基于多基因遗传算法的异构多无人机协同任务分配

以异构多无人机对多目标执行侦查、攻击和评估任务为背景,开展协同任务分配问题建模、算法设计和仿真分析。综合考虑异构无人机任务执行能力、任务执行时序和自身运动学等约束,同时考虑各无人机机载弹药毁伤概率因素,建立以任务执行时间和攻击收益为综合性能指标的任务分配优化模型,提出避免产生"死锁"现象的基于多类型基因编码的改进遗传算法,实现对协同任务分配问题的求解。基于任务分配方案和无人机的最小转弯半径,采用Dubins路径协调方法,生成无人机的可飞航迹。仿真结果表明,改进遗传算法可快速有效地求解多约束条件下异构多无人机协同任务分配问题,基于Dubins路径协调可为每个无人机生成完整的可飞航迹。     

基于“时效性”的机场道面抢修准备

从机场道面抢修准备的实际出发，在合理区分抢修工序的基础上，对抢修时间进行分析。结合我军工程保障部队的机械化水平，深入研究了机场道面抢修人员及装备准备的量化过程和方法。并通过计算举例进一步验证了基于“时效性”的机场道面抢修准备方法的适用性。     

通信约束下UAV集群协同拦截任务分配算法

针对多无人机协同拦截多机动目标的任务分配问题,同时考虑到真实战场环境中存在的通信约束以及探测范围约束条件,本文提出了分步一致性拍卖算法（SCBAA）。首先,对真实战场环境中存在的通信约束以及探测范围约束等问题进行了描述分析,构建了多无人机协同拦截任务分配模型,设计了综合效能函数以及相应约束条件。其次,为解决多无人机协同打击单一目标的不平衡任务分配以及冲突消解问题,将原任务分配过程分为主要任务分配以及次要任务分配两部分,通过多次拍卖以及冲突消解实现多无人机对单一目标的任务分配。仿真结果表明,该算法可有效解决通信约束条件下的分布式多无人机协同拦截问题,并适应动态环境中任务分配对实时性的要求。     

装备战场抢修备件品种的优化确定模型

近些年几场高技术条件下的局部战争充分说明,战场抢修是保持与恢复部队战斗力的重要因素.而备件是实施战场抢修的重要资源,在战场条件下,由于装备的使用及环境条件恶劣,战斗损伤不可避免,备件消耗较平时大幅增加,且呈现许多不同的特点规律.由于战场抢修多采用换件修理的方式进行,其对备件的依赖性增大,能否及时有效地提供抢修备件,直接关系到战场抢修工作能否顺利进行.     

基于并行蚁群优化的多UCAV任务分配仿真平台

多无人作战飞机(UCAV)协同作战是UCAV参与战斗的主要模式,而多UCAV任务分配是多UCAV协同作战研究的关键问题。针对现有多UCAV任务分配方法中所存在的计算量大、运行时间长等问题,提出了一种基于并行蚁群优化(ACO)的多UCAV任务分配方法。在构建多UCAV空战优势矩阵的基础上,给出了综合态势评估函数;随后阐述了基本ACO算法的基本原理和数学模型,提出了一种用并行ACO算法解决多UCAV任务分配问题的实现方法;最后基于MATLAB图形用户界面(GUI)开发了一种基于并行蚁群优化的多UCAV任务分配仿真平台。实践证明该仿真平台具有良好、开放的可扩展性,且使用方便。     

多无人机协同任务分配混合粒子群算法

针对多无人机协同任务分配问题(MTAP),设计了一种综合考虑飞行航程、任务收益以及任务完成时间窗口的混合粒子群任务分配算法。首先,将粒子位置编码为一组任务分配向量,针对同时打击场景可能存在的死锁问题,设计了一种基于多打击任务有向图的死锁检测和修复算法,解码出对应一组可行的任务分配解或方案,实现粒子群算法解的离散化。另外,对于传统粒子群算法(PSO)容易陷入局部收敛的缺点,提出一种基于变邻域搜索算法的跳出局部收敛策略,并建立局部搜索启动概率准则,实现跳出局部收敛和计算开销的平衡。最后,将跳出局部收敛的策略嵌入到粒子群算法中,得到协同任务分配的混合粒子群算法(HPSO)。另外,针对新目标发现导致的初始计划失效问题,设计了一种基于匹配策略的局部任务重分配方法。仿真实验证明,所提出的混合粒子群算法能够有效解决异构多无人机同时打击场景中的任务分配问题。     

