基于多目标遗传算法的固体火箭发动机面向成本优化设计

多目标优化设计的概念和方法被方法用于面向成本设计，采用一种基于Pareto最优解的多目标遗传算法－－NSGA－Ⅱ算法，以某固体火箭发动机为算例，利用成本模型和工程模型，以产品的性能和成本作为目标函数进行了多目标优化设计，计算结果表明，NSGA－Ⅱ算法得到的非劣解在目标空间分布均匀，算法收敛性和鲁棒性好，基于NSGA－Ⅱ算法的面向成本多目标优化设计方法为产品在方案阶段开展性能和成本之间的权衡分析提供了有效的工具。     

基于多目标进化算法的卫星通信星座优化设计

将基于Pareto最优解的多目标进化算法引入星座设计中,提出了一种改进的Pareto最优解多目标进化算法,并应用于带有星间链路的卫星移动通信系统星座优化设计,计算结果表明算法的有效性。     

多目标系统最优控制方法研究

用多个性能指标评价系统更有实际意义,但在现有的研究中,针对此类问题所采取的方法通常是线性加权,权值是人为选取以达到“最优”,这就使得“最优”控制成为主观最优而非数值实际最优.本文针对这一问题,结合决策者先验知识的多少,给出2种新的解决方法:层次分析和Pareto交互式决策.首次采用免疫克隆选择多目标优化算法来设计多指标情况下的LQR控制器.仿真结果表明:该算法在时间复杂度、分布性等方面均优于现在常用的NSGA-Ⅱ,且本文给出的解决方法更适合于复杂情况下的最优控制器设计.     

亚轨道飞行器的固液火箭发动机的高维多目标设计优化

为完成应用在亚轨道飞行器上的固液火箭发动机系统设计优化,且考虑到系统设计优化问题的复杂性以及采用单目标优化难以获得全局最优解,建立了固液火箭发动机系统设计的4目标设计优化模型,采用非支配排序遗传算法获得超空间Pareto 解集。利用基于变偏好区间的超径向可视化技术对超空间Pareto解集进行直观地分析,提高最优解选择的效率。最终获得了全局最优的固液火箭发动机系统设计方案,验证了建立的优化模型的准确性和相比于单目标优化的优势,论证了固液火箭发动机应用在亚轨道飞行器上切实可行以及变偏好区间超径向可视化技术处理超空间Pareto解集的高效性。     

基于多柔体动力学的飞行器多目标优化设计

研究了柔性航天器总体设计中基于结构与姿态控制的多目标优化问题。利用拉格朗日 方程建立了刚柔耦合系统动力学模型,提出以附件质量和微分矩阵最大实特征值为目标函数 的多目标优化问题;采用非支配排序进化求解算法（NSGA-II）,对某柔性航天器进行了多目 标优化分析设计;最优决策为具有一定规律性的空间曲线,该优化结果对柔性卫星的总体分 析设计具有一定的指导意义。
     

多目标进化算法在航天器转移轨道中途修正中的应用

理论上只要根据初始轨道转移点和目标轨道进入点的信息,计算并产生转移所需速度增量,就可以完成航天器的轨道转移.但是由于误差的影响,需要在转移轨道飞行中进行中途修正,修正时刻的选择决定了入轨精度和燃料消耗.本文选择二次修正策略,设计了一种多目标进化算法,以Pareto秩和小生境参数共享函数计算个体适应度,采用共享函数选择法、自适应变异法进行遗传操作.同时构造外部种群储存Pareto最优解,并引入最优解集边界值以加快算法收敛至非劣解集前端的速度.通过仿真验证,该算法能够较完整地得到中途修正时机问题的Pareto最优解集,且分布均匀,满足工程实际的需要.     

分布式卫星系统在轨操作的多目标分配

针对空间在轨操作目标分配问题,以分布式卫星系统为研究对象,提出了一种基于粒子群算法的在轨操作多目标分配方法。以分布式卫星机动所消耗的总能量最省为目标函数,建立了在轨操作多目标分配的数学模型。基于固定时间拦截理论,以机动时刻和对应的速度增量作表征,设计实现了单颗卫星最优机动方案。通过合理设计粒子位置与目标分配解的对应关系,采用粒子群算法对问题进行了求解,并详细阐述了算法的实现步骤。算例分析结果表明,建立的模型和算法能够快速得到正确的可行解,可有效解决多约束条件下空间在轨操作的多目标分配问题。     

基于多目标多学科设计优化方法的再入弹道设计研究

为了研究多目标多学科弹道优化设计,提出了一种基于NSGA-Ⅱ算法的并发多目标协作优化MDO方法MOPCO(Multi-Objective Pareto collaboration Optimization,简称MOPCO).利用系统优化器和学科级优化器的并发性来分解多目标MDO优化问题,解决组织复杂性问题;利用自适应响应面技术来解决计算复杂性问题;利用NSGA-Ⅱ算法来搜索Pareto前沿.标准算例测试表明该算法是可行的.最后将其用于静态/动态混合优化的多目标多学科再入弹道设计,获得了合理的Pareto前沿.     

