基于改进实数遗传算法的函数全局优化

将一种改进的实数遗传算法用于函数全局优化。改进的算法建立在对基本实数遗传算法搜索特性判断的基础上。文中对实数遗传算法的基本操作进行了简单的讨论和选择 ,将一种混沌序列作为刺激因素加入到算法中 ,并将区域划分与取舍的思想应用到算法结构改进中。数值实验显示 ,新方法对寻找复杂问题的全局解、提高搜索精度方面较基本实数遗传算法有较大改进。     

求解多目标优化问题的随机梯度遗传算法

遗传算法的收敛速度很慢，为此引入另一种解决优化问题的工具，即Simultaneous Perturbation Stochastic Approximation(SPSA)算法，该算法是一种简单、易实现、高效率的随机逼近算法。本文将SPSA算法作为一种快速局部优化方法并将其和遗传算法的整体搜索策略结合起来，提出一种解决多目标优化问题的随机梯度遗传算法，对新算法的执行策略进行了认真的设计。大量的数值实验表明：随机梯度遗传算法不仅提高了多目标遗传算法的收敛速度，且得到了大量的分布较均匀的Pareto最优解。     

登月软着陆轨道优化方法

针对登月软着陆问题,研究了无冲击的着陆轨道优化方法,阐述了极小值原理、蚁群算法、遗传算法和高斯伪谱法等算法用于登月软着陆轨道优化的思路。以极小值原理为例,采用燃料最优的性能指标,对登月软着陆轨道优化问题进行建模和求解。     

有限推力能量、燃料最优轨道转移控制

应用间接法研究了时间固定下的能量、燃料以及能量-燃料最优有限推力轨道转移控制问题.燃料最优问题因存在奇异性而不易处理,引入能量性能指标可以消除奇异性,应用ε算法寻求解决了燃料最优轨道转移问题.应用极小值原理,设计了最优控制器,应用单值打靶法研究了相应轨迹优化问题转化的两点边值问题.数值结果表明在相同推力、相同轨道转移时间条件下,三种最优控制方式得到的最优轨迹几乎相同;同时也表明给定初始和目标轨道,轨道转移任务消耗的燃料是确定的,推力大小只影响轨道转移的圈数.     

基于非线性模型预测控制算法的亚轨道再入轨迹优化

针对升力式飞行器再入终端需要满足窗口约束条件的情况,提出了一种基于模型预测算法的再入轨迹优化方法。该方法利用预测模型和滚动优化策略将非线性多约束优化问题转化为线性优化目标函数,并采用二次规划法求解该轨迹优化问题,得到了满足相应约束的亚轨道再入轨道。以某升力式再入飞行器为对象进行了纵向轨迹优化计算,仿真结果验证了该轨迹优化方法具有较高的精度和计算效率。     

复合材料层压板热屈曲优化设计的自适应免疫遗传算法

复合材料层压壁板的热屈曲优化问题是高速飞行器结构设计的重点考虑内容。通过对免疫遗传算法引入自适应交叉和变异,构造了一种自适应免疫遗传算法(AIGA),并将该算法应用于考虑强度约束的层压板热屈曲铺层顺序优化设计。并将算法的优化结果与简单遗传算法(SGA)、免疫遗传算法(IGA)的优化结果进行了比较,结果表明该算法收敛速度快,优化解的质量最好,并有效的克服了SGA易于早熟收敛,IGA收敛缓慢的缺点。同时研究了抗体调节系数对AIGA算法性能的影响。     

基于IOCDGA的模糊目标柔性作业车间调度优化

具有模糊目标要求的柔性作业车间调度,是柔性作业车间调度的扩展,它能够满足生产实际中对成本、生产周期及交货期等多方面指示的要求。与多目标调度相比,它还能够处理非精确指标要求问题,并且可以满足关键零件的特殊要求。为了实现对具有模糊目标柔性作业车间调度优化,提出了一种具有个体优化群体多样性的遗传算法（IOCDGA）,以加快收敛速度,避免早熟问题。该算法针对文中的编码方法,定义了群体平均差及熵,用来表示群体的多样性指标。通过多样性指标控制交叉率和变异率,该算法的进化侧重于单个或少数个体达到最优,而不是传统GA中的全部个体均为最优。计算结果表明,该算法可行,并减少了迭代次数。     

