粒子群算法在装配序列规划中的应用方法研究

将粒子群优化算法引入到装配序列规划中,详细讨论了粒子群算法在装配规划中的数学表示,给出了适应度函数评价方法,并实现了装配干涉矩阵的构建,以发动机化油器装配为例,分析了粒子群算法在装配序列规划中的具体应用.     

基于改进鲸鱼优化算法的无人机航路规划

针对复杂地形环境下的无人机航路规划问题，提出一种基于改进的鲸鱼优化算法的航路规划算法。首先，根据起始点和目标点等信息，通过坐标系旋转将二维航路规划问题转化为D维空间下的寻优问题；然后，将灰狼优化算法中的等级制度和微分进化算法中的贪婪策略引入鲸鱼优化算法提出改进的鲸鱼优化算法。在保证算法收敛速度的同时，所提的改进鲸鱼优化算法有效地提高了开发能力和搜索能力。最后，将提出的改进算法应用于无人机的航路问题求解。仿真结果表明，所提的改进鲸鱼优化算法能够有效的获得一条代价最优的、有效的航路结果，其性能优于传统的优化算法。     

多滑翔飞行器时间协同轨迹快速规划

从高超声速飞行器集群"探测-打击-评估"一体化任务需求出发,针对多滑翔飞行器时间协同再入轨迹规划问题进行研究,提出集群再入的协同形式及轨迹规划方案,基于改进序列凸化算法解决了再入总飞行时间的精确控制问题,从而实现滑翔段时间协同。首先,给出了滑翔飞行器集群的协同策略,将求解模型转化为协同时间的确定、协同时间约束下的轨迹规划子问题。将模型中的时间项误差等加入罚函数,提高了协同轨迹求解可行性。引入飞行路径角预设剖面作为软约束,并通过罚函数与信赖域自适应调整,以避免轨迹求解时的振荡问题,提高了序列凸化算法的收敛性。以CAV-H飞行器模型为例验证了算法的有效性,仿真结果表明,所提算法对初值的敏感性低,求解得到的再入总时间可调范围与伪谱法一致,轨迹规划结果的平滑性及计算时间均优于伪谱法。     

模块化可重构卫星在轨自重构的分层规划

模块化可重构卫星具有组织灵活、操作方便、适应性强等特点，可以有效降低卫星研制和发射成本、提高卫星对紧急任务的响应速度、延长卫星寿命。重构规划问题对模块的具体移动方式进行求解，是实现自重构需要解决的核心问题之一。针对同构式旋转立方结构，给出其离散运动模型，推导出运动空间求解算法。为降低重构规划问题的不确定性和复杂程度，采用分层规划策略，将规划任务分解为设计中间构型的上层规划和求解实现中间构型移动方式的下层规划，每层规划内部独立进行求解。设计了利用Kuhn-Munkres算法实现上层规划的重构规划算法，使中间构型具有较小的结构跨度，特别适合在轨自重构的重构规划问题求解。仿真结果表明了所提规划策略和所设计规划算法的可行性和有效性。     

遥感卫星任务规划问题研究现状与展望

随着遥感卫星的发展以及遥感应用需求的增加，遥感卫星任务规划问题日益突出。本文分析遥感卫星任务规划问题的分类和主要约束，分别从模型表示及求解算法两方面分析卫星任务规划的研究进展。最后，针对多颗遥感卫星的任务规划，指出未来的研究方向。     

基于Petri网的航空维修分解装配序列规划及其应用

Petri网可用于分解装配序列规划中的关系表达与推理，对于零部件数量大的航空发动机，通过求解Petri网可达集搜索目标分解装配序列的方法是NP难度的。基于装配Petri网与分解Pe试网互逆的观点，分剐采用启发式搜索算法和优先级调度算法求解搜索最小可分解和最大可装配变迁集，然后构造最简Petri子网达到降低搜索难度的目的。并将分解装配序列规划算法用于发动机零部件跟踪控制过程中，达到降低和防止维修差错的目的。     

