气动发动机多参数多目标寻优方法

气动发动机设计需要考虑多个参数间的耦合对性能优化的影响,且对理想功率、工作效率等多个性能指标难以建立客观的综合评价函数.为此以发动机进气压力和进排气机构部分控制参数为设计变量进行正交设计,利用灰色关联度分析法计算贴合期望指标组合的最优参数组合,并结合参数指标趋势图,依据计算结果对参数区间进行调整,通过有限次循环得到最优设计参数.经测试该算法快速有效,且设计参数与性能指标数量可扩展,对气动发动机的样机设计和实验具有重要的理论和工程意义.     

气动发动机输出扭矩无因次分析

针对气动发动机的工作过程,利用能量方程、气体状态方程、连续性方程及运动过程方程建立气动发动机的非线性微分方程组.选取合适的基准量,对所建立的微分方程组进行无因次化,得到无因次化的数学模型.利用MATLAB/Simulink仿真工具,对无因次数学模型进行研究,得到各无因次量对气动发动机输出扭矩的影响.从仿真结果可以看出,气动发动机的无因次转速、进气门面积比例因子、排气门面积比例因子以及进气持续角度对气动发动机的无因次输出扭矩影响较大.当发动机转速升高扭矩急剧下降时,可以通过调整进气门面积比例因子、排气门面积比例因子以及进气持续角度使输出扭矩恒定.     

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。      

基于动态指标的飞机方案多目标优化方法

为提高飞机方案多目标优化过程中最优解的搜索效率,对多目标方案的比较评价方法及其在优化中的应用进行了研究.提出了可用于多目标方案对比评价的基准指标,并建立了利用新生成方案的目标值对基准指标进行动态更新的动态指标.通过采用动态指标构造适应度函数改进了多目标遗传算法,进行的双目标优化算例表明,改进的算法能够获得更优的Pareto前沿.采用改进的多目标优化方法对一种轻型战斗机概念方案进行了优化设计,设置了重量、气动、隐身等4个优化目标,优化结果验证了基于动态指标改进的多目标遗传算法在飞机概念方案设计优化中的有效性.      

区间多目标线性优化的功效系数求解方法

针对工程领域中普遍存在的具有不确定参数的多目标优化问题,提出了一种基于功效系数的区间优化模型及求解方法.通过引入增补变量,将含有区间参数的目标函数化为参数确定的形式.建立以功效系数为基础的评价函数,将原多目标优化问题转化为单目标优化问题,然后分别在区间约束条件的最好情况和最差情况下求解,得到设计变量的最优解区间和目标函数的最优值区间.通过工程算例,与传统概率方法的优化结果相比较,验证了所提出优化模型及方法的有效性.     

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

非线性多目标概率约束规划免疫优化算法

针对噪声信息未知的一般非线性多目标概率约束规划（MOPCP）问题,探讨基于危险理论的多目标免疫优化算法（MOIOA）。算法设计中,借助自适应采样方法估计机会约束的概率和目标值;借助危险理论蕴含的应答模式分割进化种群为已感染、易感染和未感染子群;借助二进制交叉、自适应变异概率、多项式变异策略平衡种群的全局与局部搜索能力。与7种算法相比较获得的数值结果表明,所提算法的搜索效率有明显优势且搜索效果有一定的优越性,同时对复杂工程问题有应用潜力。      

一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.     

A multi-objective optimization framework of constellation design for emergency observation

To meet the urgent needs of emergency observation missions, a well-designed constellation is key to ensuring system performance. This paper presents a multi-objective optimization framework which is well suited for constellation designers to identify key trade-offs and make decisions. Firstly, this work investigates the metrics of responsiveness and coverage simultaneously to approximate to the actual conditions of emergencies, and a multi-objective mathematical model is constructed to explore solutions to enhance the overall system performance. Then, according to the characteristics of emergency missions, a hierarchical chromosome encoding method is proposed in the framework to encode a solution that explores different sized constellations without constraining its specific geometry. Finally, we propose the use of radial axes plots to help constellation designers to gain pragmatic insights for informed decision making. The simulation of disaster management verifies that the proposed chromosome encoding method effectively promotes the convergence of the algorithm, and the multi-objective optimization framework helps to generate a rapid and adequate observation satellite constellation to provide maximum coverage performance while ensuring timeliness.