应用改进多种群遗传算法的多星成像目标规划方法

针对目前多星成像目标规划求解算法容易陷入局部最优解,且对于大区域目标及规划时间周期较长时不能尽快规划出较优的成像方案问题,提出一种改进多种群遗传算法的多星成像目标规划方法。以成像规划方案周期最短、覆盖率最大为目标函数建立模型;利用改进的多种群遗传算法对模型进行求解,采用移民算子种群在多种群之间关联及更新种群,保留每代进化中的最优成像方案。利用多星对区域目标成像验证了所提出的方法,结果表明:此方法能够较好地用于模型的建立及求解,有效地规划出目标函数较优的成像方案。     

遗传算法在多目标干扰中的应用

为了解决多目标干扰中多参数波形优化设计,在标准遗传算法的基础上,对交叉、变异概率做自适应处理,提出一种基于二进制编码的自适应遗传算法。改进后的自适应遗传算法不仅解决了多参数波形优化中需考虑参数过多、高维、无约束条件、无法用常规方法得到理想波形的问题,而且与标准遗传算法以及未做自适应处理的改进遗传算法相比,在算法的收敛性方面和全局搜索方面都有了提高。仿真实验证明该算法的有效性和正确性。     

基于混沌优化自适应遗传算法的数据关联求解

通过判断目标量测值和运动状态之间的最优对应关系,将数据关联问题描述为一类约束组合优化问题,采用混沌优化自适应遗传算法来求解数据关联问题,仿真结果表明,这种算法具有很高的关联成功率;此外,分别采用自适应遗传算法、混沌优化算法以及混沌优化自适应遗传算法求解数据关联问题,结果表明,混沌优化自适应遗传算法求解数据关联问题的最优率明显高于其他2种方法,且其收敛速度也明显快于单独使用自适应遗传算法或混沌优化算法。     

改进的遗传算法在模块化考试自动组卷中的应用

自动组卷是典型的多目标优化问题,针对软件工程等科目存在模块化的特点,建立了试题库及多目标优化组卷模型,对不同的目标根据其重要性采用不同的权重系数,将多目标优化问题转化为单目标优化问题,使用了遗传算法进行求解,根据约束条件存在着硬约束与软约束条件,改进了可行解的产生方法,求解过程中采用精英策略对种群进行选取,并对交叉、变异算子进行优化。经实际测试,组卷成功率与算法的收敛速度均可达到自动组卷的要求。     

具有异构多操纵机构的飞行器复合控制技术

提出了具有异构多控制机构的飞行器复合控制决策与管理系统结构,建立了具有气动力/推力矢量/直接侧向力的异构多操纵机构的飞行器动力学模型,提出了模糊自适应控制分配与复合控制器优化集成设计方案。设计了基于参考模型的模糊自适应控制分配策略,使气动力/推力矢量/直接力任意形式组合及动态分配过程中复合执行机构等效动态特性与参考模型一致。采用进化策略对导弹复合控制系统参数进行了多目标优化设计。分别针对不同的组合形式进行了仿真研究,证明了具有异构多操纵机构的飞行器复合控制系统具有很好的快速大机动跟踪能力,实现了飞行器气动力/推力矢量/直接侧向力之间不同形式组合控制系统的自适应控制分配。     

压电自适应桁架结构控制一体化设计

针对压电自适应桁架结构,建立了含有主动元件位置的结构控制一体化设计数学模型,以结构重量作为目标函数,以结构静、动态响应作为约束函数,同时优化结构设计参数、控制参数和主动元件的位置。提出一种解决混合变量一体化设计问题的新方法,该方法将近似概念、遗传算法和对偶法相结合。首先采用组合多点近似函数建立原问题的序列近似问题,再对近似问题中的(0,1)离散变量和连续变量采用遗传算法和对偶方法分别寻优的分层优化策略。算例表明本文方法由于遗传算法只用于求解近似问题,因此只需要很少的结构分析次数就能得到最优解或近似最优解。     

约束处理策略对遗传算法优化性能的影响

根据遗传算法处理带约束优化问题时常用的拒绝策略或惩罚策略的优势与不足,提出一种“自适应拒绝＋惩罚”相结合的约束处理策略,分别采用3种不同约束处理策略完成了空中发射运载火箭的优化设计,并对优化结果进行了比较.结果表明,对于约束严的优化问题,拒绝策略收敛速度较慢;惩罚策略中罚函数的形式对优化结果影响较大;“自适应拒绝＋惩罚”策略拒绝所有约束破坏程度超过容许范围的非可行解,并对约束破坏程度在容许范围内的非可行解进行惩罚,可大大改善遗传算法处理严约束优化问题的优化性能.     

