基于CHC算法的无人机航迹规划方法

利用改进的遗传算法——跨世代异物种重组大变异(CHC, Cross generation Heterogeneous recombination Cataclysmic mutation)算法提出了一种无人机的航迹规划方法.初始种群即初始航线集利用具有启发式信息的搜索算法产生;适应度函数为距离指标与威胁指标的组合形式;选择操作群体为当前群体与上世代群体的群体总和,由于大个体群操作,可以更好地保持遗传多样性;交叉操作采用单点交叉方法,交叉点取为2条航线中距离最近的2个点;变异操作的步骤是:首先在航线中搜索出2个点,然后算出这2个点之间的直线距离与实际航线距离的比值,如果这个比值小于某一阈值则以这2个点为端点重新规划一条航线.由于考虑到了无人机约束条件的限制,从而避免了盲目性且加快了收敛速度.仿真结果表明该方法比基本遗传算法要快而且满足最优条件.      

面向多星区域观测调度的改进型自适应遗传算法

针对传统优化算法在解决多星区域观测调度问题中收敛速度缓慢和易于陷入局部最优解的不足,提出了一种改进型自适应遗传算法。该算法通过蒙特卡洛方法结合Hamming距离,给出较优的初始种群;根据种群的平均Hamming距离确定交叉和变异操作的执行顺序,并结合sigmoid函数和高斯函数基于种群的个体适应度设计了自适应非线性的交叉率和变异率;结合双精英保留策略和锦标赛策略,保证最优个体的遗传;使用双重停机条件,提高算法的搜索效率。最后,通过实验表明,该方法可以显著提高全局搜索能力,加快算法的收敛速度,有效提高卫星的观测效率。     

应用免疫遗传算法优化设计层合板铺层顺序

应用遗传算法对复合材料层合板的铺层顺序进行优化设计,并通过免疫机理解决基本遗传算法中存在的收敛效率低、"早熟"等问题.以层合板的面内几何因子和弯曲因子为优化对象,建立遗传算法的优化模型.通过交叉、变异等遗传操作,搜索问题的最优解.借助免疫系统对抗体的促进和抑制机制,调节种群中个体的多样性.数值算例中给定了层合板的面内几何因子和弯曲因子,应用免疫遗传算法求解层合板的最佳铺层顺序.并将应用免疫遗传算法与标准遗传算法得到的优化结果进行了比较,证明了免疫遗传算法的优越性和实用性.     

基于实数编码的改进遗传算法研究

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了基于实数编码的遗传算法的改进算法,对基于实数编码的遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采用最佳保留选择策略、多算子交叉和变异,并且采用自适应变焦变异,改进后的交叉与变异操作,使算法始终保持了种群的多样性,同时也提高了寻优最终结果的精确性。实验表明基于实数编码的改进遗传算法(R IGA)有效的改善了遗传算法的缺点。     

基于实数编码的改进遗传算法研究

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了基于实数编码的遗传算法的改进算法,对基于实数编码的遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采肘最佳保留选择策略、多算子交叉和变异,并且采用自适应变焦变异,改进后的交叉与变异操作,使算法始终保持了,种群的多样性,同时也提高了寻优最终结果的精确性。实验表明基于实数编码的改进遗传算法（RIGA）有效的改善了遗传算法的缺点。     

基于M-AFSA的MPRM逻辑电路面积优化

现有基于传统智能优化算法的MPRM电路面积优化算法存在效果差的问题。由于MPRM电路面积优化属于组合优化问题，先提出一种多策略协同进化人工鱼群算法（MAFSA），该算法引入基于反向学习的种群初始化策略，以提高种群多样性及初始种群解的质量；引入觅食与追尾交互性策略，以加强人工鱼个体之间的信息交流、提高所提算法的收敛速度；引入自适应扰动策略，以增加人工鱼个体位置变异的随机性、避免所提算法陷入局部最优。此外，提出一种MPRM逻辑电路面积优化方法，利用所提算法来搜索电路面积最小的最佳极性。基于北卡罗莱纳州微电子中心（MCNC）Benchmark电路的实验结果表明：与遗传算法相比，所提算法优化电路平均面积百分比最高为57.24%，平均为39.57%；与人工鱼群算法相比，所提算法优化电路平均面积百分比最高为33.53%，平均为14.54%；与改进的人工鱼群算法相比，所提算法优化电路平均面积百分比最高为30.25%，平均为13.86%。     