通信约束下异构多无人机任务分配方法

针对异构多无人机协同执行侦察和打击任务中,存在通信距离、时间延迟等约束条件下的局部任务分配问题,提出了一种基于合同网的分布式多无人机任务分配方法。首先建立了异构集群发现新目标时的局部任务分配问题模型,设计了局部无人机通信网络中的信息一致性算法,实现了任务分配过程中任务发布阶段各无人机的冲突消解。设计了任务分配过程中的联盟构建和无人机资源管理方法,使联盟中各无人机能够以更加平衡的方式消耗资源。仿真结果表明,该方法能够解决通信约束下,异构多无人机执行察打任务时,所触发的针对目标打击任务的任务分配问题,且能够获得最大的系统效能。     

基于改进贪心算法的无人机集群协同任务分配

无人机集群由于其强大的信息共享与行为协作等优势,在军事、民用及科研等领域发挥了重要作用.然而无人机集群在执行大规模任务时,任务的时间约束、时序关系以及性能要求都对集群任务的协同规划与分配提出了巨大的挑战.针对多无人机协同飞行约束下的任务分配问题,本文提出了一种基于改进贪心算法的无人机集群协同任务分配算法,在保证无人机间...     

光固化复合材料在飞机结构抢修中的应用研究

紫外光固化技术应用于航空装备战伤抢修领域(研究开发光固化复合材料预浸料修理补片,研制快速固化设备,研究制定飞机结构战伤快速抢修工艺),适用于多种材质、不同损伤形式、复杂结构件的快速抢修,通用性强、操作方便快捷.由于修理补片存储期长,可预先制备作为战时储备,以减少对备件的依赖性.抢修设备体积小、重量轻、携带方便,适于野外作业.     

到达航班排序与调度优化的遗传算法研究

解决机场到达航班的排序与调度(ASS)问题是保持空中交通通畅、减少航班延迟的主要途径.本文针对ASS问题的特点,建立了以航班总延误时间为目标函数的排序模型,提出了基于格里芬斯塔特编码和滚动时域优化策略的遗传算法,并对排序模型进行了仿真分析.结果表明:与先到先服务算法相比,本文算法能显著减少航班总延迟,同时较常规遗传算法...     

基于自适应遗传算法的航迹关联模型

如何解决关联过程巾产生的多维分配问题,是研究多节点航迹关联的关键。遗传算法能够很好地解决组合优化问题。但是基本遗传算法具有收敛速度慢和易于早熟等缺点,对于计算航迹关联问题来说实时性较差。文章在利用遗传算法解决航迹关联问题算法的基础上进行了改进,提出了自适应策略。仿真试验表明,该模型能够使航迹关联保持较高的正确关联率和较快的计算速度。     

Pareto遗传算法在气动外形优化中的应用

Pareto方法作为一种多目标优化方法,能够一次性获得优化问题对应的不同权重分配情况下的所有最优解集。它与遗传算法结合产生的Pareto遗传算法,是求解多目标优化问题的Pareto最优解集合的一种有效手段。本文将两种常用的Pareto遗传算法,MOGA方法和两支联赛遗传算法应用到气动外形优化中,针对具体算例进行气动外形的优化设计,得到了满意的优化设计结果。     

基于启发式蚁群算法的协同多目标攻击空战决策研究

协同多目标攻击空战决策是现代战机在超视距条件下进行协同空战的关键技术之一。它是寻求一个优化分配方案,将目标分配给各友机,力求使攻击效果最优。本文在对协同多目标攻击战术进行深入分析的基础上,提出了一种用于空战决策的启发式蚁群算法,该算法通过求解友机导弹对目标的最优分配来确定空战决策方案。仿真实验表明所提出的启发式蚁群算法对最优解的搜索效率明显优于基本蚁群算法,是一种求解协同多目标攻击空战决策问题的有效算法。     

