智能算法在约束优化问题中的应用研究

针对智能算法和约束优化问题的特点,本文首先回顾智能算法在约束优化问题中的应用现状,尤其是约束条件处理的三种不同方法,即惩罚函数方法,可行解优先方法,多目标优化方法,在此基础上分析解决一般约束优化问题的两阶段方案,其中,第一阶段找到约束优化问题的所有可行解,然后以此通过第二阶段找到最优解。最后对智能算法在约束优化问题中应用的未来研究方向进行简单探讨。     

基于退火遗传算法的小推力轨道优化问题研究

利用退火遗传算法解决小推力轨道优化问题。首先利用传统混合法将轨道优化问题归结为受非线性方程约束的参数优化问题。通过结合退火和随机惩罚函数对约束条件进行处理后，用遗传算法求解这个参数优化问题。最后再采用局部优化算法提高解的精度。这种算法既保持了传统混合法精度高、解轨线光滑的优点，又克服了传统轨道优化方法收敛性差、初始猜测困难、容易陷入局部极小解的缺点。在本文的最后，利用文中提出的轨道优化算法求解“喷-停-喷”型定常推力幅值地球-木星轨道转移问题。算例证明此算法可以有效地求解小推力轨道转移问题，尤其适用于传统轨道优化方法难以求解的复杂轨道优化问题。     

基于混沌优化自适应遗传算法的数据关联求解

通过判断目标量测值和运动状态之间的最优对应关系,将数据关联问题描述为一类约束组合优化问题,采用混沌优化自适应遗传算法来求解数据关联问题,仿真结果表明,这种算法具有很高的关联成功率;此外,分别采用自适应遗传算法、混沌优化算法以及混沌优化自适应遗传算法求解数据关联问题,结果表明,混沌优化自适应遗传算法求解数据关联问题的最优率明显高于其他2种方法,且其收敛速度也明显快于单独使用自适应遗传算法或混沌优化算法。     

多无人机任务分配/航迹规划的一体化求解方法

针对多异构无人机任务分配和航迹规划存在的强耦合特性,为解决串行求解仅能获得局部最优解的问题,提出了一种基于图论的一体化求解框架,采用三维Dubins模型,通过对无人机航向角进行离散化,将路径规划问题和任务分配问题建立为离散图模型。为了实现该混合整数规划问题的快速求解,建立了基于并行化处理的遗传算法策略;为避免执行时序约束任务存在的死锁问题,引入深度优先算法（DFS）,通过检测时序任务图环路状态判断任务规划结果的可行性,从而剔除规划结果中的不可行解。仿真结果表明,相比于解耦方法,一体化求解方法能明显提高规划结果的品质;相比于集中式遗传算法,分布式遗传算法能显著提高算法的收敛速度。     

压电自适应桁架结构控制一体化设计

针对压电自适应桁架结构,建立了含有主动元件位置的结构控制一体化设计数学模型,以结构重量作为目标函数,以结构静、动态响应作为约束函数,同时优化结构设计参数、控制参数和主动元件的位置。提出一种解决混合变量一体化设计问题的新方法,该方法将近似概念、遗传算法和对偶法相结合。首先采用组合多点近似函数建立原问题的序列近似问题,再对近似问题中的(0,1)离散变量和连续变量采用遗传算法和对偶方法分别寻优的分层优化策略。算例表明本文方法由于遗传算法只用于求解近似问题,因此只需要很少的结构分析次数就能得到最优解或近似最优解。     

基于蚁群优化-模拟退火的天地测控资源联合调度

研究了一类约束条件复杂、具有多时间窗口特性的天地测控资源联合调度问题。建立了涵盖多种约束的问题数学模型和基于测控弧段时间序的无圈有向图模型,提出了一种蚁群优化-模拟退火算法(ACO\|SA)求解问题。探讨了两种算法的融合策略,完成了包括状态转移规则、可行解生成策略、信息素更新准则、邻域结构、快速退火计划等关键技术的设计实现。多个算例仿真和结果分析表明,测控弧段时间序能保证ACO\|SA得到高质量的优化结果,模拟退火机制能有效提高蚁群优化算法的收敛速度和求解质量,相比于基本遗传算法和先到先服务算法,ACO\|SA能得到质量更好的解。     

应用遗传算法优化二元序列

介绍遗传算法优化的特点和具有良好非周期自相关特性的二元序列的概念,讨论用遗传算法优化二元序列的方法。通过实验发现,在采用遗传算法优化二元序列时引入最优个体保存策略和调整运行参数可以取得较好的效果,亦即此方法是可行的;但同时也发现该方法难以收敛到全局最优解。     

