基于遗传算法的凸多边形区域航迹规划

提出了基于遗传算法的凸多边形区域航迹规划方法,针对飞行器转弯角和边界限制的航迹约束条件,改进了航迹编码方式,采用了基于方向编码的回溯方法生成航迹;同时改进了遗传算法的交叉算子和变异算子。仿真结果表明,该方法能快速有效地完成飞行器航迹规划任务,获得符合适应度要求的优化航迹。     

基于遗传算法的太阳同步轨道组网访问序列优化

针对考虑回归周期、重访周期及地面站接收数据冲突等多约束条件下太阳同步回归轨道多星组网问题,开展了基于遗传算法的组网优化研究。通过分析太阳同步回归轨道运动特性与星下点的关系,构造了回归周期内轨道的访问序列,建立了卫星半长轴、相位差与太阳同步回归轨道的关系;结合组网卫星有效载荷指标参数,分析了回归周期、重访周期与访问序列的关系及极值;将组网卫星的访问序列作为优化参数,采用二进制编码方式建立综合适应度函数;设计了遗传算子并通过种群繁殖得到优化结果。仿真结果表明,该方法能够快速设计出满足约束条件的组网优化策略。     

特征选择的多准则融合差分遗传算法及其应用

为了全面评价特征子集的好坏,提高特征子集作为最佳子集的可靠性,以及更快找到最佳子集,提出了一种用于特征选择的多准则融合差分遗传算法。引入多个评价准则对特征子集进行评价,并对遗传算法的选择算子进行改进,有利于选出适应度高且具有重要特征的个体;同时,引入差分策略改进变异算子,提高种群多样性和算法搜索能力;最后通过仿真实验和滚动轴承实例验证了该方法的有效性。     

基于遗传算法的大型空间结构模型降阶

 采用遗传算法求解大型空间结构的模型降阶问题。给出了模型降阶的数学表示和所用遗传算法的有效形式，即编码方式、适值方式、交叉方式和变异方式等。仿真实例说明，遗传算法优于标准内平衡法和Hopfield神经网络方法。     

基于遗传算法的正弦波四参数曲线拟合

曲线拟合法能够精确地提取正弦信号的四个参数。但是，由于数据处理比较困难，其应用在一定程度上受到了制约。本文提出了一种基于遗传算法的求解方法，研究了算法应用中初始种群数、繁殖代数和编码方式的选取以及适应度函数的设计。实验数据表明，该方法具有全局收敛和准确度高的优点。     

常值风作用下的反舰导弹多弹协同航路规划

在常值风作用下,为了使多枚反舰导弹能实施高度协同的攻击,基于遗传算法提出了一种常值风作用下的多弹协同航路规划算法.首先,分析了常值风对导弹地速及航路飞行耗时的影响;其次,重点讨论了航路的评价问题,采用了随种群进化而变化的时间协同度评价策略,并设计了相应的遗传算子;最后,通过仿真算例验证了该协同航路规划算法在常值风作用下...     

基于变权重伪并行遗传算法的空战机动决策

针对空战机动决策中态势多样化对机动决策的影响以及控制量的细化问题,以敌我双机空战为背景,利用空战优势函数值作为空战机动决策的依据,基于滚动时域控制方法,采用变权重自适应伪并行遗传算法解决空战决策问题。重点分析了隐身优势函数以及变权重函数的建立、遗传编码方式、操作算子的确定,最后对空战决策进行了仿真。仿真结果验证了隐身优势函数的合理性,以及该理论在空战机动决策方面的有效性。     

基于改进遗传算法的燃气轮机自适应建模

综合运用了一种改进的遗传算法和自适应建模技术对燃气轮机的精确特性进行寻优获取.引入自适应机制优化交叉和变异算子,同时引入模拟退火算法,使改进遗传算法能很快接近最优解,并能跳出局部最优的陷阱,在保证解的质量的同时提高了收敛的速度.针对以往自适应模型中未考虑测量参数间的线性相关性和不同的传感器测量精度对目标函数的影响等问题,采用加权方法建立了较为完备的燃气轮机自适应数学模型,应用改进遗传算法获取燃气轮机部件的精确特性,实例计算结果表明:模拟退化改进遗传算法进行的自适应建模效果更好.      