飞行控制用无刷直流电动机的优化设计

飞行控制中机电作动系统的发展是全电飞机的重要技术之一,而高速大功率密度的无刷直流电动机是其中的关键部件.为解决无刷直流电动机设计中的非线性优化问题,提出了使用遗传算法进行优化设计.为解决无刷直流电动机多目标优化问题,采用了多目标函数变量加权法,将多目标函数变成单目标函数进行优化计算.在计算中,为达到无刷直流电动机全局优化的目的,采用随机产生离散初始种群及随机交叉操作和变异操作方法.但由于采用随机交叉和变异操作,优化结果始终是发散的.为此采用优秀个体保护策略,加快了优化设计的收敛.在满足技术要求的前提下,通过计算达到了减小电机的体积重量、减小转子转动惯量及机电时间常数、提高无刷直流电动机功率密度的目的.      

反舰导弹平面机动突防策略的优化设计

研究了遗传算法在反舰导弹综合突防策略的优化设计方面的应用.反舰导弹的综合突防包括若干个相互承接的环节,首先将反舰导弹的综合突防概率优化问题分解为各个环节突防的条件概率的优化问题,复杂事件得到简化.反舰导弹为了提高突防概率必须做机动,每个环节对应的机动参数取值在一定范围内变化,每个环节的突防概率受到对应的这组参数的影响.选用遗传算法对突防参数进行优化设计.用遗传算法对反舰导弹各个突防环节进行优化设计,找出使每个突防环节突防概率最大的一组参数,进而得到综合突防最优机动参数组合,使反舰导弹的综合突防概率最大.     

Lambert转移中途修正的全局概率最优策略

应用Monte-Carlo法和遗传算法的联合仿真求解Lambert转移中途修正的全局概率最优策略.首先推广限制性三体问题中求解周期性特解的微分修正算法构造出考虑J₂项摄动下的Lambert转移轨道并以此作为参考轨迹,则中途修正策略仅需针对导航误差、初始偏差修正的控制偏差等进行补偿.应用微分修正算法导出的单值矩阵,设计出3类线性和非线性中途修正策略,以适应不同的精度需要.随后应用Monte-Carlo和遗传算法的联合仿真,可以得到实现代价函数(落点误差最小)在概率意义下的最优解.与直接利用优化算法寻优需要已知各种误差量不同,得到的最优修正策略更具有普适性.     

航天器轨道交会迭代制导算法

针对航天器轨道交会的脉冲推力模型与实际发动机连续推力模型不相符的问题,研究一种脉冲变轨策略的工程实现方法,使脉冲变轨策略可应用于工程实际.基于Lambert飞行时间定理和遗传算法,研究航天器最优脉冲变轨策略.根据脉冲变轨优化的结果,采用迭代制导算法研究脉冲变轨工程化问题.仿真结果验证了迭代制导算法在航天器轨道交会中的有效性.     

考虑柔性检修计划的圆钢热轧批量调度

针对考虑柔性检修计划的圆钢热轧批量调度问题,构建了以最小化最大完工时间、订单提前及拖期总时长为目标函数的整数规划模型,用以制定有效的机器检修与批量生产协作计划。结合模型特征,提出一种改进多目标粒子群算法(IMPSO)实现求解。算法采用基于混沌加权适应度计算的插入式方法生成初始粒子群体;根据问题约束特征,设计修复规则对群体进化过程中产生的不可行粒子进行修复;采用精英策略保留算法迭代过程中的优势个体,并根据精英集合为每个粒子选择更新所需的极值;针对问题变量的离散特征,引入基于遗传操作的粒子更新方式。实验结果表明,模型和算法是可行和有效的。      

