智能交通系统中的运营车辆优化调度研究

阐述了遗传算法GA(Genetic Algorithm)和禁忌搜索法TS(Tabu Search)的基本原理,有机结合两者优点,构成混合遗传算法HGA(Hybrid Genetic Algorithm).针对公交车辆调度现状及所处的运营环境,运用HGA的智能化特征,进行了公交车辆智能调度研究.仿真表明,基于GA-TS的混合遗传算法优化公交车辆运营调度,能够有效地改善原有公交车辆运营调度的不足,提高动态运营决策效率和服务质量.与常规方法相比,运行效率提高15%,时间缩短5%,这为公交车辆智能化运营调度提供合理、可行的调度手段.     

解批量问题的模拟退火算法

多品种、有能力约束的批量问题是多品种批量生产中生产计划的关键性问题.这一问题就是要确定:在每一期生产多少产品以使得所用费用最少且满足已知的每一期的需求量.本文设计了一种模拟退火算法的实现形式,通过大量的算例分析表明,该算法具有良好的寻优特性与运算效率.      

模拟退火算法在连续变量全局优化问题中应用

研究了基于模拟退火算法应用于连续变量全局优化问题,并给出了实现步骤.介绍了控制参数实用选择方法.针对连续变量的特殊性,给出了新解产生的实用方法.最后以计算机视觉领域中的基本矩阵的求解作为一个实例,来说明它在连续变量中的应用.大量数字仿真结果表明该算法能有效地解决连续变量全局优化问题.      

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.      

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.     

并行加工系统一类排序问题的最优解

讨论了将多个零件分派给并行加工系统加工的排序问题.假设同一零件分配给不同的设备,其加工时间不同,分析了使所有零件的总花费时间(加工时间与等待时间之和)最小的排序方法.首先建立了该类问题的数学模型,然后将其转化为指派问题,通过匈牙利算法可以得到最优解.所得算法的时间复杂性是多项式界的.最后给出了一个数值例子说明求解过程.     

基于混和寻优算法的时域低阶等效系统方法

现代高增稳飞机的阶次高达几十阶,需要将其降阶为具有特定形式的低阶等效系统才能与已有的飞行品质规范相比较,从而评价其飞行品质并改进飞控系统的设计.相对于频域等效系统方法,时域低阶等效系统方法可以在线采集系统的输入及输出数据,充分考虑各种非线性因素的影响,在飞机飞行品质评价时,对等效系统相关参数进行在线估计,具有较强的实用价值.针对时域等效拟配提出了一种混和寻优算法,即模式搜索-模拟退火法,该算法较好地克服了局部寻优和全局寻优的缺点,并在寻优过程中加入了对参数范围的限制,寻优结果可以快速收敛于全局最优解,并且不受初值变化的影响,对飞机飞行品质的在线评价具有重要意义.      

作业排序问题的加工周期算法分析

JSSP(Job Shop Scheduling Problem)问题可分解为2个部分:一部分是求解加工周期;一部分是寻找具有最小加工周期的序.目前关于研究加工车间的作业排序问题JSSP的文献都把注意力集中在如何设计一种算法快速地找到一种排序使得所有工件的总加工周期最小,却很少对求解总加工周期的算法进行讨论.本文给出了几种不同的求解总加工周期的基本算法和数据结构,并较详细地分析了各个算法的时间复杂性及结果的差异性,对于求解较大规模加工车间的作业排序问题有一定的参考价值.      

基于混合遗传算法车间多工艺路线批量调度

结合启发式分派规则和模拟退火算法,给出了改进的遗传算法——遗传退火算法(GASA,Genetic Algorithm-Simulated Annealing Algorithm).该算法采用新型POX交叉算子,通过结合模拟退火算法,有效地避免了基本遗传算法解决车间调度早熟的问题,并通过实验验证了该算法的有效性.基于GASA研究了航空复杂产品制造车间中,考虑生产批量、生产转换时间、允许多设备加工路线的车间静态与动态调度问题,分析并验证了不同分批方法对考虑以上因素的车间生产调度结果的影响.该算法已应用到某航空车间生产计划与控制系统中.      