训练空域动态规划问题数值模拟仿真算法研究

训练空域的动态规划对于提高空域利用率,提高部队训练效率,缓解军民用空矛盾具有重要意义。本文将空域的动态规划问题进行分阶段处理,通过寻求各个阶段的最优方案来使得总的占用时间最短。针对各个阶段的动态规划问题,在分析问题复杂性的基础上,构建了空域规划模型,提出了遗传-离散粒子群算法,通过融合遗传算法中的交叉与变异思想来改善DPSO算法摆脱局部最优解的能力,提高算法的收敛速度和精度。同时为保证种群的多样性,设计了可保证个体可行性的自适应交叉算子和变异算子。最后利用甘特图来表示整个空域规划过程。将改进后的遗传-粒子群算法用于算例,并与遗传算法比较,结果表明该算法获得的结果更优且收敛速度更快。     

基于一种混合算法的巡航导弹参考航迹规划

通过分析A*算法,提出了适合与遗传算法(GA)进行混合的改进方案,针对遗传算法求解巡航导弹参考航迹规划问题,讨论了在初始群体构建和变异操作中引入改进A*算法的混合方法,从而得到参考航迹.仿真结果表明,该方法具有很强的快速规划能力,并能得到较优的结果,适合于大规模复杂环境中的参考航迹规划.     

效益和公平性的多跑道航班调度精确算法研究

机场终端区航班拥堵延误现象日趋严重.机场管理者,一方面要减少航班总延迟成本,另一方面也要维持航空公司间竞争公平性.为多跑道航班协同调度问题建立双目标规划模型,为了精确求解优化问题的Pareto前沿,开发出epsilon约束算法.最后通过算例来说明模型的可行性和算法的有效性.利用数学规划理论建模并开发精确求解算法,为机场资源优化研究提供重要参考.     

基于改进烟花?蚁群算法的海流环境下水下无人潜航器的避障路径规划

针对有海流和障碍物影响的环境中的水下无人潜航器(Unmanned Underwater Vehicle, UUV）的二维自主路径规划问题,应用改进烟花-蚁群混合算法进行了求解。首先,建立了含有随机分布障碍物的二维Lamb涡流海流环境模型,将圆形障碍物等效为方形栅格。其次,综合考虑能量消耗代价、航行时间代价、航行距离代价等优化目标,建立了路径规划数学模型。最后,应用改进烟花-蚁群混合算法对该非线性优化问题进行了求解,并进行了仿真实验。实验结果表明,该算法能够快速寻找到全局最优解,为水下无人潜航器的自主路径规划提供了一个新途径。     

收益管理中的网络优化研究

介绍航空公司收益管理研究中针对航线网络进行座位优化的基本理论与研究现状,分析比较了概率数学规划、确定性数学规划、随机数学规划等常用方法,并对座位控制的嵌套策略与竞价机制研究现状进行了讨论,指出了研究中存在的问题。针对网络座位优化这一NP难问题,探讨了采用智能仿生算法与博弈技术的可行性。     

基于改进非支配排序遗传算法 的维修资源优化配置

针对在武器装备维修保障过程中出现的资源短缺、资源冲突等问题,构建了多目标的维修资源优化配置模型,并且基于加权思想将多目标转化为单目标以方便求解。针对遗传算法求解多目标优化问题存在的解空间过大、收敛速度慢、计算效率低等问题,提出了基于约束的改进非支配排序遗传算法对资源优化配置模型进行求解。实例分析结果验证了模型及算法的可行性和有效性。     

扰动环境下火星精确着陆自主轨迹规划方法

针对扰动环境下火星精确着陆动力下降段自主轨迹规划问题,在终端时间自由条件下,研究了基于序列凸优化方法的自主轨迹规划方法。首先,在终端自由情况下,建立初始状态无扰动轨迹预规划问题。其次,结合鲁棒Tube-MPC思想,针对线性反馈控制律,建立扰动环境下着陆轨迹重规划问题,分析重规划问题的可行性,给出了预规划问题可行的必要性条件,为控制参数的选取提供参考,提出扰动环境下火星精确着陆自主轨迹规划框架。然后,针对终端自由问题,将飞行时域映射到单位时间,建立序列凸优化子问题,对子问题进行线性近似,使用序列凸优化方法进行求解并分析了收敛解的最优性。最后,进行数值仿真,验证扰动环境下火星精确着陆自主轨迹规划方法的有效性。     

