的飞行器表现出更高的气动性能,显著提升了命中精度,同时末速也满足指标要求,制导系统性能得到有效改善。     

Efficient schedulability analysis for mixed-criticality systems under deadline-based scheduling

Safety-critical avionics systems which become more complex and tend to integrate multiple functionalities with different levels of criticality for better cost and power efficiency are subject to certifications at various levels of rigorousness. In order to simultaneously guarantee temporal constraints at all different levels of assurance mandated by different criticalities, novel scheduling techniques are in need. In this paper, a mixed-criticality sporadic task model with multiple virtual deadlines is built and a certification-cognizant dynamic scheduling approach referred as earliest virtual-deadline first with mixed-criticality（EVDF-MC） is considered, which exploits different relative deadlines of tasks in different criticality modes. As for the corresponding schedulability analysis problem, a sufficient and efficient schedulability test is proposed on the basis of demand-bound functions derived in the mixed-criticality scenario. In addition, a modified simulated annealing（MSA）-based heuristic approach is established for virtual deadlines assignment. Experiments performing simulations with randomly generated tasks indicate that the proposed approach is computationally efficient and competes well against the existing approaches.     

基于蜕变 Voronoi 多边形的扇区优化方法

根据空域中航路点的自然分布 ,利用算法几何的思想建立Voronoi图 ,并依照空域划分的原则将由Voronoi图获得的单元蜕变 ,统计由各蜕变Voronoi多边形构成的有限元内包含的管制员工作负荷。然后以工作负荷均衡为优化原则 ,使用模拟退火算法对空域中的有限元进行优化组合 ,新解要求满足空域划分的 2个原则的约束。这样 ,有限元组合集合的边界就是优化的扇区边界。通过实际空域设计算例的计算结果 ,验证本文提出的扇区优化方法的合理性。