基于蚁群算法和Powell法的Lambert转移

研究了两次脉冲时刻均不固定的Lambert轨道转移的优化问题,目标是找到施加两次脉冲的最优时刻,使燃料和转移时间的加权和最小.鉴于传统的优化算法难以获得该优化问题的全局最优解,提出了一种蚁群算法和Powell法相结合的优化算法,给出了算法的设计步骤.该算法结合了蚁群算法的全局搜索能力和Powell法的局部寻优能力,在保证全局搜索能力的同时,提高了算法的局部寻优能力和精度,减少了寻优时间.通过两个算例验证了这种结合的有效性和准确性.     

一种基于莱维飞行的新型改进平衡全局优化算法

本文将莱维飞行（Lévy flight）和平衡优化算法（EO）相结合,提出了一种新型的全局优化算法（LEO）。该算法从平衡优化算法核心出发,采用莱维飞行轨迹实现了在探索和开发之间更好的平衡,并且可以有效防止算法陷入局部最优解。同时给出了新型全局优化算法的数学模型和算法流程,进一步保证了算法中全局搜索和局部开发之间平衡性。将该算法应用于基准测试函数求解以测试算法性能,通过与主流智能算法对比,优化结果表明新算法在解决优化问题方面表现更为优越,为更多工程问题的解决提供了新的思路。     

附加深空机动的借力飞行全局优化

借力飞行轨道设计是一个多变量强约束的非线性优化问题, 初始方案通常采用不需要初值猜测的全局优化算法进行优化, 但是借力点处的C3匹配原则等较强的约束条件极大影响了全局算法的收敛性能. 针对这一问题, 研究了附加深空机动的借力飞行模型, 在借力点处引入B平面和辅助转角, 推导了离开超越速度的解析表达式, 通过求解Lambert问题和轨道递推得到日心转移段的深空机动脉冲. 利用微分进化算法对问题进行优化, 结合木星探测算例, 对VEE (Venus-Earth-Earth), VEME (Venus-Earth-Mars-Earth)和VEVE (Venus-Earth-Venus-Earth)三种深空机动借力飞行方案进行优化, 给出了优化结果.      

基于遗传算法的多学科设计优化分解方法

通过分析现有的多学科设计优化中任务分解方法(枚举法、聚类识别法和分支定界法)的特点,指出了现有方法的不足.提出了将遗传算法应用于优化任务的分解问题,给出了具体的算法描述和详细的任务分解算法流程,并分析总结给出了该算法的优点:①遗传算法对搜索空间没有任何要求,因此对函数关系矩阵(FDT,Function Dependence Table)也没有任何要求;②遗传算法是一种随机迭代方法,不需要估计初值;③遗传算法同时对一组解进行搜索,大大提高了搜索速度,在保证计算精度的基础上得到全局最优解.最后还以齿轮减速器优化问题为例,将遗传算法应用于上述问题的任务分解过程,得到了较为满意的分解结果,并从计算方案次数的角度定量地比较了所提出方法与现有方法的区别,从而证明了该方法的正确性和优越性.     

基于CPSO优化的空空导弹μ综合控制器设计

粒子群优化算法（PSO,Particle Swarm Optimization）在空空导弹μ综合控制器参数优化中易出现早熟现象而无法获得全局最优解.针对此问题,提出一种动态加速常数的粒子群优化算法（CPSO,Constant Particle Swarm Optimization）.改进算法通过对加速常数的指数形式变化,在寻优前期扩大搜索范围,在后期提高收敛效率,从而避免了寻优过程中的早熟现象.仿真结果表明,改进的CPSO优化算法具有更强的全局搜索能力,设计出的μ综合控制器具有更优的性能,满足给定的性能指标和自动设计指标,节省了大量设计时间,具有工程应用价值.     

再入动力学的性质及其在轨迹优化中的应用

考虑具有终端约束和过程约束的探月返回飞行器再入轨迹设计问题,通过将性能指标泛函定义为再入终端位置误差的平方和,再入轨迹设计问题转化为具有过程约束和状态方程约束的优化问题.首先仅考虑状态方程约束,利用最大值原理,得到该优化问题的必要条件,选取间接法中的共轭梯度算法求解最优控制量.进而针对轨迹约束问题,研究了再入过载和轨道飞行段飞行距离与航迹角以及倾侧角的关系,在此基础上,提出了采用调整初始倾侧角序列的方法实现过程约束.该算法克服了罚函数方法中需要调节参数较多的问题,并且物理意义明确,实现简单.最后,给出了Apollo再入轨迹优化的数值仿真算例,验证了所给出算法的有效性.     

