基于改进粒子群优化算法的巡航导弹航路规划

粒子群优化(PSO, Particle Swarm Optimization)算法是继遗传算法、蚁群算法之后的又一种新的群体智能算法,经常用于复杂问题的求解.由于其迭代公式是面向连续空间的,因此更适合解决非网格拓扑的航路规划问题.标准的粒子群优化算法在寻优的过程中容易出现早熟现象,针对这种现象,提出了一种改进的粒子群优化算法.改进算法根据相应的代价函数选择精英粒子和较差粒子,对较差粒子采用了带有动能补偿的速度更新策略,从而避免了寻优过程中的早熟现象;在单个粒子的运动方面引入了最差粒子的失败经验,让群体中粒子有效避开最差解.仿真表明:改进算法在航路规划的应用中具有更强的搜索能力,获得的航路代价在进化代数相同的前提下更小.      

多种群合作学习的多模态多目标路径规划算法

为同时规划出满足多种目标需求的多条可行路径,提高规划路径的鲁棒性与实用性,提出一种基于多种群合作学习的路径规划算法。基于粒子群算法的基本思想,先针对单一种群在多维目标空间内搜索时容易陷入局优的问题,提出基于多目标分解的子种群划分策略,平衡算法在目标空间内各个维度上的搜索能力。再依据地图中栅格点的出入度信息提取关键路径点。在编码阶段,根据关键路径点提供的维度信息,利用实数编码的方式初始化种群,降低解空间大小;在解码阶段,提出利用精英解的解码经验指导可行解的快速搜索,使解码经验能够被有效传递,降低解码的不确定性,提高了算法的寻优能力。最后,将多个种群的搜索结果进行非支配排序,得到满足优化目标的所有路径。实验结果表明:与标准粒子群算法相比,基于解码经验表指导的多种群合作学习算法具有更强的搜索能力和寻优能力,能够解决多模态多目标路径规划问题。      

基于智能优化箱粒子滤波的移动机器人FastSLAM

针对传统FastSLAM算法需要大量粒子构建地图导致计算复杂度高、难以提高估计精度等问题,研究构建了一种基于智能优化箱粒子滤波（IOBPF）的移动机器人FastSLAM算法。首先,将萤火虫算法（FA）的动态寻优机制引入箱粒子滤波（BPF）,建立了箱粒子的荧光亮度更新公式、吸引度计算公式和位置更新公式,使箱粒子集智能化地向高似然区域移动,避免了箱粒子的退化现象。然后,以改进的智能优化箱粒子滤波进行机器人位姿估计,并采用扩展区间卡尔曼滤波（EIKF）完成地图的构建和更新。移动机器人的模型仿真和实体实验结果表明:所提智能化FastSLAM算法可有效提升箱粒子的性能,并降低地图构建所需粒子数,从而显著提高FastSLAM的定位精度和地图构建的鲁棒性。      

具有持续侦察时间约束的协同航路规划

为获得目标有效信息,无人机（UAVs）执行侦察任务时针对不同目标所需的持续侦察时间存在一定的差异。本文假设无人机在目标持续侦察过程中保持定直平飞以确保有效侦察,针对至多3个侦察任务重叠的情况,通过几何分析,提出了存在侦察任务重叠情况下的多侦察任务同时侦察方法。在考虑侦察任务重叠和多机协同侦察的同时,以最小化侦察路径长度为性能指标,相邻侦察点间采用Dubins曲线进行航路规划,利用引入精英机制的混合粒子群优化算法实现侦察任务序列优化,实现具有持续侦察时间约束的协同航路规划。仿真结果表明提出算法的有效性。      

基于改进遗传算法对小卫星星群任务规划研究

针对小卫星星群任务运行特点,建立小卫星星群多任务规划问题模型,提出了基于成像任务时间及任务均衡度的多指标优化函数.针对所建模型,采用改进型遗传算法,引入资源随机分配的解码策略及精英保留策略,保证了算法的全局收敛性,提高了算法的性能.通过仿真算例,验证了算法在解决小卫星星群多目标任务规划问题上的有效性.      

基于改进SSD的无人机航拍目标检测

针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%.     