多层设计参数的叶型气动优化

针对叶片型面的设计问题,提出一种基于遗传优化算法的多层参数化方法.这种方法类似多层网格法原理,利用Bézier曲线的递推算法进行各层之间的设计变量转化,使得优化迭代过程中,下层群体中得以保存上层的优秀个体.根据遗传算法固有的并行特性构建了局域网并行优化平台,并对基本遗传算法进行了改进,从而大大缩短优化时间、提高优化效率.最后设计了曲线逼近和叶型优化的算例,结果显示多层参数化方法能明显加速收敛,在个体数较少时,效果更为明显.     

基于空间修剪法的配置设计

配置设计问题是在给定的组件中选择组件,构成能够满足特定需求和约束的产品。为了提高配置问题的求解效率,本文提出了一种配置方法——空间修剪法。该方法由“模块类修剪”、“模块属性修剪”和“模块关系修剪”3部分组成。文中通过在组合配置前将违反约束的侯选模块删除,避免了因此而产生的无效配置操作。此外还应用遗传算法的编码原理建立产品方案的描述方法,用模式表达配置空间,从而将对空间的修剪转化为对编码的操作。通过定义匹配因子来反映约束与编码的关系,并由此建立了基于模式操作的各种修剪算法。     

改进的遗传算法在云资源调度上的应用

针对传统的遗传算法(GA)在解决云资源调度问题时容易过快收敛和陷入局部最优等问题,提出了一种联合进化的遗传算法(JCGA).该算法利用多优选保留技术将适应值大的个体放到优选子种群,通过与普通子种群进行联合交叉,使种群往更优的方向进行进化.实验结果表明,JCGA算法不仅可以保证种群的多样性,还可以避免种群陷入局部最优.     

编队卫星相对轨道与姿态一体化耦合控制

采用单个连续小推力推力器以及反作用飞轮作为执行机构的编队卫星相对轨道与姿态耦合控制问题。采用单个连续小推力推力器时,相对轨道控制推力作用时间较长,同时在任意时刻或一段时间内推力矢量不能指向空间任意方向,且其依赖于卫星当前姿态和姿态机动能力;一些编队任务对姿态确定精度有较高要求,为了能够提供较高的姿态测量精度,星敏感器应避免对准太阳,因此姿态动力学的非凸性和非线性使得编队耦合控制问题进一步复杂化。考虑以上约束,采用高斯伪谱法把连续控制问题直接转换成离散形式非线性规划问题。最后以双星编队队形初始化最优控制为例进行数学仿真,结果表明了该方法的有效性和实用性。     

基于遗传算法的大气层外拦截弹拦截优化

提出了一种同时考虑大气层外拦截弹中段和末段飞行过程的拦截优化方法.首先建立了大气层外拦截弹中段和末段飞行的动力学模型,并设计了速度增益中制导律和鲁棒变结构末制导律;然后确定了影响拦截性能的优化控制参数及其约束条件,以拦截过程的燃料消耗质量和脱靶量最小为组合性能指标;最后采用具有全局最优性的遗传算法对这一拦截优化问题进行了仿真研究,并与复形调优算法的结果进行了比较.仿真结果表明,遗传算法与传统优化方法相比在解决大气层外拦截弹带约束复杂非线性组合优化问题时,能更好地收敛到全局最优值,并能有效降低大气层外拦截的燃料消耗和脱靶量.     

