基于差分进化算法的异构型分布式阵列优化

分布式阵列在突破了传统布阵环境限制的同时,还具有较高的增益,使其在实际工程中获得了广泛的应用。针对分布式阵列方向图存在较高的旁瓣问题,结合阵列性能约束和阵列位置约束,建立二维异构型分布式阵列优化模型,通过差分进化算法对子阵分布位置进行优化。并从变异策略、选择策略和控制参数三个方面对传统的差分进化算法进行改进。仿真分析结果表明,该方法能够有效抑制分布式阵列的峰值旁瓣电平,相比传统的差分进化算法,该算法全局收敛能力更强、收敛速度更快。     

基于差分进化的混合地面等待优化策略

针对地面等待策略问题,论文提出一种基于差分进化的混合地面等待优化策略。该优化策略以差分进化算法为基础,引入ROV规则对连续解和离散解进行相互转换、NEH方法进行初始化和Pairwise这种方法对局部值进行优化,这样,提出的混合算法的全局搜索和局部搜索的能力进一步得到了平衡。最后,用文献中的实例进行测试,实验结果表明:与同类算法相比较,文章算法在寻优速度、优化精度和稳定性等方面表现出较强的竞争力和较好的鲁棒性。     

改进变异策略的自适应差分进化算法及其应用

针对标准差分进化(Differential Evolution,DE)算法存在控制参数难以选取以及变异策略缺乏稳健性的不足,提出一种基于改进变异策略的自适应DE算法.该方法用随机选取子种群的最优个体替代全种群最优个体进行变异操作;然后采用柯西分布和正态分布分别对收缩因子和交叉概率进行扰动,并在进化过程中利用胜出个体自适应地递推调整参数分布.对五个典型Benchmark函数的测试结果表明:该方法在全局搜索能力、收敛速度和精度以及可靠性上比标准DE算法都有了大幅度提高.将该方法用于分布式孔径雷达的方向图综合问题,通过较少的仿真次数即可稳定的获得更低的旁瓣电平.     

用于快速仿真优化的改进差分进化算法及其应用

提出一种改进的差分进化算法,采用一种“位变”方法计算收缩因子,该方法首先根 据适应值对种群排序,然后根据各个体的排列位置确定收缩因子;采用正态分布函数对算法 参数进行随机扰动来维持种群的多样性;该算法还提出一种新的变异算子,并将其与基本的 差分变异算子结合使用以提高算法的寻优精度。经过对多个Benchmark函数的测试、分析和 比较,结果表明该算法具有较高的收敛精度和较快的收敛速度。最后将该算法用于火箭发动 机涡轮气动优化,以较小的计算成本将涡轮气动效率提高了2.5％。应用结果表明该算法 适用于快速仿真优化问题,能有效地节约计算成本。
     

考虑成像质量的敏捷卫星任务调度模型与算法

针对敏捷卫星任务调度中成像质量受观测时间影响的特点,构建考虑观测时间因素的约束满足模型,提出一种将离散差分进化与变邻域搜索相结合的求解算法(DDE-VNS)。首先,描述敏捷卫星任务调度时间约束;其次,考虑观测时间对成像质量的影响、任务间姿态转换时间约束、星上存储与能量约束等因素构建了敏捷卫星任务调度的约束满足模型;再次,设计离散差分进化的变异、交叉和选择算子,采用变邻域搜索对每次迭代的最优解进行局部搜索以寻找更好的邻域解,并给出了算法的实现流程。仿真结果表明,利用该模型可获得收益值较高的调度方案,且该算法在收敛速度更有优势。     

基于粒子群优化算法的月面巡视器全局路径规划

在月面巡视器遥操作系统中,路径规划分为任务级路径规划、全局路径规划和局部路径规划。根据巡视器全局路径规划的应用要求,引入粒子群优化算法应用于全局导航点的规划。针对粒子群算法在路径规划中容易造成不收敛或病态收敛的问题,对算法进行了修改,去掉了速度更新中的速度惯性因子,只保留自身认识因子和社会认识因子,使其在全局路径规划中能够快速收敛;同时引入经典遗传算法中的变异因子以增强算法的全局优化能力。仿真结果表明该算法具有计算简单、全局寻优能力强等特点,能够快速地找到优化的全局导航点。同时在不同的模拟月面地形上进行仿真试验,针对存在的问题提出了对应的二次优化方法,结果表明该方法较好地满足了巡视器全局路径规划的应用需求。     

