集合划分问题的蚁群算法

集合划分问题是一个典型的NP完全问题,建立了集合划分问题的优化数学模型,采用蚁群算法解决了此问题.对蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则.与贪心法作了比较,结果表明该方法比较有效.     

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。     

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.     

基于任务聚类的多星观测调度方法

星上传感器侧摆次数有限,在卫星观测调度时进行任务聚类可以节省资源,提高观测效率.提出了动态聚类调度算法(DCSA)来解决多星多轨道圈次的观测调度问题,DCSA把聚类和调度动态结合起来,并使用模拟退火算法搜索全局最优解;分析了在满足分辨率需求前提下多任务聚类的约束条件,并对聚类任务的侧摆角度和时间窗口进行合理优化;根据任...     

基于混合遗传算法的多箱型集装箱装载问题分析

航空多箱型集装箱装载是实现快速、高效、安全航空货物运输的重要环节。针对现实约束条件下多种货物和箱型的集装箱多箱装载优化问题,搭建数学优化模型,提出一种求解货物装载布局方案的混合遗传算法,以达到充分利用集装箱装载空间的目的。采用三段式编码确定货物装载顺序、货物放置状态及集装箱编号,随机产生初始种群;在常规选择操作中加入最佳个体保护策略,并将重心、不重叠、承重约束考虑到适应度函数中,以此来评价解的优劣;加入模拟退火算子,用其突跳性避免遗传陷入局部最优的情况,进一步提高优化效果。通过算例对比表明,所提算法在满足多种约束条件下仍能保持较高的体积利用率,能够很好地解决强弱异构货物的装载;采用具体货物数据进一步验证算法的可行性与适用性,4种航空集装箱的平均体积利用率高于82%,表明所提算法能够有效解决规则和不规则多箱型集装箱的货物装载问题,具有较好的工程应用价值。      

基于RBF神经网络的储油罐底板缺陷量化方法

提出一种基于RBF神经网络来提高漏磁检测对储油罐底板裂纹缺陷的量化能力的方法。首先利用有限元仿真计算了不同长度、宽度、深度和倾斜角度的槽型缺陷漏磁信号,分析漏磁信号分布规律并提取磁异常幅值和占宽作为磁信号特征量,探讨了磁信号特征量与缺陷尺寸之间的关系并组建样本集。其次,建立RBF神经网络与模拟退火算法相结合的量化模型,并使用样本集对RBF神经网络进行训练,预测缺陷大小及倾角。结果表明,磁异常特征量随缺陷尺寸及角度呈现不同变化规律,通过RBF神经网络建立复杂关系网,结合模拟退火算法可精确量化缺陷,样本集内缺陷平均量化正确率约为98.71%,样本集外缺陷平均量化正确率约为86.67%。因此,基于RBF神经网络并且结合模拟退火的方法可应用于漏磁检测对储油罐底板的缺陷量化,为储油罐的安全评估提供理论依据。     

固体运载火箭抗强电磁脉冲优化设计方法

本文分析了火箭在飞行过程中的强电磁脉冲(EMP)环境，建立了箭上敏感设备受强电磁脉冲干扰的优化设计模型，包括传导干扰及辐射干扰两种设计模型。针对起飞质量对火箭总体参数设计的制约问题，以最小质量增量为目标函数，采用模拟退火(SA)算法，对箭上典型电气系统抗强电磁脉冲防护进行优化设计研究，为箭上敏感设备抗强电磁脉冲指标与质量增量提供了平衡选取方法。优化结果表明,火箭在飞行过程中典型电气系统的抗强电磁脉冲性能指标达到要求的同时，实现了火箭质量增量最小的目标。     

不同气流偏角下的壁板热颤振分析及多目标优化设计

 研究了考虑热效应的不同气流偏角下的壁板颤振问题及其多目标优化设计。采用考虑气流偏角影响的一阶活塞气动力、Von-Karmon大变形理论和准定常热应力理论建立了复合材料壁板热颤振方程。利用模拟退火算法,对不同温度场下的偏航壁板颤振速度进行计算。以偏航壁板热颤振速度和壁板重量为多目标函数,在不发生热屈曲的条件下进行优化设计。结果显示：温升使偏航壁板颤振发生“跳跃”现象,对应的气流偏角发生变化;当壁板热颤振模态不变时,偏航壁板颤振速度随温升呈下降趋势,两者呈线性关系;而当热颤振模态发生变化,即偏航壁板颤振发生“跳跃”现象时,偏航壁板颤振速度随温升先升高而后降低,两者呈非线性关系;Pareto解对应的多目标函数之间呈线性关系。