带时间窗的飞机排班问题优化

为提高飞机排班质量,在以航空公司成本最小化为目标的基础上,兼顾顾客的满意度（航班准时性）和飞机使用数目最小化目标,建立优化的多目标带有时间窗的飞机排班问题模型。结合算例,对三个目标函数都进行处理后,运用粒子群优化算法进行求解,最终得出模型解的运算结果和时间都在理想范围之内,表明新模型有效可行。该模型的建立有助于有效地解决带有时间窗的飞机排班问题,提高排班工作效率。     

基于航班延误概率的鲁棒性飞机排班模型

飞机排班是影响航空公司运营成本的一个重要因素,对飞机进行合理排班,既可以最大化地提高飞机的利用率又可以减少航班的延误。首先简略介绍了国外的一些关于飞机排班问题（FSP）的研究方法,并给出关于飞机排班问题的经典模型;其次,在此基础上提出了基于延误概率的鲁棒性飞机排班问题的模型;最后,根据一个航空公司的数据,利用Grover算法的改进算法计算出模型的结果。分析结果表明了该模型及其算法的可行性以及决策的鲁棒性。     

基于粒子群算法的飞机总体参数优化

 现有的飞机总体参数优化方法在效率和适应性上存在不足。考虑到粒子群算法是一种基于群智能方法的演化计算技术,它对不同复杂约束条件下的多目标优化问题较常规方法更具简便性和适用性。因此,提出了使用非数值计算的粒子群算法来改进飞机总体参数优化效率。详细研究了粒子群算法在飞机总体参数优化上的应用方法,并着重于3个方面：①以航程、商载和起降距离为优化目标的粒子群算法构建;②粒子群算法中因子的自适应修正方法;③基于粒子群算法的飞机总体参数优化流程。计算结果与文献结果相比具有较好的一致性和合理性,所提出的方法可有效地应用于飞机总体参数优化。     

基于粒子群算法和仿真分析的飞机移动装配线平衡研究

针对飞机移动装配线平衡问题,提出一种改进的逆向差分粒子群算法,采用一种基于作业优先图的随机权重排列编码方法来表征问题的解,通过随机权重零入度排序算法进行解码将粒子编码映射为可行解,直接采用逆向差分变异算子更新粒子位置。为加速算法收敛,采用随机权重法和逆向位置法来初始化种群并在迭代过程中执行种群进化停滞判断及变异扰动策略。结合实际飞机脉动线项目应用本方法进行了设计,并在离散事件仿真平台Plant Simulation上建立了模型,通过仿真验证了本算法的有效性。     

基于离散粒子群优化算法的直升机减速器齿轮故障特征选择

粒子群优化算法自提出以来,由于其容易理解、易于实现,所以发展很快,在很多领域得到了应用。本文针对机械故障特征选择问题,提出基于离散粒子群优化(PSO)算法的特征选择方法,并在直升机减速器齿轮故障诊断中进行了应用。实验结果表明,离散PSO算法可以快速、有效的求得优化特征集,是求解故障特征选择问题的一个较好方法。      

粒子群优化算法在网络计划资源优化中的应用

对粒子群优化算法在网络计划资源优化中的应用进行了探讨,首先,介绍了粒子群优化算法的基本原理,给出了网络计划中工期固定一资源均衡优化问题的优化目标和数学模型;然后,详细介绍了粒子群优化算法实现网络计划资源优化的算法流程及其编程实现,对典型网络计划进行优化的结果表明粒子群算法可以较好地实现网络计划资源优化。     

启发式算法在大飞机设计中的应用综述

主要介绍了神经网络系统、遗传算法、粒子群算法、模拟退火算法、支持向量机几种启发式优化算法(Heuristic Optimization Algorithm,HOA)在大飞机设计领域的发展和应用现状,对比分析了算法在航空工程设计上的优缺点,展望了启发式算法的发展方向,为大飞机设计提供了宝贵的理论和经验。     