大型星座混合模拟退火遗传算法测控任务规划

提出了一种基于拥挤度的混合模拟退火多层编码遗传算法,用于解决大型星座的测控任务规划问题。首先,建立了大型星座测控问题的约束满足模型,对任务规划过程中的各种约束条件和优化目标进行了形式化描述。第二,采用多层编码的方法建立测控方案与解空间的对应关系,并采用遗传算法的启发式方法进行全局搜索。第三,为了增加种群的多样性并加快收敛速度,在每代进化结束后对种群中最优的部分个体进行基于拥挤度的模拟退火。超180颗卫星,32个地面测控天线的真实大型星座测控任务规划试验表明,基于拥挤度的混合模拟退火遗传算法的任务完成率高达99%,归一化综合收益大于0.9,算法运行时间小于15 min,验证了该方法具备工程实用价值。     

基于输出裕度的批量飞轮力矩优化分配策略研究

为解决传统航天器飞轮力矩分配策略会导致力矩分配不均而影响飞轮寿命的问题,建立了力矩分配问题的数学模型,对基于输出裕度的批量飞轮力矩优化分配策略进行了研究。首先,在考虑飞轮最大输出力矩受限情况下,推导出能量最优分配策略,以保证飞轮组的输出力矩方向不变;其次,为处理传统能量最优分配策略中可能出现的某个飞轮力矩过大而导致其寿命缩短的问题,提出了输出裕度概念,并建立了多目标优化模型,将多目标优化分配转为权系数的选择;再次,用权系数方法描述批量飞轮的性质,推导出一种系统能量和输出裕度双目标优化的分配策略。基于力矩输出裕度进行优化,可在优化航天器能量消耗的同时均衡各飞轮的输出力矩,节省能量并延长飞轮使用寿命,从而提高了航天器可靠性。针对八斜装飞轮的仿真结果验证了所提方法的有效性。     

基于并行禁忌遗传算法(PTGA)的预警卫星传感器调度研究

对预警卫星的传感器调度进行了研究，提出了传感器管理调度的系统组成。通过对传感器调度的分析，建立起相应的数学模型，定义了评价指标。结合并行遗传算法和禁忌搜索的特点，提出了一种新的解决预警卫星传感器调度问题的并行禁忌遗传算法(PTGA)。该算法采用多种群和禁忌搜索思想改进遗传算法的性能，从而提高整个算法的收敛速度和精度。实验结果表明该算法有效地解决了多目标情况下的传感器实时调度问题，并优于一般启发式算法。     

一种综合分析LRE减损控制律的智能方法研究

应用遗传算法解决液体火箭发动机减损控制律综合分析这个典型的多目标优化问题,可以解决传统优化方法在该问题中的局限性。分析了遗传算法在解决液体火箭发动机减损控制律综合分析中的具体应用问题,如编码方案、种群设定、适应度函数设计、约束条件处理、选择机制、交叉与变异操作以及遗传算法有关参数的确定等,分别给出了可行的取值参考范围。应用SPEA进行了仿真计算,结果表明遗传算法在综合分析减损控制律时是有效的,为智能技术在液体火箭发动机减损控制中的应用提供了方法探索。     

基于多目标遗传算法的反舰导弹中制导惯组精度优化分配方法

针对反舰导弹的中制导惯组精度分配问题,提出了一种基于遗传算法的精度优化分配方法。首先,分析了影响中末制导交班的误差因素,建立了中末制导交班模型;然后,依据误差实现的技术难度、成本等综合指标建立了惯组工具误差指标实现的代价函数;最后,利用多目标遗传算法实现惯组工具误差分配。仿真结果表明,该方法分配的惯组工具误差精度能可靠地保证中末制导交班条件,且指标实现的代价最小。     

基于自适应动态逆的高超声速飞行器姿态复合控制

考虑高超声速飞行器再入过程中存在气动舵低效的问题,提出了质量矩/气动舵复合控制方式,研究了这两类执行机构的复合控制分配问题,并针对高超声速飞行器强非线性和不确定性的对象特性,基于神经网络方法设计了自适应动态逆姿态控制系统。首先给出了质量块配置原则以及质量矩/气动舵复合控制模型;其次,为获得良好的控制分配精度并保证较小的执行机构能耗,基于二次规划方法设计了质量矩/气动舵复合控制分配策略;再次,利用神经网络权值的自适应调整来逼近系统中存在的不确定性,补偿动态逆误差,设计了基于神经网络的自适应动态逆控制器。最后,通过仿真验证了文中控制分配策略和自适应动态逆方法的有效性。     