一种卫星成像调度的约束修正方法

约束修正是卫星成像调度的重要组成部分,负责处理成像调度方案的约束满足与优化的问题.为得到优化可行的成像调度方案,针对一类带有卫星存储器和数据下传等约束的卫星成像调度问题,提出一种新的约束修正方法.首先构建时间序有向图模型,将约束修正问题归结为点带约束成本的路径搜索问题,针对该模型提出一种基于标记更新的约束修正算法.通过针对实际问题的实验分析,表明该方法能够在规定的时间内求得问题的最优解,有效的解决了卫星成像调度的约束满足与优化问题.     

多约束多规避区全程弹道快速优化方法

研究了多约束多规避区条件下的全程弹道快速优化问题。首先,分类研究了规避区的类型和基本模型;然后,重点考虑端点约束、控制约束、典型过程约束、时间及弹道链接约束和规避区约束等,构建了弹道优化的多种约束模型;最后,提出了一种基于检测点自适应伪谱法的轨迹优化算法,即在多区间伪谱法的基础上,引入曲率和误差判据,创新设计了自适应调整区间密度和区间内配点数的改进策略,构建了自适应伪谱法,进一步在自适应伪谱法的基础上加入检测点进行检测,采用一种基于配点间的检测点法作为解的近似误差评估准则,检验配点间的检测点处对于约束方程的满足程度。仿真结果表明,在不对初值进行猜测的情况下,以全程飞行耗时最短为优化指标,整个弹道优化CPU耗时小于5 s,终端状态参数均满足所有端点约束条件,优化弹道通过侧向绕飞,成功实现对两个规避区的规避,相关参数满足突防能力设计要求。     

基于hp自适应伪谱法的多脉冲导弹弹道优化设计

针对多脉冲导弹非连续助推的特点,基于hp自适应伪谱法研究了多约束多阶段的弹道优化设计问题。结合多脉冲导弹的工作过程,给出了弹道的分段准则,在考虑过载、动压及终端弹道参数等约束条件下,建立了运动学模型以及多约束多阶段全弹道优化模型。为解决Radau伪谱法处理复杂优化问题时存在的局限性,提出了一种基于hp自适应伪谱法的求解策略,对其最大射程的弹道进行了优化设计,并与传统的最大升阻比方案所得的结果进行了比较分析。仿真结果表明,该方法能有效解决多脉冲导弹弹道优化问题,射程比最大升阻比方案提高了7.8%,研究结果可为多脉冲导弹的弹道总体设计提供参考。     

具有内点状态约束的机动再入弹道优化设计

高级机动弹头末制导装置开始工作时对弹头飞行速度和姿态有一定的要求。这就增加了内点约束,从而使机动再入弹道设计问题成为具有内点约束和终端约束更复杂的最优控制问题。利用遗传算法求解该问题,用多段插值方法进行染色体设计,设计了基于模拟退火思想的罚函数和适应度函数来处理各种约束。仿真结果表明,所设计的遗传算法效率高,对初值不敏感,能搜索到全局最优解。所设计的再入机动弹道能满足机动弹头对姿态、热流和速度的要求。     

神经网络修正的速度约束辅助车载SINS定位算法

对于车载全球导航卫星系统(GNSS)/捷联惯性导航系统(SINS)组合导航系统,针对GNSS失效而SINS单独工作时仅使用速度约束辅助SINS其纵向位置误差逐渐发散的问题,提出一种神经网络修正的速度约束辅助车载SINS定位算法。通过径向基函数(RBF)神经网络预测SINS纵向位置误差修正系数,以提高SINS单独工作时的定位精度;此外,提出一种限定记忆指数加权实时估计量测噪声的自适应滤波算法。在人为设置GNSS失效以及真实隧道场景下进行车载试验,结果表明本文算法能够在不停车情况下在线修正SINS纵向位置误差,相比于速度约束与卡尔曼滤波相结合的常规算法,有效地提高了GNSS失效时的车载SINS定位精度。     

基于遗传算法的固体火箭发动机参数辨识

固体火箭发动机参数辨识为非线性受约束优化问题,经典算法求解此类问题时初值敏感、局部收敛等问题表现较为突出.针对上述难题,将具有良好全局收敛性的遗传算法用于固体火箭发动机参数辨识,得到推进剂燃速模型和喉径变化模型的全局最优辨识值.计算结果表明,固体火箭发动机参数辨识采用遗传算法求解可行,计算结果与试验结果吻合良好.     