基于物理规划的固体火箭发动机不确定性优化设计

在基于建模与仿真的固体火箭发动机设计过程中客观存在许多不确定性,决策不确定性定义为设计与优化问题描述和决策过程中存在的模糊性。传统优化设计模型将优化设计问题作为确定性问题求解,可能会漏掉真正的工程实际可接受的最优结果。采用物理规划方法建立优化设计模型,可得到综合满足多个设计准则的Pareto解。以固体火箭发动机总体方案优化设计为例,证明了物理规划方法作为固体火箭发动机设计决策不确定性建模方法的有效性。     

重复使用液体火箭发动机结构可靠性分配

针对重复使用液体火箭发动机多次重复使用的特点,以发动机在重复使用全过程中各子系统的可靠性偏差最小为目标,提出面向重复使用全过程的重复使用液体火箭发动机结构可靠性分配方法。该方法以等可靠度分配为基础,以发动机在重复使用全过程中可靠性偏差为目标函数,采用遗传算法进行优化得到分配结果,可在满足发动机使用寿命末时刻可靠性的同时,减小各子系统在中间使用过程中"短板"效应。以某可重复使用氢氧发动机系统为例,给出了具体分配方法,相比于等可靠度分配法,所提出的分配方法得到的各子系统在发动机工作过程中的可靠度偏差下降35%,验证了该方法的有效性。     

基于遗传算法和空间推进方法的高超声速进气道优化设计研究

将遗传算法（单目标遗传算法GA和多目标遗传算法NSGA-Ⅱ、NCGA）与高效、高精度的卒间推进方法——SSPNS（Single-sweep Parabolized Navier-Stokes Algorithm）流场计算方法相结合，对二维高超声速进气道进行了气动优化设计研究。在单目标优化设计中以巡航点（Ma=7．0）的总压恢复最大为设计目标，多目标设计中则在巡航点分别考察了总压恢复最大-压升最大两目标模型、总压恢复最大-压升最大-阻力系数最小三目标模型。优化设计结果表明，单目标设计使得总压恢复有明显提高；多目标优化设计所得的Pareto最优前沿为设计者提供了可靠的设计依据。为了兼顾巡航点和加速爬升段的综合忭能，采用多目标优化方法对进气道进行了多点优化设计，并开展了基于等动压弹道的设计点选择问题初步研究。计算结果表明，若将设计点选在Ma=6．5左右，则进气道的综合性能较好。     

基于NSGA-II算法的航天产品装配公差多目标优化

针对航天产品装配公差优化设计问题,提出一种引入装配成本的多目标优化方案。在考虑航天产品装配过程中成功率低、成本高问题的基础上,建立基于产品成本及质量损失的装配公差的多目标优化数学模型,利用带精英策略的非支配排序遗传算法(NSGA-Ⅱ),以装配功能要求和加工能力为约束条件,对装配公差进行优化求解,得到Pareto最优解集。以某空间站某型号组件为例,验证了该优化方法的有效性。通过建立归一化权重目标函数,获得优化的各组成环装配公差,利用该公差进行组件加工装配,提高了装配成功率,降低了产品加工成本及质量损失。     

末端防御系统中的对抗决策方法研究

为解决现有的对抗决策算法对威胁指数的规划过于依赖客观数据,且缺乏一致性检验,难以应对精确制导武器大规模袭击的问题,采用一种灰色关联分析与逼近理想解排序(TOPSIS)多属性决策相结合的方法,对末端防御系统来袭目标的威胁程度进行量化分析和威胁值排序,再依次对威胁结果由高到低的威胁源进行对抗。算法在精确规划威胁因素及其权重的基础上,改进了衡量来袭目标的威胁程度的模型,并通过基于Euclid距离和灰色关联分析的TOPSIS法进行评估决策。数据验证结果表明该算法决策结果与优秀军事指战员在实际战场中得出的结果一致,且与传统算法相比,在保证正确性与实时性的基础上,具有更好的可靠性。     