单目标概率约束规划的微种群免疫优化算法

针对无先验随机分布信息的单目标概率约束规划,探讨了微种群免疫优化算法。算法设计中,受危险理论启发设计微种群免疫优化算法进化框架;借助估计值的误差幅度,提出2个方法分别估计概率值和目标值;依据个体间的优劣关系,划分群体为3个类型子群协同进化;构建生命周期模型,设计自适应的交叉与变异概率、变异策略,结合交叉算子促进子群信息有效交流,并沿不同方向协同进化。数值实验统计结果说明:所提算法拥有良好的搜索效率、搜索效果及降噪能力,具有一定的竞争力和应用潜力。      

基于分布式并行遗传算法的电力系统无功优化

针对传统遗传算法寻优质量差、计算时间长的问题,提出了基于计算机集群的一种新的分布式并行遗传算法解决电力系统无功优化问题.采用遗传模拟退火算法和分布式并行计算MPI(Message Passing Interface)技术,实现多进程的分布式集群计算.该算法通过个体迁移策略来协调优化各个子种群,使用计算效率来判断计算负载状态,采用动态种群来进行负载平衡.通过运用标准测试算例IEEE14节点和一个实际电力系统的无功优化计算,结果表明这种算法具有很高的稳定性,有较好的并行效率,适合求解大规模电力系统的无功优化问题.      

进化策略在无比例工程图布局优化中的应用

自动生成的无比例工程图存在布局不合理、可读性差的问题,以管线安装图为例分析了工程图中布局的约束条件,将布局问题简化为管段长度的调整,基于目标分解建立了多目标优化的数学模型.应用进化策略求解非线性规划的数学模型,讨论了进化策略中问题的表达、重组、突变、选择算子以及终止条件.计算结果表明,此法可以很好地满足工程中对图纸可读性和出图效率的要求,并可推广到一般的具有拓扑连接关系的布局优化问题中去.      

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.      

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。      

基于合作博弈的多机冲突解脱算法

为解决低空无人机冲突解脱过程中个体支付成本不公平问题,提出了基于合作博弈“核仁解”概念的多机冲突解脱算法。针对低空多机冲突场景的特点,基于“核仁解”概念,建立无人机冲突解脱支付矩阵。结合人工势场法与蚁群算法的优点,提出基于人工势场法-蚁群算法(APF-ACO)的冲突解脱混合求解策略。仿真结果表明:综合计算时间、可行性与系统效率3个评价指标,APF-ACO混合求解策略效能最优;基于合作博弈“核仁解”的求解策略在一定程度上可提升个体公平性;同时能够在牺牲少量整体利益的前提下,拥有优先级无人机的快速规划达到目标。      

遗传算法在电子战干扰规划中的应用

电子对抗干扰资源任务规划问题对于充分发挥干扰机作战效能,取得最佳干扰效益有重要作用.结合现代电子战特点,利用搜索论推导出了干扰机压制概率的计算公式,建立了干扰任务分配模型,并阐述了传统匈牙利方法在这一问题处理上的局限性.结合智能优化算法,提出了基于遗传算法的干扰资源优化分配模型.解决了优化分配模型所需的符号编码方式,并给出了相关的选择、交叉、变异等遗传算子的具体设计.利用该模型,解决了2个实例.结果表明,该模型在干扰资源任务配置问题上具有很强的实用性,遗传算法可以有效地辅助指挥员解决干扰资源部署决策这一复杂而困难的问题.     

解决排班问题的多目标优化模型及算法研究

为提高排班结果的准确性可靠性,提出了排班问题的多目标优化模型,并应用改进的基于信息熵的自适应遗传算法求解模型的最优解.同时引入分割集和模拟退火算法的思想进行优解的选择.通过对航空公司机组排班问题的仿真比较,模型的正确性和先进性得到了验证.