最佳矢量与遗传算法在结构系统可靠性优化中的应用

利用目标函数和约束函数的梯度信息,给出了基于结构可靠性的最佳矢量优化方法,其具有较强的局部搜索能力、收敛快等特点,并结合遗传算法较强的全局搜索能力构造了基于最佳矢量优化方法和遗传算法的混合算法。该方法结合了二者的各自的特点,使两种算法的搜索能力得到了相互补充,祢补了各自的弱点。结合算例表明,应用该方法所得的优化结果好于单独使用最佳矢量优化方法或单独使用遗传算法所得的优化结果,该方法是一种优化能力、效率较高的优化方法。     

太阳系多目标探测轨道优化设计

将太阳系多目标探测的轨道优化设计问题转换成非线性规划问题,建立了轨道优化模型.针对非线性规划问题解的多峰性,设计了一种融合改进的网格搜索算法和差分进化算法的组合优化算法.利用改进的网格搜索算法以适当的步长寻找理想的发射窗口和各阶段转移时间,产生差分进化的初始群体,进而使用差分进化算法搜索初始群体附近的子空间,通过全局范围内的比较得到较理想的结果.最后以2018 ～2020年太阳系多目标探测为例,面向土星环绕探测任务完成了飞行中途探测太阳系多颗大行星的轨道优化设计.数值仿真结果表明上述算法对太阳系多目标探测轨道优化设计具有较好的通用性和应用参考价值.     

基于改进PSO-WNN的高频地波雷达 电离层杂波抑制方法

高频地波雷达的海上目标探测能力与电离层杂波的抑制效果息息相关,而电离层杂波的复杂性与变化多样性又为抑制带来了难题。为实现电离层杂波的抑制,分析了电离层杂波的混沌特性,在此基础上提出一种基于改进粒子群算法优化小波神经网络的抑制方法,解决了粒子群算法易早熟和易陷入局部最优的缺点;提出一种自适应概率变异的策略,丰富了种群多样性,使得整个迭代过程中粒子群能够跳出当前最优,寻得全局最优。实测实验表明,基于改进粒子群算法优化的小波神经网络（PSO-WNN）能够基本预测电离层杂波的数值,进行电离层杂波的抑制,有效改善了信噪比,对电离层杂波的抑制研究具有重要意义。     

一种基于进化计算的空间飞行器编队重构轨道规划方法

基于进化算法提出了一种两层结构的空间飞行器编队重构的轨道规划算法,高层算法通过优化构型映射来优化编队的总燃耗,实现全局规划并确保飞行器之间保持一定的安全距离以避免相互碰撞;低层规划算法采用Chebyshev多项式逼近控制变量空间,为每颗飞行器规划满足约束条件的最优轨道。该方法充分利用了编队的分布式结构,由各飞行器并行实现各自的轨道规划,能有效解决大型编队的轨道规划问题。仿真结果表明了该方法的有效性。     

基于MADDPG的多无人机协同任务决策

针对多无人机任务决策方法研究中传统优化算法难以在短时间内得到期望结果的问题,基于深度强化学习提出一种无人机多智能体深度确定性策略梯度(MADDPG)算法,通过允许无人机在学习时使用全局信息,在应用决策的时候只使用局部信息的方法,从网络结构、状态空间、动作空间和奖励函数设计了MADDPG算法的模型结构。最后通过仿真实验,并对比深度确定性策略梯度(DDPG)算法,验证了本文提出的MADDPG算法在保证精度的基础上,学习速度大幅度提高,弥补了传统强化学习算法在多智能体领域的不足。     

高轨卫星远程抵近轨道优化研究

针对高轨远程转移抵近的机动策略优化问题,使用Pork-chop速度增量等高线图对时间约束内单脉冲Lambert转移进行分析.而后建立多脉冲转移抵近的数学模型,以燃料最省为优化目标,使用差分进化算法(DE)搜寻全局最优解.通过仿真验证在不同脉冲次数、不同时间约束情形下的轨道抵近计算,得出三脉冲转移抵近相对较优的结论.     

一种改进的微分进化算法及其在多目标访问任务中的应用

研究在给定时空约束下利用单平台机动实现地面多目标重访任务问题的建模与求解。首先在问题描述和建模过程中考虑多约束与性能指标要求,大大缩减优化算法的参数搜索空间,提高求解效率;然后针对传统微分进化算法的不足,提出一种改进的微分进化算法,并将其应用于求解多约束多目标重访优化问题。改进的微分进化算法通过引入双重自适应因子和独立变异体,提高了算法的优化效率并使其在陷入局部最优后仍具有一定的跳出局部最优的能力。仿真中改进的算法在打靶仿真均值,最优结果和均方差方面都远优于传统算法,验证了本文设计的建模方法和改进优化算法的正确性和有效性。     

