基于自适应模拟退火遗传算法的最优Lambert转移

主要研究了航天器采用Lambert二脉冲变轨的优化问题。对于初始位置、目标位置和转移时间都不固定的Lambert二脉冲转移,由于多变量以及方程本身的复杂性,采用传统的优化方法效率低甚至无法求解.采用了自适应遗传算法(AGA),寻求多变量的最优解.同时结合模拟退火算法,得到了自适应模拟退火遗传算法(ASAGA),该算法既具有全局搜索能力,又改善了一般遗传算法的局部寻优能力.通过仿真,比较了遗传算法和自适应模拟退火遗传算法的寻优结果,表明两者寻求最优转移的有效性,以及自适应模拟退火算法具有更强的寻优能力.      

一类解决变应力加速寿命试验参数估计的方法

变应力加速寿命试验的极大似然函数是高维非线性复杂目标函数,其待估参数多,采用梯度下降优化方法进行参数估计容易陷入局部极值,而采用全局优化方法又存在寻优效率低的问题.为了解决复杂多维目标函数优化的瓶颈问题,设计了一种基于实数编码遗传算法和Powell法的遗传加速方法.利用适应度函数获得两种优化方法的最佳切换点,最大程度发挥遗传算法和Powell算法的优点,既提高了多维非线性目标函数寻优效率又保证了参数估计的全局最优.液压泵加速寿命试验实例分析结果表明,遗传加速方法可以在寻优前期利用遗传算法保证待估参数的全局最优估计,在寻优后期快速逼近最优值,使寻优成功率达到85%.     

基于混合人工鱼群算法的传感器网络优化

针对传感器网络节点优化的问题,提出一种混合人工鱼群算法.该算法在人工鱼群算法优化的末段引入模式搜索法,以人工鱼搜索到的最优解作为模式搜索法的初始解,利用模式搜索法的单调搜索特性,将解引向全局极值.新算法保留了人工鱼群算法全局搜索能力强、寻优速度快的特点,使寻优精度得到了提高.仿真实验表明:混合人工鱼群算法能够有效地优化传感器网络节点部署,提高覆盖率.     

基于引导型人工免疫算法的最优Lambert变轨

主要研究了燃料最省的Lambert双脉冲变轨问题.首先对普适变量法进行改进以避免奇异,并将其用于Lambert双脉冲变轨问题的求解.然后针对只给定初始时刻追踪航天器和目标航天器的轨道要素及总时间约束的交会问题,引入调相时间的概念,并将其和转移时间作为Lambert变轨的优化变量.最后采用引导型人工免疫算法GAIA(Guiding Artificial Im-mune Algorithm)对该优化问题进行寻优.仿真算例表明,与自适应遗传算法AGA(Adaptive Ge-netic Algorithm)相比,GAIA具有更强的寻优能力和更快的寻优速度,从而验证了GAIA用于最优Lambert变轨的有效性.     

多冲量近程交会最优化模型

文章基于Lawden方程对椭圆参考轨道的近程最优交会问题进行了研究,并提出了一种混合遗传算法求解最优近程交会问题。首先在一定假设条件下给出了目标在椭圆参考轨道的近距离相对运动模型——Lawden方程,构建了多脉冲最优交会问题模型并进行了理论分析。性能指标选为轨道交会过程中燃料消耗和时间消耗加权最小的多目标优化指标,优化参数为脉冲大小和脉冲施加时刻,终端状态受到相对位置和相对速度的约束。然后介绍了具有较强全局和局部寻优能力的混合遗传算法。最后以四脉冲为例进行仿真计算。仿真结果表明,是否考虑第一次脉冲位置,总燃料消耗变化不明显。因此,追踪航天器一旦捕获到目标信息即可施加第一次脉冲。仿真结果还证明了混合遗传算法在求解最优交会问题时的有效性。因此,混合遗传算法对基于Lawden方程的椭圆参考轨道近程最优交会问题的求解可行。     

基于混合策略的麻雀搜索算法改进及应用

针对麻雀搜索算法(SSA)搜索精度不高、全局搜索能力不强、收敛速度慢和易于陷入局部最优等问题，提出了一种基于混合策略的麻雀搜索算法(HSSA)。采用改进的Circle混沌映射初始化种群，提高种群多样性；结合樽海鞘群算法改进发现者的搜索公式，提高算法迭代前期的全局搜索能力和范围；在加入者的搜索公式中引入自适应步长因子，提高算法的局部搜索能力和收敛速度；通过镜像选择机制，提升每次迭代后的个体质量，提高算法的寻优精度和寻优速度；在位置更新处加入模拟退火机制，帮助算法跳出局部最优。利用8种测试函数进行测试，结果表明，改进算法比SSA有更好的寻优性能。将改进前后算法与极限学习机结合进行实验，人体表面肌电信号数据集的分类预测精度从80.17%提高到90.87%，证实了改进算法的可行性和良好性能。     

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.      