复杂系统可靠性多目标优化设计和决策研究

针对复杂系统可靠性设计问题．采用改进非支配排序遗传算法（NSGAⅡ）研究了可靠性分配中的多目标优化设计。根据Pareto最优解集形成决策矩阵,基于信息熵法得到属性权重,利用逼近理想解的排序方法（TOPSIS）进行多属性决策研究,对Pareto最优解给出排序。采用本文方法讨论了一个复杂系统可靠度的分配和预测算例。数值算例表明．综合采用多目标优化和多属性决策技术．可以迅速、客观选择各部件的可靠度。这种综合方法还能用于可靠性研究的其他领域。     

面向GEO目标的快速在线在轨服务任务规划

针对地球同步轨道多对多在轨服务任务规划问题,提出了一种基于拍卖算法和先验知识的改进启发式拍卖算法(IHAA)。首先,建立了基于Lambert变轨的任务规划问题表征,设计了给定变轨时长约束下的快速燃料最优估计策略。其次,针对考虑J 2摄动影响的航天器在轨服务规划问题,提出了一种基于拍卖算法的快速求解流程。其中,为确定每一轮拍卖算法任务列表,提出了基于变轨先验知识的目标优先级排序启发式策略,实现了快速的服务时序确定方法;此外,为减少因部分航天器服务能力低导致的分配失败情况,设计了一种基于失败任务再分配的重拍机制。最后,将所提算法与遗传算法、模拟退火算法进行了对比,结果表明IHAA可以快速给出相对适应度较高的规划结果,可用于突发事件星上在线自主规划,亦可提供优化算法初值以提升规划效率。     

空间变化场景下卫星部组件域适应识别研究

针对小样本限制下卫星部组件识别域适应困难的问题,提出一种变化场景下自适应迁移的目标识别算法.卫星部组件的识别模型框架为YOLO,迁移算法包括3个策略:基于特征关联性的样本加权策略,基于模型的参数自适应策略和最优特征变换自适应迁移策略.基于以上策略,YOLO模型建立域特征空间的相似性,选择性地迁移源域知识,同时在适应过程...     

基于多模型自适应估计的混合策略微分对策制导

为有效降低多模型自适应估计器算法的计算量,本文采用目标机动命令构建其离散化假设空间,同时考虑到目标机动随机时间切换所需的检测时间要求,对多模型自适应估计器并行运行的成员滤波器数目进行了简化,基于这种简化的多模型自适应估计器对提出的混合策略微分对策制导方案进行了仿真研究。混合策略微分对策制导综合考虑了两种基本的微分对策制导律的优势和不足,针对最优目标机动随机切换时间段的不同而应用相应的制导策略。仿真结果表明简化的多模型自适应估计器方法可以实现系统状态的较好估计,包括目标加速度的估计,混合策略微分对策制导也具有较好的目标拦截性能。     

集群航天器鲁棒自适应快速任务分配

针对集群航天器协同观测任务分配问题，提出一种基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略。为提高燃料消耗指标的计算效率，利用深度神经网络直接预测连续推力转移轨迹的燃料消耗，避免在线规划相对运动轨迹。通过构造虚拟收益矩阵和分配向量使得拍卖算法适用于航天器数与任务数目不一致的分配问题。为提高拍卖算法的收敛速度，提出报价增量自适应调整策略。考虑到通信失联、航天器故障等不确定因素，通过在线调整故障航天器的收益和报价矩阵以提高算法鲁棒性。数值仿真表明深度神经网络对燃料消耗指标预测精度高，基于深度神经网络和鲁棒自适应拍卖算法的快速任务分配策略可在保持计算精度的同时，将计算效率提升约两个数量级。     

用混合遗传算法求解QoS组播路由选择方法

随着大量新兴多媒体在高速网络中的应用,组播成为网络支持多媒体业务的关键技术之一。针对现有遗传算法在解决QoS组播路由问题中存在收敛速度慢与早熟的缺点,论文提出一种双种群的混合遗传算法——嫁接遗传算法,来求解多约束组播路由优化问题。算法通过引入嫁接种群以及设置了适当的遗传算子,在明显加快收敛速度的同时,还增强了避免早熟的能力。最后通过仿真实验证明该算法操作简单、搜索速度快、效率高且具有较强的实用性和鲁棒性。     

基于多策略融合的快速核相关滤波目标跟踪算法

针对核相关滤波算法(Kernel Correlation Filter,KCF)对快速运动目标跟踪精度较低、实时性较差的问题,提出多策略融合的快速核相关滤波(Multistrategy KCF,MSKCF)算法。该算法基于KCF框架,融合多个策略,将Faster Regin-CNN网络结构、特征极差、滤波尺度因子引入目标图像识别窗口标定和尺寸自适应更新,解决了识别窗口与目标大小不适应的问题,实现了自动跟踪。本文采用北斗导航卫星模型进行了验证,结果表明MSKCF可以自主获得初始跟踪窗口,目标跟踪精度与速度均有所提升。