基于组合优化策略的月球软着陆最优轨道设计

基于Pontryagin极大值原理,把求解月球软着陆燃料最优化问题归结为终端自由型两点边值问题.采用粒子群算法和单纯形算法接力优化的组合优化策略,在初始猜测值的邻域内进行搜索,充分利用粒子群算法的全局搜索能力迅速缩小搜索范围,然后利用单纯形算法的局部搜索优势快速获得优化结果.该优化策略最大的优势是使粒子群算法的全局搜索能力和单纯形算法的局部搜索能力同时得到最大化的发挥.仿真证明该优化方法在考虑一些实际工程约束的情况下,能较快速而准确的获得月球软着陆优化轨迹,具有一定的优越性.     

基于混合人工鱼群算法的传感器网络优化

针对传感器网络节点优化的问题,提出一种混合人工鱼群算法.该算法在人工鱼群算法优化的末段引入模式搜索法,以人工鱼搜索到的最优解作为模式搜索法的初始解,利用模式搜索法的单调搜索特性,将解引向全局极值.新算法保留了人工鱼群算法全局搜索能力强、寻优速度快的特点,使寻优精度得到了提高.仿真实验表明:混合人工鱼群算法能够有效地优化传感器网络节点部署,提高覆盖率.     

广义多圈Lambert算法求解多脉冲最优交会问题

基于一种高效高精度的Battin多圈Lambert算法提出一种考虑轨道摄动的广义多圈Lambert算法.与现有算法相比,本算法虽然原理复杂但计算流程非常简单,效率极高,分别通过几次内外循环就可满足精度要求.广义多圈Lambert算法结合一种可行解迭代交会模型构成了一个通用的多圈多脉冲交会规划框架,应用两步法求解此多变量的复杂工程优化问题,首先利用高效率的进化全局优化算法以及解析轨道模型作全局搜索,然后利用序列二次规划算法以及简化高精度轨道计算模型作局部搜索,此方法可以保证高效高精度的求解多圈多脉冲交会问题.算例表明此方法特别适用于满足实际工程约束的交会规划问题.     

多模函数优化的改进花朵授粉算法

为了探讨花朵授粉算法（FPA）在解算多模函数优化问题中存在的不足,通过定义种群多样性及差异性指标,定性分析了FPA在多模复杂函数优化中的寻优缺点。基于模拟退火思想优化全局授粉过程,并利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构。仿真结果表明,相对于基本的FPA、布谷鸟算法、萤火虫算法,改进花朵授粉算法能够有效避免陷入局部最优,具备优异的全局勘探和局部开采能力,对多模优化问题具有一定优势。      

基于改进MOPSO算法的区域侦察弹性星座重构方法

针对区域侦察弹性星座重构问题,提出了基于改进多目标粒子群优化算法(multi-obj ective particle swarm optimization,MOPSO)的区域侦察弹性星座重构方法.该方法采用一箭多星发射和在轨卫星相位机动相结合的方式对受损星座重构.首先选取了星座覆盖、重构成本、重构时间和星座弹性四方面的...     

基于云模型的全局最优化算法

基于云模型在定性概念与其定量数值表示之间转换过程中的优良特性,结合遗传算法的基本思想,提出一种自适应高精度快速随机搜索算法,并将之运用到函数寻优中.在定性知识的指导下该算法能够自适应控制搜索空间的范围,较好地避免了传统遗传算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题.算法易于实现,不存在遗传算法中的编码问题.试验结果表明该算法具有精度高、收敛速度快等优点.在众多优化问题上有广泛的应用前景.      

GTO发射轨道的两级分解全局优化设计策略

文章提出了包含两级规划、轨道分解优化以及混合遗传算法的GTO发射轨道优化设计策略。针对最优控制变量和总体变量耦合所带来的收敛性差问题 ,建立了两级规划模型 ,其中上面级问题处理总体变量 ,下面级问题处理单独的轨迹控制变量。整个发射轨道优化设计问题被划分成两个轨道段优化设计子问题 ,采用串行混合遗传算法完成子问题的求解。选择一个二级GTO运载火箭 ,进行最大运载能力优化设计 ,对俯仰角选择、发射轨道参数选择等问题进行了分析 ,得出了一些有益的结论。算例分析结果表明所提出的GTO发射轨道优化设计策略的优良性能 ,在运载火箭总体设计中有良好的应用价值。     

区间多目标线性优化的功效系数求解方法

针对工程领域中普遍存在的具有不确定参数的多目标优化问题,提出了一种基于功效系数的区间优化模型及求解方法.通过引入增补变量,将含有区间参数的目标函数化为参数确定的形式.建立以功效系数为基础的评价函数,将原多目标优化问题转化为单目标优化问题,然后分别在区间约束条件的最好情况和最差情况下求解,得到设计变量的最优解区间和目标函数的最优值区间.通过工程算例,与传统概率方法的优化结果相比较,验证了所提出优化模型及方法的有效性.     