Aero-engine Thrust Estimation Based on Ensemble of Improved Wavelet Extreme Learning Machine

Aero-engine direct thrust control can not only improve the thrust control precision but also save the operating cost by reducing the reserved margin in design and making full use of aircraft engine potential performance.However,it is a big challenge to estimate engine thrust accurately.To tackle this problem,this paper proposes an ensemble of improved wavelet extreme learning machine(EW-ELM)for aircraft engine thrust estimation.Extreme learning machine(ELM)has been proved as an emerging learning technique with high efficiency.Since the combination of ELM and wavelet theory has the both excellent properties,wavelet activation functions are used in the hidden nodes to enhance non-linearity dealing ability.Besides,as original ELM may result in ill-condition and robustness problems due to the random determination of the parameters for hidden nodes,particle swarm optimization(PSO)algorithm is adopted to select the input weights and hidden biases.Furthermore,the ensemble of the improved wavelet ELM is utilized to construct the relationship between the sensor measurements and thrust.The simulation results verify the effectiveness and efficiency of the developed method and show that aero-engine thrust estimation using EW-ELM can satisfy the requirements of direct thrust control in terms of estimation accuracy and computation time.     

基于六模糊控制器的自适应遗传算法

遗传算法的性能主要取决于算法对满意解的搜索和优化的能力。本提出的自适应遗传算法可以自动均衡搜索和优化关系。该算法采用六个模糊控制器对符号编码遗传算法的遗传操作实施动态参数控制。对旅行商(TSP)问题的求解结果表明该算法在解决类似于TSP的组合优化问题时具有比标准遗传算法更好的性能。     

遗传算法在含连续/离散变量结构优化中的应用

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题。本文探讨了如何将遗传算法应用于含连续／离散设计变量的结构优化问题。着重讨论了连续／离散混合变量的编码方法和减少适应度函数计算次数的ｍ ｉｃｒｏ ＧＡ 技术。将遗传算法应用于数学考题和十杆结构尺寸／材料混合变量优化问题。两个算例表明,遗传算法能比较有效地解决含连续／离散混合设计变量的优化问题。     

某空间站太阳电池阵中央桁架热-结构耦合动力学分析

本文研究了大型空间结构的热振动问题。提出了全区间耦合单步内非耦合的有限元计算方法。既满足了计算精度，又提高了计算效率。通过对某型空间站太阳电池阵中央桁架热振动的数值仿真，得到了若干对工程实际有一定参考价值的结论。     

Identification of Magnetic Bearing Stiffness and Damping Based on Hybrid Genetic Algorithm

Identifying the stiffness and damping of active magnetic bearings(AMBs)is necessary since those parameters can affect the stability and performance of the high-speed rotor AMBs system.A new identification method is proposed to identify the stiffness and damping coefficients of a rotor AMB system.This method combines the global optimization capability of the genetic algorithm(GA)and the local search ability of Nelder-Mead simplex method.The supporting parameters are obtained using the hybrid GA based on the experimental unbalance response calculated through the transfer matrix method.To verify the identified results,the experimental stiffness and damping coefficients are employed to simulate the unbalance responses for the rotor AMBs system using the finite element method.The close agreement between the simulation and experimental data indicates that the proposed identified algorithm can effectively identify the AMBs supporting parameters.     

基于遗传算法的连续结构拓扑优化分析

结构拓扑优化设计是结构初始方案设计的重要方法。采用遗传算法，用染色体基因映射结构离散化后的单元体，通过改变基因代码实现连续结构的拓扑。在优化过程中，利用遗传算法的全局收敛性等特点进行结构优化．通过有限元技术对结构进行建模和分析。为了消除结构拓扑优化分析中的铰接和棋盘格现象，提高优化分析效率．改善优化分析结果．在结构拓扑优化分析中引入了结构约束的概念和渐进结构优化的思想。算例分析表明．本文提出的方法是合理、有效的。     

云制造资源的工序级多目标调度方法研究

由于云制造资源的分散性、多样性、负载率不均衡性等特点对其调度与调度粒度有更高的要求,将云制造任务分解后的工序作为调度的最小粒度,构建一种以最短制造服务时间、最低制造服务成本以及均衡负载率为多目标的云制造资源工序级调度模型,采用以粒子群、遗传相结合的混合多目标调度算法,将遗传算法中通过双层编码的染色体作为粒子群算法的粒子,双层编码方式是指以工序加工顺序作为第一层、工序对应加工资源编号为第二层,随后通过对染色体交叉变异进行粒子更新,使整个调度过程快速收敛于全局最优解。最后电梯实例证明了该算法能在较短的时间内给出最优的调度方案,从而有效地解决云制造资源多目标调度问题。