一种基于改进蚁群算法的维修拆卸序列规划方法

鉴于现有的蚁群算法用于维修拆卸序列规划时易受到初始序列的影响而陷入局部最优解的问题，本文根据维修拆卸的特点，基于DCPN模型构建了拆卸Petri网可达图，将拆卸序列规划问题转化为对Petri网可达图最优路径的搜索问题。同时以拆卸代价最小为目标，提出了一种适用于维修拆卸序列规划的蚁群算法，并以飞机前机身电子设备舱设备作为典型实例，验证表明该方法准确有效。     

支线飞机装配序列规划的研究

为了提高支线飞机的装配效率,提出了基于二进制编码的并行装配序列规划方法,实现产品的并行装配.通过二进制编码来描述产品各零件之间的装配优先关系,定义了带时间约束的装配特征表,使用二进制运算操作来更新装配过程中零件间的优先关系,提出了以缩短装配时间为目标的并行装配序列的生成算法.该算法能缩短产品的装配时间,适用于支线飞机的并行装配规划.国产某型号支线飞机总装实例验证结果表明了该方法的可行性和有效性.     

基于改进A*算法的可行性路径搜索及优化

针对路径搜索和路径优化问题，提出了一种改进的A＊搜索算法。对估价函数予以加权处理，并引入“人工搜索标志”，避免重复搜索无效区域，能有效且快速地逃离障碍物陷阱，使得算法在未知环境中能有效准确地找到可行性路径，并对可行性路径进行了优化，得到最短路径。仿真实验证明了算法的有效性和适应性。     

可行SLP法在发动机在线优化中的应用

研究了航空发动机在线优化算法问题。基于序列可行方向法,提出了一种用于解决一般非线性优化问题改进的序列线性规划(SLP)在线优化算法——可行下降序列线性规划(FSLP)方法。其显著特点是通过适当的步长修正算法,在保证目标函数下降的同时,确保解的可行性。根据对偶理论证明了其核心算法的收敛性,对步长修正原理进行了数学分析,并详细介绍了算法实现途径。基于上述优化算法,以某型双转子涡扇发动机最大推力模式为仿真算例,验证了该算法在解决航空发动机在线优化问题时,相比传统的序列优化方法,在提高优化算法解的可行性方面效果更好。     

基于分解策略的SSO发射轨道遗传全局优化设计

提出了基于轨道分解优化和遗传算法（GA）的SSO发射轨道优化设计策略。针对多个轨道段相互耦合问题,基于分解优化策略,将整个发射轨道设计问题分解为两个轨道段设计问题。为了高效可靠地获得全局最优解,对基本遗传算法进行了改进。首先提出了基于多变异操作等改进措施的改进遗传算法;此外,结合遗传算法的全局搜索特性和Powell算法的局部搜索特性,设计了一种串行混合遗传算法。一个二级SSO运载火箭的计算结果表明,轨道分解优化策略确保了问题的成功求解,改进遗传算法和混合遗传算法均可稳定地获得全局最优解,但是混合算法更有效地提高了GA性能。     

改进型蚁群算法的全局路径规划仿真研究

针对传统蚁群算法收敛较慢的问题,提出了一种在复杂环境下全局路径规划的改进型蚁群算法。利用链接图法建立了路径规划的空间模型;借鉴狼群分配原则对信息素进行更新;在缩小搜索区域,提高搜索效率的过程中,引入了启发式概率公式和启发函数;通过参数自适应调整策略,进一步对最优解进行了优化。将基于Dijkstra算法的初始路径规划和改进后蚁群算法的规划结果进行了仿真对比,结果表明,改进后蚁群算法的全局优化性能较好,具有一定的有效性和可行性。     

基于粒子群优化算法的飞机维修计划编制优化

针对国内航空公司的维修生产管理,分析了维修计划的编制流程,建立了相应的整数规划数学模型,该模型采用维修停场损失、维修加班费用和维修外包费用的和作为目标函数,可用于混合机型机队的定检维修计划的制定。同时分析研究了粒子群优化算法,并采用该算法对模型进行求解。数据仿真结果表明,建立的模型和求解算法切实可行。