基于组合优化策略的月球软着陆最优轨道设计

基于Pontryagin极大值原理,把求解月球软着陆燃料最优化问题归结为终端自由型两点边值问题.采用粒子群算法和单纯形算法接力优化的组合优化策略,在初始猜测值的邻域内进行搜索,充分利用粒子群算法的全局搜索能力迅速缩小搜索范围,然后利用单纯形算法的局部搜索优势快速获得优化结果.该优化策略最大的优势是使粒子群算法的全局搜索能力和单纯形算法的局部搜索能力同时得到最大化的发挥.仿真证明该优化方法在考虑一些实际工程约束的情况下,能较快速而准确的获得月球软着陆优化轨迹,具有一定的优越性.     

多模函数优化的改进花朵授粉算法

为了探讨花朵授粉算法（FPA）在解算多模函数优化问题中存在的不足,通过定义种群多样性及差异性指标,定性分析了FPA在多模复杂函数优化中的寻优缺点。基于模拟退火思想优化全局授粉过程,并利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构。仿真结果表明,相对于基本的FPA、布谷鸟算法、萤火虫算法,改进花朵授粉算法能够有效避免陷入局部最优,具备优异的全局勘探和局部开采能力,对多模优化问题具有一定优势。      

基于CPSO优化的空空导弹μ综合控制器设计

粒子群优化算法（PSO,Particle Swarm Optimization）在空空导弹μ综合控制器参数优化中易出现早熟现象而无法获得全局最优解.针对此问题,提出一种动态加速常数的粒子群优化算法（CPSO,Constant Particle Swarm Optimization）.改进算法通过对加速常数的指数形式变化,在寻优前期扩大搜索范围,在后期提高收敛效率,从而避免了寻优过程中的早熟现象.仿真结果表明,改进的CPSO优化算法具有更强的全局搜索能力,设计出的μ综合控制器具有更优的性能,满足给定的性能指标和自动设计指标,节省了大量设计时间,具有工程应用价值.     

免疫遗传算法在百叶窗最优化热设计中的应用

考虑优化过程中辐射能量交换的特殊性,为了加速优化过程的进行,通过引入漫反射系统单元表面间辐射传递系数与角系数之间的关系来处理百叶窗的辐射能量交换;同时为了克服传统优化算法存在的缺陷,提出了一种免疫遗传算法,并且应用于百叶窗最优化热设计中。优化设计表明,与标准遗传算法相比,该优化算法具有较强收敛度与全局寻优能力,可以较好地用于最优化热设计中。     

Hybrid optimization for multiple-impulse reconfiguration trajectories of satellite formation flying

A hybrid optimization method is developed for fuel-optimal reconfigurations of a group of satellites flying in formation. The genetic algorithm performs a global search to find two-impulse trajectories, and primer vector analysis finds multiple-impulsive local optimal trajectories with the two-impulse trajectories as initial guesses. Hybrid optimization finds globally optimal trajectories for formation reconfigurations, including formation resizing, reassignment and reorientation maneuvers. Multiple-impulse trajectories reduce the fuel consumption from the two-impulse trajectories by up to 4.4% for those maneuvers. In real missions, satellites can follow two-impulse trajectories to gain the advantage of a smaller number of impulses, with the cost of slightly more propellant. The qualitative characteristics of the optimal trajectories are analyzed from the number of optimal trajectories found by hybrid optimization.     

基于改进蚁群算法的飞行仿真转台的控制优化

提出了一种用改进蚁群算法优化飞行仿真转台非线性PID控制参数的新策略,借助相遇搜索策略和信息素残留系数的自适应控制思想对基本蚁群算法进行了改进,设计了一种基于改进蚁群算法优化飞行仿真转台非线性PID(NLPID)控制参数的飞行仿真转台系统结构,在对非线性PID控制参数进行优化时采用了时间乘以误差绝对值积分最小性能指标,最后将用改进蚁群算法优化后的控制参数应用于某型高性能飞行仿真转台。实验表明,采用改进蚁群算法优化非线性PID控制参数的飞行仿真转台系统可从带噪声的输入信号中合理地提取出微分信号,并且对噪声具有很强的滤波作用,整个系统响应速度快,并具有较强的鲁棒性。     

基于MODPSO-GSA的协同空战武器目标分配

提出基于多目标决策理论的协同空战武器目标分配模型,并用进化多目标优化算法求解.空战是一个多阶段攻防过程,针对多数空战武器目标分配采用一次性完全分配、不考虑火力资源消耗等不足,构建多目标决策模型,在达到毁伤门限的前提下,同时对一次攻击后使敌编队的总期望剩余威胁最小和分配导弹消耗量最小两个目标函数寻优.提出用多目标离散粒子群-引力搜索算法(MODPSO-GSA)求解分配模型,该混合进化多目标优化算法结合二者优点,具有稳定的全局搜索能力并保证收敛到Pareto前沿.该算法可求得满足毁伤门限的不同耗弹量的分配方案最优解集以供指挥员决策参考.仿真算例验证了新模型及所提出MODPSO-GSA进化多目标优化求解算法的有效性.      

