求解含调整时间排序问题的混合遗传算法

利用仿真工具将启发式方法与遗传算法相结合,提出了一种求解Job Shop排序问题的混合算法框架,利用启发式规则引导遗传搜索过程,以提高遗传算法的求解效率。在求解过程中,遗传算法仅对每台机器的第1道工序搜索寻优,通过仿真过程安排后续工序,在仿真过程中,利用启发式规则确定工件的加工优先级。在以上框架基础上,针对含调整时间的作业排序问题建立了一种混合算法GA-SPTS,通过与已有算法的比较表明,该算法对这类问题具有很好的求解性能。     

基于混合优化的运载器大气层内上升段轨迹快速规划方法

针对运载器大气层内的最优轨迹快速规划问题,提出一种将求解最优控制问题的间接法与直接法相结合的混合优化方法。首先,基于最优控制问题的一阶必要条件,将运载器大气层内的三维最优上升问题转化为Hamiltonian两点边值问题;然后,采用直接法中能以较少的节点获得较高求解精度的Gauss伪谱法进行求解,提高算法的求解效率;最后,采用真空解析解初值及密度同伦技术,解决初值猜测与算法收敛困难的问题。仿真结果表明,混合优化算法能够准确、快速地对运载器大气层内的最优上升轨迹问题进行求解,并在计算精度与效率上均优于间接法,可应用于运载器的轨迹在线规划与闭环制导。     

基于混合多目标粒子群算法的飞行器气动布局设计

 为了提高多目标优化算法求解非劣解集的效率,在多目标粒子群算法的基本框架中引入了Pareto过滤算子、小生境技术和模拟退火算法,建立了全新的混合多目标粒子群算法。该算法具有运算收敛快,所得非劣解集分布均匀、广泛的特点。将其应用于求解以升阻比和效用体积最大化为目标的再入式高超声速飞行器气动布局多目标优化设计模型,将计算结果与原始多目标粒子群算法的计算结果进行对比,体现出本文提出的混合多目标粒子群算法能够更加有效地求解复杂多目标优化设计问题的非劣解集,从而为多目标决策提供有力的支持。     

基于SOA-Newton迭代的六自由度平台正解算法

运动学正解是实现六自由度平台高精度控制和三维可视化仿真的基础,但是传统方法存在着求解难度大、精度低的缺陷。针对Newton-Raphson迭代法求解时依赖迭代初值的问题进行了研究,提出了一种基于SOA-Newton迭代的六自由度平台正解混合算法。该混合算法充分发挥了SOA算法的群体搜索性和拟Newton法的局部细致搜索性,同时也克服了粒子群算法后期搜索效率降低和Newton法对初始点敏感的缺陷。以研制的车载位姿平台为例,在Simulink软件中建立了混合求解算法的仿真模型,给出了计算实例,并与单独的Newton-Raphson迭代法和SOA算法进行了对比。对比结果表明,SOA-Newton混合算法具有极好的稳定性和较高的收敛速度及精度,更能满足工程实际应用。     

基于混合蚁群算法的柔性模糊车间作业调度

采用蚁群算法作为全局搜索算法,提出一种混合搜索策略,用于求解柔性模糊Job Shop调度问题.根据模糊Job Shop调度问题解的特性,提出基于     

求解高超声速飞行器平衡状态的GA-SQP算法

 针对含有不稳定模态的高超声速飞行器平衡状态的求解问题,提出了遗传算法-序列二次规划(GA-SQP)混合优化求解算法.该算法基于GA,根据时间乘以误差绝对值积分(ITAE)性能指标,采用混沌搜索和淘汰机制,将配平问题转化为代价函数最小值的求解问题.此外,在局部搜索中引入SQP策略,分步求解升降舵偏角和油门设置,以及迎角初始值.通过建立基于Simulink的动态模型进行仿真,结果表明,该算法能够精确地收敛到平衡点,并具有较好的稳定性,而且与初始值无关.该算法为一类复杂非线性系统平衡状态的求解问题提供了一种实用有效的解决方法.     

旋转坐标系N-S方程无网格/网格混合算法

为了模拟涡桨发动机等绕固定轴旋转的桨叶流场,发展了一种求解旋转体非定常黏性绕流的无网格/网格混合算法。算法基于求解旋转坐标系纳维尔-斯托克斯方程展开,避免了旋转角速度特征物理量的插值运算;计算域采用整体网格和物面附近局部无网格离散,通过引入无网格和网格对偶点,实现了混合算法绕流信息的跨区交换,并给出了一种对偶点调整选取的方法;基于无网格点云空间导数逼近方法离散控制方程,并结合隐式LU-SGS算法,给出了混合算法求解非定常问题的双时间步隐式推进格式。结果表明：所提算法通过2维振荡翼型非定常绕流、旋转圆柱黏性绕流和模拟发动机桨叶旋转运动的3维悬停旋翼绕流进行了考核,所得升力系数等重要气动数据的变化趋势与文献试验或计算值一致,典型截面处所示的激波强度和位置亦与文献值吻合,展现出算法在模拟旋转部件绕流问题方面具有广阔的工程应用前景。     

基于HTGVNS算法的卡车与无人机协同配送方法

在现代物流中,针对最后一公里配送中的成本高昂、耗时长、道路不易通行等难题,首次引入卡车与无人机协同配送模式,并以总配送时间最小化为目标,建立混合整数规划模型(MIP)。提出一种新的混合禁忌可变邻域搜索算法(HTGVNS)进行求解。算法利用旅行商问题(TSP)求解器和系统性邻域变化的探索能力求解卡车路径,将客户分配给无人机形成聚类,再使用禁忌搜索过程来优化无人机路径。通过求解不同规模算例验证了所建模型的可行性和算法的有效性。结果表明卡车与无人机协同配送模式能有效地减少配送时间,提高配送效率。     

基于Levenberg-Marquardt算法的航空发动机模型求解混合算法

为了降低航空发动机非线性模型求解的收敛性要求,将模型非线性方程组的求解问题转化为最小二乘问题,提出了基于Levenberg-Marquardt(L-M)算法的混合算法。为了使L-M算法跳出局部解,混合算法使用动力学方法修正局部解;为了提高计算效率,利用Broyden拟牛顿法加速L-M算法。以涡扇发动机为研究对象,应用混合算法、L-M算法、牛顿法和Broyden拟牛顿法进行稳态和瞬态仿真。结果表明：在稳态工况下,L-M算法和混合算法收敛范围更大,在随机初值条件下能达到90%以上的收敛率,远高于牛顿法和Broyden拟牛顿法不到20%的收敛率,且混合算法计算速度与Broyden拟牛顿法相当。在瞬态工况下,L-M算法和混合算法能够在牛顿法和Broyden拟牛顿法都不收敛的强瞬变工况收敛,且混合算法瞬态计算时间仅为Broyden拟牛顿法的1.13倍。仿真结果表明该算法在航空发动机模型求解上具有良好的适用性。     

空战场穿越走廊基本网络规划的混合禁忌搜索算法

为有效管制战区空域,确保航空军事运输活动安全、高效、有序进行,针对不考虑限制空域的穿越走廊基本网络规划问题,构建了SUMApHMP数学模型,并结合Floyd最短路径算法提出了一种求解该模型的混合禁忌搜索算法,进而根据SUMApHMP求解结果设计了不考虑限制空域的穿越走廊基本网络。利用空战场中10个机场之间的流量矩阵和距离矩阵对混合禁忌算法进行了测试,并将Lingo 9.0软件对模型的优化结果与本文算法求得的结果进行了比较,验证了算法的可行性和有效性。