多无人机协同任务分配混合粒子群算法

针对多无人机协同任务分配问题(MTAP),设计了一种综合考虑飞行航程、任务收益以及任务完成时间窗口的混合粒子群任务分配算法。首先,将粒子位置编码为一组任务分配向量,针对同时打击场景可能存在的死锁问题,设计了一种基于多打击任务有向图的死锁检测和修复算法,解码出对应一组可行的任务分配解或方案,实现粒子群算法解的离散化。另外,对于传统粒子群算法(PSO)容易陷入局部收敛的缺点,提出一种基于变邻域搜索算法的跳出局部收敛策略,并建立局部搜索启动概率准则,实现跳出局部收敛和计算开销的平衡。最后,将跳出局部收敛的策略嵌入到粒子群算法中,得到协同任务分配的混合粒子群算法(HPSO)。另外,针对新目标发现导致的初始计划失效问题,设计了一种基于匹配策略的局部任务重分配方法。仿真实验证明,所提出的混合粒子群算法能够有效解决异构多无人机同时打击场景中的任务分配问题。     

改进的粒子群算法求解飞机位姿评估问题

在飞机装配中,要求调姿基准点距离误差和最小以及各点距离误差满足容差条件。以往的飞机位姿评估算法注重距离误差和最小,可能出现调姿基准点的距离误差不满足容差约束的情况。为了求解在满足容差约束条件下的距离误差和最小的飞机位姿参数,提出一种新的优化模型,将带容差约束转化为带惩罚函数,与距离误差和一同作为优化目标,采用求解约束优化问题的粒子群算法进行求解。在上述算法上进一步改进,通过动态改变约束参数来加强约束条件,可以通过迭代方式进一步减小飞机调姿基准点最大距离误差。仿真算例和蒙特卡洛分析证明,求解约束优化的粒子群算法和改进的粒子群算法在求解飞机位姿评估问题时,求解得到的调姿测量点最大误差小于奇异值分解法。     

基于改进粒子群算法的管道动强度可靠性优化设计

本文对某型飞机液压管道采用的带压缩因子的粒子群算法(PSO)进行了改进,并对其支撑位置进行动力学优化。使用映射方法来离散粒子的位置,分别利用"和声搜索"法和"飞回技术"法对粒子群算法的边界条件和约束条件进行处理,改进了粒子群算法。并有效结合有限元(FEM)和改进的粒子群算法,以管道的疲劳累积损伤可靠度为约束,以一阶固有频率最大为目标对支撑位置进行动力学优化。经过优化,提高了管道的一阶固有频率,降低了振动水平,增强了系统的抗振能力。     

资源约束项目调度问题的粒子群优化算法求解

介绍了应用粒子群优化算法求解资源约束项目调度问题的实现方法。建立了资源约束项目调度问题的数学模型,提出了确定资源约束项目调度问题解空间的办法。采用不同的策略处理前后约束和资源约束。编制了粒子群优化通用程序并对典型项目实例进行了优化,优化结果验证粒子群优化算法求解资源约束项目调度问题的有效性。     

基于粒子群算法的飞行控制律参数设计研究

无人机控制策略采用俯仰高度控制、油门空速控制和侧偏距控制。在设计的适应度函数中引入高度误差、相角裕度和幅值裕度,利用粒子群算法迭代寻找适应度函数最优值确定控制器参数。对无人机纵向高度运动和横侧向位置运动进行仿真,通过各控制器的阶跃响应和开环频率特性曲线,验证了粒子群算法得到的控制器参数满足设计要求。在仿真中引入离散突风,进一步验证通过粒子群算法得到的控制器参数的可靠性,说明粒子群算法简捷、快速、可靠的优点。     