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。     

遗传算法对压气机叶片排序的应用

采用遗传算法研究压气机叶片装配中的排序优化问题。详细给出了遗传算法的计算步骤、计算过程中叶片序列可行解的编码、交叉算子、变异算子的选择方法,建立了对叶片排序问题的适应度函数及其优化的评估方法。具体算例表明所建立的方法对压气机叶片排序问题有较高的效率和满意的准确度。      

Cooperative task assignment of multiple heterogeneous unmanned aerial vehicles using a modified genetic algorithm with multi-type genes

The task assignment problem of multiple heterogeneous unmanned aerial vehicles （UAVs）, concerned with cooperative decision making and control, is studied in this paper. The heterogeneous vehicles have different operational capabilities and kinematic constraints, and carry limited resources （e.g., weapons） onboard. They are designated to perform multiple consecutive tasks cooperatively on multiple ground targets. The problem becomes much more complicated because of these terms of heterogeneity. In order to tackle the challenge, we modify the former genetic algorithm with multi-type genes to stochastically search a best solution. Genes of chromo- somes are different, and they are assorted into several types according to the tasks that must be performed on targets. Different types of genes are processed specifically in the improved genetic operators including initialization, crossover, and mutation. We also present a mirror representation of vehicles to deal with the limited resource constraint. Feasible chromosomes that vehicles could perform tasks using their limited resources under the assignment are created and evolved by genetic operators. The effect of the proposed algorithm is demonstrated in numerical simulations. The results show that it effectively provides good feasible solutions and finds an optimal one.     

Satellite range scheduling with the priority constraint: An improved genetic algorithm using a station ID encoding method

Satellite range scheduling with the priority constraint is one of the most important problems in the field of satellite operation.This paper proposes a station coding based genetic algorithm to solve this problem,which adopts a new chromosome encoding method that arranges tasks according to the ground station ID.The new encoding method contributes to reducing the complexity in conflict checking and resolving,and helps to improve the ability to find optimal resolutions.Three different selection operators are designed to match the new encoding strategy,namely random selection,greedy selection,and roulette selection.To demonstrate the benefits of the improved genetic algorithm,a basic genetic algorithm is designed in which two cross operators are presented,a single-point crossover and a multi-point crossover.For the purpose of algorithm test and analysis,a problem-generating program is designed,which can simulate problems by modeling features encountered in real-world problems.Based on the problem generator,computational results and analysis are made and illustrated for the scheduling of multiple ground stations.     

混合遗传算法的研究及其在压气机叶型优化设计中的应用

对混合遗传算法进行了初步研究,并以此为基础建立了压气机叶型优化设计平台。在遗传算法中引入模拟退火算法,增强了算法的局部寻优能力,提高了运行效率和优化质量。为维护群体的多样性,保证寻优的收敛,选择概率和交叉概率的设计可以随个体适应度和进化阶段的不同而自适应变化。二维叶型定义采用的是Bezier函数参数化定义方法。该方法可以较好的拟合叶型曲面,并通过少数控制点的调节灵活有效的修正叶型形面。对某压气机二维叶型的正问题数值优化结果表明本研究所建立的优化设计平台具有高效、可靠性好的特点。     

随机数对遗传算法计算效率的影响分析及改进研究

遗传算法要求计算过程产生均匀随机数,针对目前采用的线性同余随机函数发生器长周期与稀疏网格局限,提出以当前时间折合为百分秒初始化结合洗牌技术处理,同时采用以群体规模数为基准的归一化方法来产生[0,1]范围内的均匀随机数用于遗传算法编程计算.实例计算说明,所提出的处理方法可有效提高算法的计算效率.     

透平机械叶片的遗传优化设计

提出一个基于遗传优化理论的透平机械叶片设计方法。该方法以叶片形状作为优化对象,利用遗传算法通过使其表面边界层中流动损失的极小化来搜索最佳的叶片形状。叶片形状被参数化表示。已知叶片形状的流场分析由一个叶栅正命题CFD程序完成。方法应用于一个离心压缩机扩压器叶片设计。数值计算显示,该方法可成功地求得具有最小流动损失的扩压器叶片形状。     

军事活动影响下的终端区容量评估方法研究

准确地预测军事活动影响下的空域容量对于缓解军民航用空矛盾冲突具有重要意义。通过对飞机机动动作的分析,给出飞行受限区的划设方法;利用改进的遗传算法从定量的角度对军事活动影响下的空域容量 进行评估;以某机场终端区为例,对终端区容量进行仿真实验。结果表明：改进的遗传算法能够有效避免传统算法计算量指数级增长的局限性,在保证准确性的同时可以提高运算的效率。     

具有二进制编码的思维进化方法

模拟人类自然进化的遗传算法得到越来越多学者的重视，而且在许多领域得到非常成功的应用。众所周知，人类的思维进化比自然进化要快得多，本文利用这一思想，提出了一种模拟人类思维进化的“思维进化算法”，该方法主要由趋同与异化两种算子组成，文中针对二进制编码的思维进化方法，给出了趋同与异化算子的构造，并对其收敛性进行了分析。     

混合遗传算法及其在翼型气动多目标优化设计中的应用

把基于实数编码的自适应遗传算法（SAGA）与可变容差法相结合，建立了数值优化设计中的混合遗传算法（HGA），并将其与翼型的气动分析相结合进行跨声速翼型的单目标和多目标气动优化设计。与自适应遗传算法相比，混合遗传算法的优化质量略有改善，优化效率有明显的提高。优化结果表明混合遗传算法在翼型单目标和多目标气动优化设计中是十分有效的。