活塞式航空发动机的优化与标定

联合发动机循环模拟与标定技术建立小型活塞航空发动机动力性和经济性的多目标优化模型。对校验后的BOOST模型进行DOE(Design of Experiment)正交试验,对试验数据进行统计数学建模,并对局部模型误差进行控制,进行响应面模型分析,通过MBC(Model-Based Calibration)工具箱进行优化标定,选用经济适用的NBI(Normal Boundary Inter-section)进行多目标优化.给出了优化的点火提前角、喷油量的MAP图,优化参数对扭矩和燃油消耗等目标的响应面模型,对提升小型航空发动机性能有重要的参考价值.     

基于优化理论的GPS定位解算算法

针对传统定位解算方法存在的问题,基于优化理论的思想提出了一种新的定位解算方法——基于优化理论的最大后验估计算法.介绍了该方法的基本原理,详细给出了算法的推导过程,该方法用优化理论的思路求解系统状态量的最大后验概率估计值.它是从系统状态量、观测量的联合概率密度函数出发,将估计问题转化成优化问题,用优化问题的解法对系统的状态进行估计.在此基础上,用仿真实验验证了该方法进行定位解算的有效性.实验结果表明该方法完全解决了定位解算中的非线性问题,并拥有较高的定位精度.     

Precision orbit computation in geodesy and geodynamics with KS variables

KS variables are an alternative and extended set of variables for describing the motion of a satellite. They originate in an idea of Levi-Civita for employing the theory of complex variables in three dimensional problems. KS variables turn out to be a generalized Spinor, are related to Quaternions, and have a deep meaning in mechanics. When used with the eccentric anomaly as the independent variable, the satellite motion is given as a regularized system of 10 first order ordinary differential equations. For orbit computation these variables have advantage in both numerical and analytical threatment. The energy equation becomes one of the equations and numerical methods are very stable. High eccentricity orbits are easily treated in both cases. With numerical methods, the step size variation is reduced. In analytical methods, expansion in powers of eccentricity is avoided.     

基于能耗最优的多足机器人综合步态优化方法

为综合研究步态参数、摆动腿足端轨迹和机身运动轨迹对多足机器人步态稳定性和能耗的影响,文章提出一种基于能耗最优的多足机器人综合步态优化方法,将步态优化过程转换为两个嵌套的子优化问题。首先,采用一种基于零力矩点稳定性理论的机身运动轨迹规划方法,针对给定的下一步落足点和支撑多边形,规划机身运动轨迹,在保证机身轨迹连续平滑的同时,确保机器人在迈步过程中的稳定性。其次,提出一种基于能耗指标的周期性步态优化方法,建立足式机器人虚拟样机模型作为步态优化模型,对步态参数、摆动腿足端轨迹和机身运动轨迹同时进行优化,保证机器人的步态稳定性,得到使机器人前进单位距离能耗最小的步态。最后,搭建足式机器人虚拟样机仿真平台,仿真结果表明,采用本文的步态优化方法,在保证机器人平稳前进的同时,机器人前进单位距离能耗与优化前相比降低了约14%。     

卫星天线复合材料框架的铺层优化设计

为了改善卫星天线复合材料框架的结构动力学性能,提出了一种针对卫星天线框架复合材料铺层的两阶段优化设计方法。阶段Ⅰ以各铺层的角度为设计变量进行铺层顺序优化,框架基频的最大化为优化目标,铺层数的最大值为约束条件。其中设计变量用一种多进制码来表示,并将多进制码映射为连续变量,应用粒子群优化(PSO)算法对阶段Ⅰ优化模型进行求解。在阶段Ⅰ优化结果的基础上,阶段Ⅱ主要是优化复合材料的层数,以基频最大化与质量最小化为优化目标建立多目标拓扑优化模型,应用第2代非劣排序遗传算法(NSGA-Ⅱ)进行求解。为了验证该方法的有效性,对某大型卫星天线复合材料框架进行优化设计,结果表明:该方法能有效地减小天线板复合材料框架的质量,并提高基频。     

基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.