基于过程神经网络的液体火箭发动机状态预测

提出一种基于极限学习算法的离散过程神经网络模型,用于解决液体火箭发动机状态预测这一难题。首先,在历史数据的基础上建立离散过程神经网络（DPNN）预测模型;然后,根据在线更新的数据样本,采用递推极限学习（EL）算法对双并联前馈离散过程神经网络（DPFDPNN）隐层到输出层的权值进行更新,并应用权值更新后的过程神经网络对发动机状态进行预测;最后,以液体火箭发动机状态预测中氢涡轮泵扬程预测为例,分别采用有权值更新和无权值更新两种预测模型进行了试验。结果表明,通过更新过程神经网络权值可以使模型具有更高的预测精度和更好的适应能力,该方法能够为液体火箭发动机状态预测提供一种有效的解决途径。      

基于随机模型近似的再入目标自适应跟踪算法

针对再入目标跟踪问题,基于加速度动力学模型和随机模型近似思想,提出了分段匀Jerk自适应模型及跟踪算法.该算法引入Jerk动力学模型和Jerk分段均匀假设,给出了机动加速度的递推模型;根据随机模型近似思想提出了新的过程噪声定义方法并给出了分段匀Jerk模型和过程噪声的自适应方法;结合状态扩展方法和分离差分滤波算法实现了再入目标的实时自适应跟踪.仿真实验表明,相比基于分段匀加速模型的跟踪算法,该算法在保证了再入目标稳态跟踪精度的同时,对目标突变状态具有较强的跟踪能力.      

一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.     

挠性航天器多目标鲁棒姿态控制的DPSO算法实现

复杂航天器高性能姿态控制是完成现代新型空间任务的基础,需兼顾鲁棒性、快速性、精度和控制能量等多目标要求,但目前大多数控制系统只针对某单一目标设计.针对大型挠性航天器多目标姿态控制问题,提出一种基于差分粒子群优化算法和输出反馈的鲁棒控制方法.首先,推导了含参数不确定性的系统动力学模型;然后,给出了差分粒子群优化算法的定义...     

考虑物料配送的飞机移动生产线调度问题优化

以飞机移动生产线为实际背景,将作业装配过程调度抽象为资源受限项目调度问题并进行了扩展,引入物料配送与线边存储决策,以及相关能力约束等实际因素,建立了以装配总工期最小化为目标的数学模型。针对模型,设计了一种以遗传算法为框架的启发式算法,其中结合了解生成算法和局部优化搜索算法。在遗传算法较优的全局搜索能力下,通过SCRDS算法综合作业顺序、资源约束、配送能力、线边空间等因素,联合决策作业开始时间、物料配送时间和物料在线边空间的存储位置,提出了两作业间物料摆放位置调整的局部优化搜索算法,对作业开始时间和物料配送时间进行再优化,进一步缩短了装配总工期。利用标准算例库进行了数值实验,实验结果证明了模型与算法的有效性。     

HXMT卫星长期任务规划算法

硬X射线调制望远镜（HXMT）卫星是中国首颗空间X射线天文卫星.为充分利用卫星资源,使科学产出最大化,需要进行长期任务规划.长期任务规划是一个复杂的多目标优化问题.通过分析HXMT观测特点和约束条件,建立了HXMT长期任务规划问题模型,并采用贪婪算法加遗传算法对模型进行求解.实例分析结果表明该方法能够有效解决HXMT长期任务规划问题.      

基于遗传算法的设备布置优化算法

对设备布置问题,建立了多目标优化数学模型.为弥补当前的现场布置遗传算法在变异阶段的不足,将最优个体变异与随机变异相结合,设计了组合变异策略:首先变异最优个体,如果变异出更优的个体,则用新个体替换当前种群的最差个体;如果最优个体变异不成功,则随机选择一个个体执行随机变异.据此,提出了一种改进的遗传算法用于求解设备布置问题.仿真实验证明了组合变异策略能够在明显较短的时间内,取得与随机变异相当的最优布置结果.对比分析进一步验证了该算法的有效性.     