应急轨道机动变轨方案快速设计算法

为了满足应急轨道机动过程中测控约束和时间、燃料资源等各方面的要求 ,提出了一种变轨方案快速设计算法.给出了适用于变量搜索的轨道机动变轨模式,将变轨 方案快速设计问题转化成了约束优化问题;建立了完整的测控约束数学模型和对测控约束的 处理算法;然后利用遗传算法搜索出了同时满足测控约束条件和优化目标的变轨方案.算例 表明,利用此算法设计得到的变轨方案,能够满足应急轨道机动任务的需要.      

全局最优导向模糊布谷鸟搜索算法及应用

针对标准布谷鸟搜索算法探索能力强而开发能力较弱、收敛速度慢及计算精度较差等问题,提出了具有全局最优导向的模糊布谷鸟搜索算法。在鸟窝更新公式中引入全局最优导向策略,在产生新的鸟窝位置时利用到当前最优鸟窝位置信息,以保持鸟窝的多样性并提高算法的开发能力。另外,采用模糊逻辑规则对布谷鸟算法中的搜索步长和外来鸟蛋被发现概率这2个重要参数进行自适应调整,以提高算法的全局收敛性能和求解精度。通过2个经典结构可靠性分析极限状态方程测试该算法的性能,并将其应用于某飞机舱门锁定机构可靠性分析中。实验结果表明,与粒子群算法、标准布谷鸟搜索算法和改进布谷鸟搜索算法相比,所提出的全局最优导向模糊布谷鸟搜索算法在进行可靠性分析中,能够有效地提高解的精度并增加收敛速度,寻优效果更优。      

基于粒子群算法的多脉冲转移轨迹优化

通过引入Lambert算法处理终端约束条件,建立基于可行解迭代的多脉冲转移轨迹优化模型,采用粒子群算法优化最省燃料转移轨道,并对分别采用变轨点真近点角和变轨时刻作为设计变量的优化结果进行了对比分析.对相同的两脉冲、三脉冲轨道转移问题,优化结果验证了提出的优化模型和优化算法的正确高效性.仿真表明,使用变轨点真近点角为设计变量时优化效率和结果更好.     

Hierarchical global search for fuel-optimal impulsive transfers between lunar libration orbits

The attention to the periodic orbit in the Earth-Moon restricted three-body system continues to grow due to its special environment and locations. This research investigates the feasibility of constructing fuel-optimal single and multiple impulse transfers between unstable periodic orbits at L₁ and L₂ points. Invariant manifolds, which could provide the appropriate initial trajectories for optimization, are analyzed deeply to enable previously unknown orbit options and potentially to reduce mission cost. A global search strategy based on comparing the orbital state of the unstable and stable manifolds, incorporated with low-thrust techniques, is performed to seek a suitable matching point for maneuver application. Then the sequential quadratic programming (SQP) is adopted to further optimize the velocity increment and obtain the single/multiple impulse optimal transfers. The associated constraint gradients are derived to achieve higher accuracy and rapidity of the algorithm. To highlight the effectivity of the transfer scheme, three-dimensional low-energy transfers between different types and spatial regions of performing single and multiple impulses are explored. The total Delta-V required varies between a few meters per second and tens of meters per second, and the related flight time is about several weeks, mainly depending on the energy of periodic orbits and the invariant manifold structure. The results obtained in this paper can provide a useful reference for the selection of escape and capture site along the manifolds, maneuver magnitude and transfer time.     

Hierarchical approach for fast searching optimal launch opportunity in a wide range

Launch opportunity search is crucial for preliminary design of interplanetary trajectories. However, it is difficult to obtain the optimum solution efficiently when the range of search is wide. In this paper, a new fast search algorithm based on a modified hierarchical approach is proposed. At the top level, a simplified Pork-Chop diagram is plotted by sampling interpolation to delimit the candidate regions of the optimal solution. Each candidate region contains only one optimal solution, which fundamentally avoids the local optimal problem of genetic algorithms. At the bottom level, a hybrid optimization approach combining the genetic algorithm and the conjugate directions method is used to solve the accurate optimal solution of each candidate region and obtain the global optimal launch opportunity in the whole wide range of search. Simulation results show that the proposed hierarchical approach can quickly and robustly find the global optimal launch opportunity in a wide search space.