遗传算法与模糊方法相结合在电梯群控中的应用

提出了一种基于改进遗传算法的群控多目标优化调度方法。对乘客候梯时间,乘梯时间,拥挤度和电梯系统运行能耗等多个控制目标进行优化。改进遗传算法由模糊控制与遗传算法组和构成,在遗传操作过程中采用首位存放策略。采用MATLAB编写通用性仿真程序,在给定建筑物参数和电梯配置参数条件下,对调度算法进行仿真,数值结果表示该方法是有效的,可行的。     

并行遗传算法的性能分析

随着遗传算法的不断发展,人们利用它来解决复杂的大规模组合优化问题。但串行遗传算法本身的缺陷和瓶颈使得它越来越天法满足人们的需要,人们开始研究遗传算法的并行化。本文在简单介绍并行遗传算法及研究现状的基础上,以TSP问题（TravelingSalesmanProblem）为实例,讨论了影响并行遗传算法性能的主要因素,并给出了相应的实验结果。     

基于遗传算法的多振动台随机振动控制方法

 针对多振动台随机振动控制问题中求解补偿矩阵的广义逆算法,提出利用遗传算法对补偿矩阵的初值进行优化,解决了该类非线性、大范围极值求解问题。双振动台随机振动控制的仿真实验研究表明:将基于遗传算法的广义逆求解补偿矩阵方法引入随机振动控制过程,在同等精度条件下,计算时间大为缩短并改善了控制中共振峰处的奇异性,使广义逆算法在多振动台随机振动控制中的在线应用成为可能。     

Pareto基因算法多目标翼型优化设计

 基于 Pareto最优解的定义,通过构造新型的联赛式选择复制等算子而发展了一种适合于求解多目标优化设计的 Pareto基因算法。通过等级法来正确识别每一代中近 Pareto波阵面的解,从而消除选择误差达到快速收敛的目的。为提高解的分布性:采用小生境技术解决了基因材料多样性损失问题;采用常规实数编码方式配合平均交叉算子解决了编码端点效应问题。将所发展的方法应用于多目标翼型优化设计中,获得了理想的 Pareto波阵面,为决策者提供了一个可选的有效解数据库。     

Optimization Design System for Composite Structures Based on Grid Technology

To solve the topology optimization of complicated multi-objective continuous/discrete design variables in aircmit structure design, a Parallel Pareto Genetic Algorithm （PPGA） is presented based on grid platform in this paper. In the algorithm, the commercial finite element analysis （FEA） software is integrated as the calculating tool for analyzing the objective functions and the filter of Pareto solution set based on weight information is introduced to deal with the relationships among all objectives. Grid technology is utilized in PPGA to realize the distributed computations and the user interface is developed to realize the job submission and job management locally/remotely. Taking the aero-elastic tailoring of a composite wing for optimization as an example, a set of Pareto solutions are obtained for the decision-maker. The numerical results show that the aileron reversal problem can be solved by adding the limited skin weight in this system. The algorithm can be used to solve complicated topology optimization for composite structures in engineering and the computation efficiency can be improved greatly by using the grid platform that aggregates numerous idle resources.     

平均场网络在航迹关联中的应用

在多节点分布式多传感器融合系统中,航迹关联问题可以化为多维分配问题。多维分配问题是一个典型的组合优化问题,很难得到问题的最优解,而且其计算量会随着问题维数和目标数的增加容易呈现指数爆炸现象。在二维平均场人工神经网络的基础上提出了一种三维平均场网络模型用于解决此三维分配问题。仿真结果表明,该人工神经网络模型,能够有效解决多维分配问题,具有较高的关联正确率,当目标数不是很多时,可满足工程上的要求。另外,提出的三维网络模型可以推广到多维情况用于解决多维分配问题。