基于改进遗传算法的飞行航迹规划

航迹规划技术是有效提高飞行器突防概率的关键技术之一,能在大范围的真实环境中 规划出满足各种约束的较优航迹,因此对所采用的算法有比较高的要求。基于此,首先 研究了航迹包含的角度、高度、航迹段长度及飞行器的最大航程等约束条件;其次对航迹编 码方式进行了改进,采用数组混合编码方式;并对遗传算法的交叉概率和变异概率的计算、 交叉算子和变异算子进行了改进,并应用该算法在求解航迹规划问题上进行了应用仿真研究 。对应用不同的航迹编码方式所得结果进行了对比分析。仿真计算表明,该算法能够规划出 一条满足要求的航迹,避免了分层规划的复杂性,提高了算法的工程实用性。
     

改进PSO优化WNN的液体火箭发动机故障检测

提出一种改进粒子群优化的小波神经网络模型,将其应用于火箭发动机的故障检测研究.针对传统粒子群算法初期容易陷入局部最优的问题,改进粒子群算法的惯性权重和学习因子,采用逐渐递减的选取方式.进行动态调整后的粒子群算法有利于在初始迭代时寻找满足条件的局部最优值,在寻找到局部最优值之后能够快速地收敛逼近于全局最优值,提高运算效率...     

基于递推差分进化算法的空间机器人参数辨识

针对空间机器人抓取未知目标时的特性参数以及关节摩擦系数的辨识和在线修正问题,提出一种基于递推差分进化算法的实时参数辨识方法。首先采用静态连续摩擦模型描述机器人的关节摩擦特性,并建立两关节空间机器人的非线性动力学模型,然后基于差分进化算法和递推最大似然估计法推导出递推差分进化算法,并用于空间机器人的参数辨识,最后仿真校验了该辨识方法的有效性。仿真结果表明,该算法的辨识精度优于遗传算法和最小二乘法,辨识速度较快,能满足遥操作的要求,且对于动态信息有较好的跟随性。     

空间交会调相综合变轨优化

基于近圆轨道偏差线性方程研究了摄动交会调相综合变轨问题,建立了综合变轨两层非线性优化模型:上层问题以变轨点纬度幅角为优化变量,下层问题以脉冲向量为优化变量.为了快速获得上层问题全局优化性较好的摄动解,采用了并行模拟退火算法与序列二次规划算法相结合的混合策略;下层问题使用基于可行域最速下降的线性迭代方法求解.采用一个两天近地轨道调相问题测试了本文的综合变轨求解策略,并将综合变轨与特殊点变轨、综合变轨混合优化与遗传算法优化进行了比较.结果表明,建立的两层优化模型是有效的,本文的求解策略有着良好的全局收敛性和较高的收敛效率,综合变轨相对于特殊点变轨可以显著地节省燃料.     

大型磁悬浮CMG转子的组合优化策略

为提高空间站用大型磁悬浮CMG（Control Moment Gyroscope）系统的设计效率,并获得最优设计参数,针对高转速（12000r/min）大角动量（1000N·m·s）磁悬浮转子进行优化设计与分析。提出了一种基于遗传算法(Genetic Algorithm, GA)和序列二次规划算法(Sequential Quadratic Programming, NLPQL)的组合优化策略来优化转子组件。采用ANSYS进行参数化建模,通过ISIGHT软件集成ANSYS实现优化过程。取转子质量和最大等效应力分别最小为优化目标,选择转子轮盘结构尺寸为设计变量,并根据转子运行工况对转子提出包括尺寸、强度、效能等方面约束限制。与GA、NLPQL算法相比组合优化策略的优化结果要优于单纯使用一种全局优化算法或局部优化算法。组合优化策略结果表明转子质量减少了3.92%;安全系数提高了2.69%。实验结果证明了组合优化策略的设计结果。     

载人登月绕月自由返回轨道混合-分层优化设计

针对载人登月绕月自由返回飞行任务,提出一种混合-分层轨道优化设计方法。将高精度模型下强约束自由返回轨道设计问题转化为有约束非线性规划求解问题,在此基础上提出一种混合-分层优化求解策略。在双二体模型下利用差分进化算法(DE)与序列二次规划(SQP)相结合的混合优化算法快速求解了满足弱约束条件下的轨道初值问题。采用序列二次规划(SQP)构造两层迭代格式,在高精度模型和强目标约束下对初步设计轨道进行逐层修正。最后,通过仿真测试,文章所述方法的可行性与有效性得到了验证。仿真飞行结果还进一步表明该设计方法具有求解精度高、收敛速度快等优点,为探月工程任务提供了一种有效的轨道设计工具。     

一种稳健的基于峰度的独立分量分析算法

给出了一种基于峰度最大化的独立分量分析算法,通过优化步长因子来得到全局最优值,采用代数方法求解方程根的方法得到最优步长参数,与迭代算法求解相比,结构清晰、实现简单,而且不需要对混合信号做白化预处理,算法运算量较低。仿真实验验证了算法优良特性。