基于MODPSO-GSA的协同空战武器目标分配

提出基于多目标决策理论的协同空战武器目标分配模型,并用进化多目标优化算法求解.空战是一个多阶段攻防过程,针对多数空战武器目标分配采用一次性完全分配、不考虑火力资源消耗等不足,构建多目标决策模型,在达到毁伤门限的前提下,同时对一次攻击后使敌编队的总期望剩余威胁最小和分配导弹消耗量最小两个目标函数寻优.提出用多目标离散粒子群-引力搜索算法(MODPSO-GSA)求解分配模型,该混合进化多目标优化算法结合二者优点,具有稳定的全局搜索能力并保证收敛到Pareto前沿.该算法可求得满足毁伤门限的不同耗弹量的分配方案最优解集以供指挥员决策参考.仿真算例验证了新模型及所提出MODPSO-GSA进化多目标优化求解算法的有效性.      

A multi-objective binary-encoding differential evolution algorithm for proactive scheduling of agile earth observation satellites

A robust model and a Multi-objective Binary-encoding Differential Evolution (MBDE) algorithm are proposed in this paper for agile earth observation satellite proactive scheduling considering satellite resource failure and emergency task insertion. Firstly, considering that the reserved slack time in schedule can absorb uncertainties, two indicators are proposed: schedule profits and slack time, based on which, a robust model of proactive scheduling is established. Secondly, to solve the multi-objective model, solutions are represented via binary-encoding, mutation, crossover, and selection operators are re-designed, besides, an external archive update strategy is adopted to store elitist solutions in the evolution process, moreover, non-dominated Pareto set evaluation metrics are improved. Finally, computational results have demonstrated that, compared with NSGA-II and SPEA-2, the MBDE algorithm is able to obtain well-distributed solutions with good convergence more efficiently. The study can provide the method support for proactive scheduling of agile earth observation satellites.     

基于点融合系统的多目标进场排序与调度

持续增长的交通需求和日趋饱和的空域资源对飞行安全和管制效率要求更高,鉴于此,研究基于点融合系统（PMS）的多目标进场排序与调度问题。分析四维航迹预测模型与方法,实现四维航迹预测功能。针对PMS的运行模式和多个利益相关方的需求,构建PMS多目标排序与调度模型,提出基于多目标帝国竞争算法（ICA）。利用长沙黄花国际机场实际运行数据与蒙特卡罗模拟数据对优化模型与算法进行验证。结果表明：所提算法有良好的实际应用效果,能为管制员提供决策支持;在应用基于PMS的多目标进场排序与调度,即使在相对保守的安全间隔下,相对于实际运行优化后的总延误时间、总飞行时间、最大飞行时间分别有70.8%、13.2%、11.8%的缩减。     

一种基于有限K近邻的强度帕累托进化算法

在航天器控制计算机的软硬件协同设计过程中,需要解决多目标优化问题。当前的强度帕累托进化算法在求解高维多目标优化问题时具有优势,但是在环境选择阶段的计算时间复杂度仍然较大。文章针对这一问题,提出了一种改进算法。新的算法采用有限K近邻方法,减少了原算法中K近邻策略的比较次数,使时间复杂度由O(M3)下降为O(max(l,logM)M2。试验结果表明文中算法的计算速度更快,并且具有更优的收敛性和分布多样性特征。     

基于遗传算法的运载火箭总线消息调度优化设计

运载火箭控制系统采用1553B总线、按照预先设计的调度表传输周期性消息。针对当前总线消息调度表的设计方法对负载均衡考虑较少的缺陷,在构建1553B总线消息周期调度表数学模型的基础上,引入遗传算法进行最优化设计。该算法将负载率参数的多目标优化问题转换为遗传个体适应度的单目标优化问题,采用“精英保留”遗传策略,有效避免了个体退化,算法稳定高效。数学仿真计算结果表明,总线消息周期调度表求解高效,负载均衡大幅提高,验证了优化设计方法的有效性。     

复杂系统的选择性维修模型和求解算法

考虑不修、最小维修、换件维修和多中间维修水平,提出了一种基于粒子群优化（PSO）算法和多员维修的复杂系统选择性维修模型,将组件维修前状态、组件有效役龄和维修费用等因素引入不完全维修模型,更符合工程实际。提出了一种基于多员维修的系统组件维修分配算法,解决了如何将多维修任务分配给多维修人员,使得系统维修时间最小的问题,并将所提算法引入到PSO算法中,求解考虑多维修人员和不完全维修条件的复杂系统选择性维修模型。案例表明:所提模型和求解算法有效,能够为复杂系统提供切实有效的维修决策方案。