基于人工免疫算法的地球-火星小推力转移轨道优化

利用人工免疫算法研究了地球-火星小推力转移轨道优化问题。首先针对地球-火星转移轨道的特点建立系统模型并进行归一化处理;然后通过参数化和罚函数将小推力轨道优化问题转化为非线性规划问题;最后提出一种引导型人工免疫算法(Guiding Artificial Immune Algorithm,GAIA)并对该优化问题进行寻优。仿真算例表明,该算法收敛速度快,寻优精度高,且避免了初值敏感、病态梯度和局部收敛等问题;同时验证了GAIA用于小推力轨道优化的有效性。     

基于神经网络的电磁干扰的预测

提出了一种应用神经网络预测电磁干扰的方法.针对遗传算法总体搜索能力较强但容易陷入局部最优,而模拟退火算法具有较强的局部搜索能力,又能避免搜索陷入局部最优解的特点,将模拟退火算法与遗传算法相结合,优化多层前馈(BP, Back Propagation)神经网络,获取最优的权值和阈值,并采用模拟退火的思想确定隐含层神经元的个数,进而建立基于神经网络的电磁干扰预测模型.以双平行导线间的电磁干扰问题为实例,明确干扰要素,建立训练样本和测试样本,对比期望输出和预测输出之间的误差,结果表明该方法可以准确有效地进行电磁干扰预测.     

基于快速退火MRF的改进SAR图像分割方法

基于Markov随机场(MRF,Markov Random Field)的SAR图像分割方法利用了SAR图像的灰度和结构信息,能在分割过程中有效抑制斑点噪声,获得较高的分割精度.但这类方法的缺点是模拟退火的计算量很大.针对该问题,提出了一种基于快速退火MRF的SAR图像分割处理方法.该方法根据SAR图像Gibbs分布的特性,在求取全局最优解时,首先寻找邻域系统中占有支配地位的某种标记,若存在占支配地位的标记,用此标记更新状态;反之,则沿用传统模拟退火的方法随机更新状态.由于该方法引入基于Gibbs分布的先验判决进行系统状态更新,因此能够快速求得全局最优解.最后对真实SAR图像进行处理,处理结果验证了算法的有效性.     

用于飞行器视觉导航的地平线检测算法

结合航拍视频序列的特点与视觉导航系统的需求,提出了一种基于图像区域相似性和禁忌搜索算法的地平线拟合视觉导航算法.从航拍视频序列中提取单帧图像,并做下采样去噪等相应预处理;初始化禁忌搜索算法的初始解等参数,结合适配值函数,拟合图像中的地平线;用禁忌搜索算法的特赦准则和收敛准则评判拟合的准确性,直到适配值函数值满足收敛准则为止,得出最优解;分解出飞行器的横滚角和俯仰角,并由横滚角和俯仰角的大小决定下次参数校正的间隔,输出结果给控制系统.实验结果表明,与传统视觉导航方法和基于Hough变换的方法相比,此算法具有无参考、实时性好和抗噪性强等特点.     

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。      

Mission planning optimization of video satellite for ground multi-object staring imaging

This study investigates the emergency scheduling problem of ground multi-object staring imaging for a single video satellite. In the proposed mission scenario, the ground objects require a specified duration of staring imaging by the video satellite. The planning horizon is not long, i.e., it is usually shorter than one orbit period. A binary decision variable and the imaging order are used as the design variables, and the total observation revenue combined with the influence of the total attitude maneuvering time is regarded as the optimization objective. Based on the constraints of the observation time windows, satellite attitude adjustment time, and satellite maneuverability, a constraint satisfaction mission planning model is established for ground object staring imaging by a single video satellite. Further, a modified ant colony optimization algorithm with tabu lists (Tabu-ACO) is designed to solve this problem. The proposed algorithm can fully exploit the intelligence and local search ability of ACO. Based on full consideration of the mission characteristics, the design of the tabu lists can reduce the search range of ACO and improve the algorithm efficiency significantly. The simulation results show that the proposed algorithm outperforms the conventional algorithm in terms of optimization performance, and it can obtain satisfactory scheduling results for the mission planning problem.     

解决排班问题的多目标优化模型及算法研究

为提高排班结果的准确性可靠性,提出了排班问题的多目标优化模型,并应用改进的基于信息熵的自适应遗传算法求解模型的最优解.同时引入分割集和模拟退火算法的思想进行优解的选择.通过对航空公司机组排班问题的仿真比较,模型的正确性和先进性得到了验证.      

PSO选星算法参数分析与改进

多星座组合导航提供更多的可用卫星,但也增大接收机计算复杂度,选取部分可见星代替全部可见星进行接收机位置解算成为选星算法研究的热点。粒子群优化（PSO）选星算法将PSO算法引入到选星过程中,该方法能够减少选星时间,实现北斗/GPS组合星座快速选星。研究了该算法的关键参数包括惯性权重因子、加速系数、种群大小等对PSO选星算法性能的影响,并针对搜索过程容易陷入局部最优问题,提出自适应模拟退火粒子群优化（ASAPSO）选星算法,该算法通过引入随适应值大小自适应调整进化参数及结合模拟退火算法调整粒子速度,以增强算法跳出局部极值的能力。采用实际数据对算法进行验证,结果表明:ASAPSO选星算法在保证选星时间的同时,能够提高算法搜索结果的准确性,其性能优于PSO选星算法。