基于方案偏好值的模糊多属性群决策方法

针对属性值为梯形模糊数,属性权重未知,决策者对方案的偏好值以梯形模糊数给出的模糊多属性群决策问题,提出一种群决策方法.为使决策者的主观偏好值与客观综合属性值间的总偏差最小,借助梯形模糊数的欧式距离,建立单目标优化模型,求解模型,得到属性的精确权重,进而根据综合属性值的期望值对方案排序,最后给出一个数值例子验证了所提方法的可行性与实用性。     

多目标蚁群算法及其在固液混合火箭发动机系统优化设计中的应用

为了提高求解多目标优化问题的Pareto解集的效率,建立了适用于多维、多目标优化问 题的多目标蚁群算法（Multi\|objective Ant Colony Algorithm,简称MACA）。该算法首 先修正了蚁群算法的信息素更新机制和转移概率,然后改进了蚂蚁的行进策略,即提出了依 概率选择搜索策略。最后,应用该算法对某型号固液混合火箭发动机系统进行了优化设计。 计算结果表明,多目标蚁群算法获得的Pareto解集分布均匀、散布范围广,可以有效解决多 目标优化问题,能为决策者进行目标权衡提供充分依据。
     

基于基因表达式编程的多目标优化多聚焦图像融合算法

图像融合的评价指标多种多样,但往往不能同时达到最优,有时甚至是相互矛盾的,融合可以看作是多个评价指标最优化的过程.提出基于改进基因表达式编程的空域和多尺度域多目标优化图像融合算法,为解决图像融合多目标优化搜索空间太大的问题,提出多区域特征联合决策对种群进行初始化,改善初始种群的质量,以提高收敛速度.通过对多聚焦图像进行融合仿真实验,结果表明算法收敛速度快,可得到图像融合的Pareto优解.     

柔性空间结构时间-燃料多目标优化控制研究

针对柔性航天器的rest\|to\|rest机动问题,研究了基于最小时间-最少耗能的多目标优 化开环控制问题。提出了空间柔性结构最小时间-最少耗能的多目标优化控制模型;然后采 用非支配排序进化求解算法（NSGA-II）,对某柔性结构进行了多目标优化控制的分析设计; 通过典型算例证明了本文算法的正确性和有效性,并可应用于柔性航天器姿态机动控制器的 分析设计之中。
     

基于Cramér-Rao下限的多传感器跟踪资源协同分配

针对防空指挥控制系统中多传感器管理问题,提出了一种基于目标跟踪精度Cramér-Rao下限的多传感器跟踪资源协同分配方法。该方法首先利用目标战术重要性函数求解目标优先级;然后在目标优先级函数和目标—传感器配对效能函数的基础上,构造了多传感器资源协同分配一般模型,并根据目标跟踪过程特点将Cramér-Rao下限引入到协同分配的模型中,使得在进行跟踪资源协同分配时无需考虑目标跟踪滤波算法的选择。对于分配过程中出现的NP(Non-deterministic polynomial)难问题,探讨了利用匈牙利算法寻求满足条件的目标传感器最优组合,给出了模型求解的步骤。仿真结果表明,这种多传感器跟踪资源协同分配方法的可行性与模型求解的快速性。     

考虑热膨胀与带隙的点阵超材料多目标优化设计

采用有限元方法研究了一种三角晶格的弯曲主导型热膨胀点阵超材料的带隙特性，利用非支配排序遗传算法针对该材料进行了带隙和热膨胀性能的多目标优化设计，并考虑了热膨胀系数和最大相对带隙两个优化目标。结果表明，无论是特定的正、负以及零热膨胀结构，都具有较好的带隙特性；所有算例都给出了帕累托最优解集，可以平衡不同的竞争目标。这为实现超材料的多功能设计提供了理论依据，特别是在航空航天领域中存在的温差和振动等严苛条件下对材料特定膨胀性质和带隙特性需求的双目标共赢提供了可能。     

目标分配问题的模拟退火算法

基于不同退火温度下迭代长度规则和最优解保留策略,提出了一种用于防空指挥、控制、通信和信息(C3I)系统射击效率的最佳目标分配优化的改进模拟退火算法,给出了算法流程.算例表明:对防空C3I系统的目标分配该法具较强的寻优能力和较快的收敛速度,优化结果优于其他方法.