Time-optimal trajectory planning for underactuated spacecraft using a hybrid particle swarm optimization algorithm

A hybrid algorithm combining particle swarm optimization (PSO) algorithm with the Legendre pseudospectral method (LPM) is proposed for solving time-optimal trajectory planning problem of underactuated spacecrafts. At the beginning phase of the searching process, an initialization generator is constructed by the PSO algorithm due to its strong global searching ability and robustness to random initial values, however, PSO algorithm has a disadvantage that its convergence rate around the global optimum is slow. Then, when the change in fitness function is smaller than a predefined value, the searching algorithm is switched to the LPM to accelerate the searching process. Thus, with the obtained solutions by the PSO algorithm as a set of proper initial guesses, the hybrid algorithm can find a global optimum more quickly and accurately. 200 Monte Carlo simulations results demonstrate that the proposed hybrid PSO–LPM algorithm has greater advantages in terms of global searching capability and convergence rate than both single PSO algorithm and LPM algorithm. Moreover, the PSO–LPM algorithm is also robust to random initial values.     

基于组合优化算法的临近空间飞行器轨迹优化

提出一种临近空间飞行器轨迹优化方法,利用基于支持向量机与遗传算法的组合优化算法,解决多约束条件下的高效轨迹优化问题。首先,建立临近空间飞行器轨迹优化数学模型。然后,通过参数化方法和惩罚函数法将轨迹优化问题转化为约束参数优化问题。在此基础上,提出一种求解无约束参数优化问题的组合优化算法,通过支持向量机对遗传过程中产生的种群进行分类,提高基本遗传算法的计算效率,结合轨迹优化数学模型,给出轨迹优化算法。最后,以临近空间飞行器航程最远轨迹优化问题为例,进行数学仿真分析。仿真结果表明,针对给定的算例,文中提出的方法与基于基本遗传算法的轨迹优化方法相比,计算效率显著提高。     

空间交会调相综合变轨优化

基于近圆轨道偏差线性方程研究了摄动交会调相综合变轨问题,建立了综合变轨两层非线性优化模型:上层问题以变轨点纬度幅角为优化变量,下层问题以脉冲向量为优化变量.为了快速获得上层问题全局优化性较好的摄动解,采用了并行模拟退火算法与序列二次规划算法相结合的混合策略;下层问题使用基于可行域最速下降的线性迭代方法求解.采用一个两天近地轨道调相问题测试了本文的综合变轨求解策略,并将综合变轨与特殊点变轨、综合变轨混合优化与遗传算法优化进行了比较.结果表明,建立的两层优化模型是有效的,本文的求解策略有着良好的全局收敛性和较高的收敛效率,综合变轨相对于特殊点变轨可以显著地节省燃料.     

敏捷成像卫星调度的改进量子遗传算法

针对敏捷成像卫星调度问题中解空间大,选择任务的搜索空间和确定任务观测时间的搜索空间分别是离散域和连续域的难题。建立了多种决策变量混合的敏捷成像卫星调度模型,提出一种改进的量子遗传算法对其求解,改进的量子遗传算法采用二进制与实数杂合的编码方式,降低染色体的基因位编码数目,提高了搜索效率,有效适应了敏捷成像卫星调度问题中离散与连续混合的解空间;以杂合编码为基础,设计对应的观测函数将敏捷成像卫星调度问题的解映射到相位空间,从而将量子优化机制引入敏捷成像卫星调度问题中,利用量子遗传算法在相位空间搜索的特性解决敏捷成像卫星解空间大、解空间离散与连续并存的问题。最后,通过不同规模的仿真校验对算法的调度效果进行测试和分析。结果表明,所提改进的量子遗传算法在收敛速度和方案收益方面都有较好的表现,能够满足敏捷成像卫星调度的需要。     

考虑视场角约束的捷联导引与控制一体化设计

针对现有导引与控制一体化设计方法在用于捷联战术导弹时存在无法保证弹目视线满足导引头视场角约束的问题,将捷联解耦原理和状态约束控制方法相结合提出一种新型考虑视场角约束的捷联导引与控制一体化设计方法。首先引入捷联解耦原理建立捷联导引与控制一体化设计模型,将其转换为严格反馈系统;其次,针对系统模型存在的不确定扰动,设计了一种对不确定上界平方进行估计的自适应律;第三,针对视场角约束问题,采用积分型障碍Lyapunov函数结合动态面控制设计了一体化导引与控制规律。最后通过Lyapunov理论证明了闭环系统的稳定性和所有信号的一致有界。数值仿真结果校验了设计方法的有效性。