基于经验模态分解的航空器结构模态参数识别

介绍了一种基于经验模式分解（Empirical Mode Decomposition,EMD）与粒子群优化算法相结合的飞机结构模态参数辨识方法。一个复杂的脉冲响应信号利用EMD方法使得耦合在一起的多阶模态响应信号分解为与各单阶模态响应信号一一对应的分量,得到前几阶主要的内禀模式函数（Intrinsic Mode Function,IMF）,再对分解得到的每一单阶IMF利用粒子群算法辨识得到各阶模态参数。试验仿真结果表明该方法有较高的计算精度,可应用于结构运行模态分析,为飞机等结构设计、运行检测提供有力保障。     

粒子群混合算法在变导向器面积计算中的应用

求解非线性方程组经典方法具有严格的局部收敛性;粒子群等进化算法解决了全局收敛的问题,但计算效率偏低,存在最优解不稳定的问题。结合经典Newton-Raphson法的超线性收敛速度和粒子群算法全局收敛能力的粒子群混合算法具备2类算法的优点。在迭代初期采用粒子群算法获得的近似全局解作为Newton-Raphson算法的初始值,以确定高精度的解。利用粒子群混合算法在发动机变导向器面积的大偏离计算中获得了较好的收敛效果,解决了常规Newton-Raphson法不收敛的问题。     

粒子群算法在气动力参数辨识中的应用

将粒子群优化算法推广应用于气动力参数辨识,以取代传统的梯度类优化算法。通过采用加入动态改变惯性权重的粒子群算法对A型、B型战术导弹的纵向和横向气动力参数进行辨识计算及分析后,可以看到:(1)粒子群算法是气动力辨识的一种新的有效方法,该算法不受参数初值选取的影响,具有较好的全局寻优特性;(2)粒子群算法的计算效率受算法构造本身等因素的影响比较大、对粒子群规模不十分敏感,并且还有相当大的进一步完善与改进的空间。     

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。     

一种基于生物趋化的改进粒子群算法

针对标准粒子群算法进行多极点函数优化时易导致早熟收敛及陷入局部最优的问题,把生物趋化原理引入到粒子群优化算法中,改变传统粒子群优化算法只存在吸引操作而没有排斥操作的单向性,提出一种保持种群多样性的改进算法,并对其关键参数的选择进行了研究。仿真实验结果表明,与传统粒子群优化算法相比,基于生物趋化的粒子群算法对于处理复杂的多峰函数或优化问题,可显著提高算法的全局寻优性能。     

基于一种群体智能算法的函数优化问题求解

<正>近年来,群体智能优化方法愈来愈引起人们的关注,如粒子群算法、蚁群算法、蜂群算法等,它们是解决NP问题的有效工具。函数优化是优化领域的重要分支,主要通过将连续的变量(定义域)区间离散化,对这些离散变量的函数值最优编排、分组、排序或筛选等。这类问题通常随着变量区间的扩大及函数极值的增多,     

0-1线性规划的连续化求解方法

针对0-1线性规划的优化问题,提出一种惩罚函数方法。考虑到0-1线性规划的最优值特征,通过在目标函数中加上惩罚函数,将0-1离散线性规划模型连续化成非线性规划模型,并使用Matlab的Fmincon函数进行求解。经对多个算例的计算,并和其他算法比较,结果表明惩罚函数法的可行性和有效性。将该方法应用于实际的飞机排班问题上,取得比较满意的结果。     

基于粒子群算法的飞行冲突解脱问题

自由飞行可有效解决航线日益加剧的拥挤问题,但同时也增加了管制员管制监控的难度,从而使飞行冲突探测和解脱成为自由飞行的关键问题。粒子群算法（particleswaITn0ptimization）是一种群智能优化算法,尝试将其应用于飞行冲突解脱问题,构造了适合飞行冲突解脱问题的粒子表达方式,建立了冲突解脱问题的粒子群算法,成功解决了飞行冲突,并将其运行结果与遗传算法结果作了对比试验。实验结果表明。粒子群算法是求解飞行冲突解脱问题的一个较好方案。